Age Owner Branch data TLA Line data Source code
1 : : /*-------------------------------------------------------------------------
2 : : *
3 : : * regexp.c
4 : : * Postgres' interface to the regular expression package.
5 : : *
6 : : * Portions Copyright (c) 1996-2024, PostgreSQL Global Development Group
7 : : * Portions Copyright (c) 1994, Regents of the University of California
8 : : *
9 : : *
10 : : * IDENTIFICATION
11 : : * src/backend/utils/adt/regexp.c
12 : : *
13 : : * Alistair Crooks added the code for the regex caching
14 : : * agc - cached the regular expressions used - there's a good chance
15 : : * that we'll get a hit, so this saves a compile step for every
16 : : * attempted match. I haven't actually measured the speed improvement,
17 : : * but it `looks' a lot quicker visually when watching regression
18 : : * test output.
19 : : *
20 : : * agc - incorporated Keith Bostic's Berkeley regex code into
21 : : * the tree for all ports. To distinguish this regex code from any that
22 : : * is existent on a platform, I've prepended the string "pg_" to
23 : : * the functions regcomp, regerror, regexec and regfree.
24 : : * Fixed a bug that was originally a typo by me, where `i' was used
25 : : * instead of `oldest' when compiling regular expressions - benign
26 : : * results mostly, although occasionally it bit you...
27 : : *
28 : : *-------------------------------------------------------------------------
29 : : */
30 : : #include "postgres.h"
31 : :
32 : : #include "catalog/pg_type.h"
33 : : #include "funcapi.h"
34 : : #include "regex/regex.h"
35 : : #include "utils/array.h"
36 : : #include "utils/builtins.h"
37 : : #include "utils/memutils.h"
38 : : #include "utils/varlena.h"
39 : :
40 : : #define PG_GETARG_TEXT_PP_IF_EXISTS(_n) \
41 : : (PG_NARGS() > (_n) ? PG_GETARG_TEXT_PP(_n) : NULL)
42 : :
43 : :
44 : : /* all the options of interest for regex functions */
45 : : typedef struct pg_re_flags
46 : : {
47 : : int cflags; /* compile flags for Spencer's regex code */
48 : : bool glob; /* do it globally (for each occurrence) */
49 : : } pg_re_flags;
50 : :
51 : : /* cross-call state for regexp_match and regexp_split functions */
52 : : typedef struct regexp_matches_ctx
53 : : {
54 : : text *orig_str; /* data string in original TEXT form */
55 : : int nmatches; /* number of places where pattern matched */
56 : : int npatterns; /* number of capturing subpatterns */
57 : : /* We store start char index and end+1 char index for each match */
58 : : /* so the number of entries in match_locs is nmatches * npatterns * 2 */
59 : : int *match_locs; /* 0-based character indexes */
60 : : int next_match; /* 0-based index of next match to process */
61 : : /* workspace for build_regexp_match_result() */
62 : : Datum *elems; /* has npatterns elements */
63 : : bool *nulls; /* has npatterns elements */
64 : : pg_wchar *wide_str; /* wide-char version of original string */
65 : : char *conv_buf; /* conversion buffer, if needed */
66 : : int conv_bufsiz; /* size thereof */
67 : : } regexp_matches_ctx;
68 : :
69 : : /*
70 : : * We cache precompiled regular expressions using a "self organizing list"
71 : : * structure, in which recently-used items tend to be near the front.
72 : : * Whenever we use an entry, it's moved up to the front of the list.
73 : : * Over time, an item's average position corresponds to its frequency of use.
74 : : *
75 : : * When we first create an entry, it's inserted at the front of
76 : : * the array, dropping the entry at the end of the array if necessary to
77 : : * make room. (This might seem to be weighting the new entry too heavily,
78 : : * but if we insert new entries further back, we'll be unable to adjust to
79 : : * a sudden shift in the query mix where we are presented with MAX_CACHED_RES
80 : : * never-before-seen items used circularly. We ought to be able to handle
81 : : * that case, so we have to insert at the front.)
82 : : *
83 : : * Knuth mentions a variant strategy in which a used item is moved up just
84 : : * one place in the list. Although he says this uses fewer comparisons on
85 : : * average, it seems not to adapt very well to the situation where you have
86 : : * both some reusable patterns and a steady stream of non-reusable patterns.
87 : : * A reusable pattern that isn't used at least as often as non-reusable
88 : : * patterns are seen will "fail to keep up" and will drop off the end of the
89 : : * cache. With move-to-front, a reusable pattern is guaranteed to stay in
90 : : * the cache as long as it's used at least once in every MAX_CACHED_RES uses.
91 : : */
92 : :
93 : : /* this is the maximum number of cached regular expressions */
94 : : #ifndef MAX_CACHED_RES
95 : : #define MAX_CACHED_RES 32
96 : : #endif
97 : :
98 : : /* A parent memory context for regular expressions. */
99 : : static MemoryContext RegexpCacheMemoryContext;
100 : :
101 : : /* this structure describes one cached regular expression */
102 : : typedef struct cached_re_str
103 : : {
104 : : MemoryContext cre_context; /* memory context for this regexp */
105 : : char *cre_pat; /* original RE (not null terminated!) */
106 : : int cre_pat_len; /* length of original RE, in bytes */
107 : : int cre_flags; /* compile flags: extended,icase etc */
108 : : Oid cre_collation; /* collation to use */
109 : : regex_t cre_re; /* the compiled regular expression */
110 : : } cached_re_str;
111 : :
112 : : static int num_res = 0; /* # of cached re's */
113 : : static cached_re_str re_array[MAX_CACHED_RES]; /* cached re's */
114 : :
115 : :
116 : : /* Local functions */
117 : : static regexp_matches_ctx *setup_regexp_matches(text *orig_str, text *pattern,
118 : : pg_re_flags *re_flags,
119 : : int start_search,
120 : : Oid collation,
121 : : bool use_subpatterns,
122 : : bool ignore_degenerate,
123 : : bool fetching_unmatched);
124 : : static ArrayType *build_regexp_match_result(regexp_matches_ctx *matchctx);
125 : : static Datum build_regexp_split_result(regexp_matches_ctx *splitctx);
126 : :
127 : :
128 : : /*
129 : : * RE_compile_and_cache - compile a RE, caching if possible
130 : : *
131 : : * Returns regex_t *
132 : : *
133 : : * text_re --- the pattern, expressed as a TEXT object
134 : : * cflags --- compile options for the pattern
135 : : * collation --- collation to use for LC_CTYPE-dependent behavior
136 : : *
137 : : * Pattern is given in the database encoding. We internally convert to
138 : : * an array of pg_wchar, which is what Spencer's regex package wants.
139 : : */
140 : : regex_t *
4753 tgl@sss.pgh.pa.us 141 :CBC 509144 : RE_compile_and_cache(text *text_re, int cflags, Oid collation)
142 : : {
6050 143 [ - + - - : 509144 : int text_re_len = VARSIZE_ANY_EXHDR(text_re);
- - - - +
+ ]
144 [ + + ]: 509144 : char *text_re_val = VARDATA_ANY(text_re);
145 : : pg_wchar *pattern;
146 : : int pattern_len;
147 : : int i;
148 : : int regcomp_result;
149 : : cached_re_str re_temp;
150 : : char errMsg[100];
151 : : MemoryContext oldcontext;
152 : :
153 : : /*
154 : : * Look for a match among previously compiled REs. Since the data
155 : : * structure is self-organizing with most-used entries at the front, our
156 : : * search strategy can just be to scan from the front.
157 : : */
7739 158 [ + + ]: 782065 : for (i = 0; i < num_res; i++)
159 : : {
6050 160 [ + + ]: 779367 : if (re_array[i].cre_pat_len == text_re_len &&
161 [ + + ]: 513098 : re_array[i].cre_flags == cflags &&
4753 162 [ + + ]: 512496 : re_array[i].cre_collation == collation &&
6050 163 [ + + ]: 512414 : memcmp(re_array[i].cre_pat, text_re_val, text_re_len) == 0)
164 : : {
165 : : /*
166 : : * Found a match; move it to front if not there already.
167 : : */
7739 168 [ + + ]: 506446 : if (i > 0)
169 : : {
170 : 227977 : re_temp = re_array[i];
171 : 227977 : memmove(&re_array[1], &re_array[0], i * sizeof(cached_re_str));
172 : 227977 : re_array[0] = re_temp;
173 : : }
174 : :
6753 175 : 506446 : return &re_array[0].cre_re;
176 : : }
177 : : }
178 : :
179 : : /* Set up the cache memory on first go through. */
372 tmunro@postgresql.or 180 [ + + ]: 2698 : if (unlikely(RegexpCacheMemoryContext == NULL))
181 : 635 : RegexpCacheMemoryContext =
182 : 635 : AllocSetContextCreate(TopMemoryContext,
183 : : "RegexpCacheMemoryContext",
184 : : ALLOCSET_SMALL_SIZES);
185 : :
186 : : /*
187 : : * Couldn't find it, so try to compile the new RE. To avoid leaking
188 : : * resources on failure, we build into the re_temp local.
189 : : */
190 : :
191 : : /* Convert pattern string to wide characters */
6050 tgl@sss.pgh.pa.us 192 : 2698 : pattern = (pg_wchar *) palloc((text_re_len + 1) * sizeof(pg_wchar));
193 : 2698 : pattern_len = pg_mb2wchar_with_len(text_re_val,
194 : : pattern,
195 : : text_re_len);
196 : :
197 : : /*
198 : : * Make a memory context for this compiled regexp. This is initially a
199 : : * child of the current memory context, so it will be cleaned up
200 : : * automatically if compilation is interrupted and throws an ERROR. We'll
201 : : * re-parent it under the longer lived cache context if we make it to the
202 : : * bottom of this function.
203 : : */
372 tmunro@postgresql.or 204 : 2698 : re_temp.cre_context = AllocSetContextCreate(CurrentMemoryContext,
205 : : "RegexpMemoryContext",
206 : : ALLOCSET_SMALL_SIZES);
207 : 2698 : oldcontext = MemoryContextSwitchTo(re_temp.cre_context);
208 : :
7739 tgl@sss.pgh.pa.us 209 : 2698 : regcomp_result = pg_regcomp(&re_temp.cre_re,
210 : : pattern,
211 : : pattern_len,
212 : : cflags,
213 : : collation);
214 : :
215 : 2686 : pfree(pattern);
216 : :
7081 217 [ + + ]: 2686 : if (regcomp_result != REG_OKAY)
218 : : {
219 : : /* re didn't compile (no need for pg_regfree, if so) */
7739 220 : 18 : pg_regerror(regcomp_result, &re_temp.cre_re, errMsg, sizeof(errMsg));
7567 221 [ + - ]: 18 : ereport(ERROR,
222 : : (errcode(ERRCODE_INVALID_REGULAR_EXPRESSION),
223 : : errmsg("invalid regular expression: %s", errMsg)));
224 : : }
225 : :
226 : : /* Copy the pattern into the per-regexp memory context. */
372 tmunro@postgresql.or 227 : 2668 : re_temp.cre_pat = palloc(text_re_len + 1);
228 : 2668 : memcpy(re_temp.cre_pat, text_re_val, text_re_len);
229 : :
230 : : /*
231 : : * NUL-terminate it only for the benefit of the identifier used for the
232 : : * memory context, visible in the pg_backend_memory_contexts view.
233 : : */
234 : 2668 : re_temp.cre_pat[text_re_len] = 0;
235 : 2668 : MemoryContextSetIdentifier(re_temp.cre_context, re_temp.cre_pat);
236 : :
6050 tgl@sss.pgh.pa.us 237 : 2668 : re_temp.cre_pat_len = text_re_len;
7739 238 : 2668 : re_temp.cre_flags = cflags;
4753 239 : 2668 : re_temp.cre_collation = collation;
240 : :
241 : : /*
242 : : * Okay, we have a valid new item in re_temp; insert it into the storage
243 : : * array. Discard last entry if needed.
244 : : */
7739 245 [ + + ]: 2668 : if (num_res >= MAX_CACHED_RES)
246 : : {
247 : 387 : --num_res;
248 [ - + ]: 387 : Assert(num_res < MAX_CACHED_RES);
249 : : /* Delete the memory context holding the regexp and pattern. */
372 tmunro@postgresql.or 250 : 387 : MemoryContextDelete(re_array[num_res].cre_context);
251 : : }
252 : :
253 : : /* Re-parent the memory context to our long-lived cache context. */
254 : 2668 : MemoryContextSetParent(re_temp.cre_context, RegexpCacheMemoryContext);
255 : :
7739 tgl@sss.pgh.pa.us 256 [ + + ]: 2668 : if (num_res > 0)
257 : 2033 : memmove(&re_array[1], &re_array[0], num_res * sizeof(cached_re_str));
258 : :
259 : 2668 : re_array[0] = re_temp;
260 : 2668 : num_res++;
261 : :
372 tmunro@postgresql.or 262 : 2668 : MemoryContextSwitchTo(oldcontext);
263 : :
6753 tgl@sss.pgh.pa.us 264 : 2668 : return &re_array[0].cre_re;
265 : : }
266 : :
267 : : /*
268 : : * RE_wchar_execute - execute a RE on pg_wchar data
269 : : *
270 : : * Returns true on match, false on no match
271 : : *
272 : : * re --- the compiled pattern as returned by RE_compile_and_cache
273 : : * data --- the data to match against (need not be null-terminated)
274 : : * data_len --- the length of the data string
275 : : * start_search -- the offset in the data to start searching
276 : : * nmatch, pmatch --- optional return area for match details
277 : : *
278 : : * Data is given as array of pg_wchar which is what Spencer's regex package
279 : : * wants.
280 : : */
281 : : static bool
6235 neilc@samurai.com 282 : 942198 : RE_wchar_execute(regex_t *re, pg_wchar *data, int data_len,
283 : : int start_search, int nmatch, regmatch_t *pmatch)
284 : : {
285 : : int regexec_result;
286 : : char errMsg[100];
287 : :
288 : : /* Perform RE match and return result */
6753 tgl@sss.pgh.pa.us 289 : 942198 : regexec_result = pg_regexec(re,
290 : : data,
291 : : data_len,
292 : : start_search,
293 : : NULL, /* no details */
294 : : nmatch,
295 : : pmatch,
296 : : 0);
297 : :
7081 298 [ + + - + ]: 942198 : if (regexec_result != REG_OKAY && regexec_result != REG_NOMATCH)
299 : : {
300 : : /* re failed??? */
6753 tgl@sss.pgh.pa.us 301 :UBC 0 : pg_regerror(regexec_result, re, errMsg, sizeof(errMsg));
7081 302 [ # # ]: 0 : ereport(ERROR,
303 : : (errcode(ERRCODE_INVALID_REGULAR_EXPRESSION),
304 : : errmsg("regular expression failed: %s", errMsg)));
305 : : }
306 : :
7081 tgl@sss.pgh.pa.us 307 :CBC 942198 : return (regexec_result == REG_OKAY);
308 : : }
309 : :
310 : : /*
311 : : * RE_execute - execute a RE
312 : : *
313 : : * Returns true on match, false on no match
314 : : *
315 : : * re --- the compiled pattern as returned by RE_compile_and_cache
316 : : * dat --- the data to match against (need not be null-terminated)
317 : : * dat_len --- the length of the data string
318 : : * nmatch, pmatch --- optional return area for match details
319 : : *
320 : : * Data is given in the database encoding. We internally
321 : : * convert to array of pg_wchar which is what Spencer's regex package wants.
322 : : */
323 : : static bool
6235 neilc@samurai.com 324 : 394611 : RE_execute(regex_t *re, char *dat, int dat_len,
325 : : int nmatch, regmatch_t *pmatch)
326 : : {
327 : : pg_wchar *data;
328 : : int data_len;
329 : : bool match;
330 : :
331 : : /* Convert data string to wide characters */
332 : 394611 : data = (pg_wchar *) palloc((dat_len + 1) * sizeof(pg_wchar));
333 : 394611 : data_len = pg_mb2wchar_with_len(dat, data, dat_len);
334 : :
335 : : /* Perform RE match and return result */
336 : 394611 : match = RE_wchar_execute(re, data, data_len, 0, nmatch, pmatch);
337 : :
338 : 394611 : pfree(data);
339 : 394611 : return match;
340 : : }
341 : :
342 : : /*
343 : : * RE_compile_and_execute - compile and execute a RE
344 : : *
345 : : * Returns true on match, false on no match
346 : : *
347 : : * text_re --- the pattern, expressed as a TEXT object
348 : : * dat --- the data to match against (need not be null-terminated)
349 : : * dat_len --- the length of the data string
350 : : * cflags --- compile options for the pattern
351 : : * collation --- collation to use for LC_CTYPE-dependent behavior
352 : : * nmatch, pmatch --- optional return area for match details
353 : : *
354 : : * Both pattern and data are given in the database encoding. We internally
355 : : * convert to array of pg_wchar which is what Spencer's regex package wants.
356 : : */
357 : : bool
358 : 393815 : RE_compile_and_execute(text *text_re, char *dat, int dat_len,
359 : : int cflags, Oid collation,
360 : : int nmatch, regmatch_t *pmatch)
361 : : {
362 : : regex_t *re;
363 : :
364 : : /* Use REG_NOSUB if caller does not want sub-match details */
979 tgl@sss.pgh.pa.us 365 [ + - ]: 393815 : if (nmatch < 2)
366 : 393815 : cflags |= REG_NOSUB;
367 : :
368 : : /* Compile RE */
4753 369 : 393815 : re = RE_compile_and_cache(text_re, cflags, collation);
370 : :
6235 neilc@samurai.com 371 : 393803 : return RE_execute(re, dat, dat_len, nmatch, pmatch);
372 : : }
373 : :
374 : :
375 : : /*
376 : : * parse_re_flags - parse the options argument of regexp_match and friends
377 : : *
378 : : * flags --- output argument, filled with desired options
379 : : * opts --- TEXT object, or NULL for defaults
380 : : *
381 : : * This accepts all the options allowed by any of the callers; callers that
382 : : * don't want some have to reject them after the fact.
383 : : */
384 : : static void
5995 bruce@momjian.us 385 : 103030 : parse_re_flags(pg_re_flags *flags, text *opts)
386 : : {
387 : : /* regex flavor is always folded into the compile flags */
5289 tgl@sss.pgh.pa.us 388 : 103030 : flags->cflags = REG_ADVANCED;
6091 389 : 103030 : flags->glob = false;
390 : :
6235 neilc@samurai.com 391 [ + + ]: 103030 : if (opts)
392 : : {
5995 bruce@momjian.us 393 [ - + ]: 1436 : char *opt_p = VARDATA_ANY(opts);
394 [ - + - - : 1436 : int opt_len = VARSIZE_ANY_EXHDR(opts);
- - - - -
+ ]
395 : : int i;
396 : :
6235 neilc@samurai.com 397 [ + + ]: 3319 : for (i = 0; i < opt_len; i++)
398 : : {
399 [ + - + - : 1895 : switch (opt_p[i])
+ + - - +
- - + + ]
400 : : {
401 : 1275 : case 'g':
402 : 1275 : flags->glob = true;
403 : 1275 : break;
5995 bruce@momjian.us 404 :UBC 0 : case 'b': /* BREs (but why???) */
6091 tgl@sss.pgh.pa.us 405 : 0 : flags->cflags &= ~(REG_ADVANCED | REG_EXTENDED | REG_QUOTE);
406 : 0 : break;
5995 bruce@momjian.us 407 :CBC 5 : case 'c': /* case sensitive */
6091 tgl@sss.pgh.pa.us 408 : 5 : flags->cflags &= ~REG_ICASE;
409 : 5 : break;
5995 bruce@momjian.us 410 :UBC 0 : case 'e': /* plain EREs */
6091 tgl@sss.pgh.pa.us 411 : 0 : flags->cflags |= REG_EXTENDED;
412 : 0 : flags->cflags &= ~(REG_ADVANCED | REG_QUOTE);
413 : 0 : break;
5995 bruce@momjian.us 414 :CBC 146 : case 'i': /* case insensitive */
6235 neilc@samurai.com 415 : 146 : flags->cflags |= REG_ICASE;
416 : 146 : break;
5995 bruce@momjian.us 417 : 448 : case 'm': /* Perloid synonym for n */
418 : : case 'n': /* \n affects ^ $ . [^ */
6235 neilc@samurai.com 419 : 448 : flags->cflags |= REG_NEWLINE;
420 : 448 : break;
5995 bruce@momjian.us 421 :UBC 0 : case 'p': /* ~Perl, \n affects . [^ */
6235 neilc@samurai.com 422 : 0 : flags->cflags |= REG_NLSTOP;
423 : 0 : flags->cflags &= ~REG_NLANCH;
424 : 0 : break;
5995 bruce@momjian.us 425 : 0 : case 'q': /* literal string */
6091 tgl@sss.pgh.pa.us 426 : 0 : flags->cflags |= REG_QUOTE;
427 : 0 : flags->cflags &= ~(REG_ADVANCED | REG_EXTENDED);
428 : 0 : break;
5995 bruce@momjian.us 429 :CBC 6 : case 's': /* single line, \n ordinary */
6091 tgl@sss.pgh.pa.us 430 : 6 : flags->cflags &= ~REG_NEWLINE;
431 : 6 : break;
5995 bruce@momjian.us 432 :UBC 0 : case 't': /* tight syntax */
6091 tgl@sss.pgh.pa.us 433 : 0 : flags->cflags &= ~REG_EXPANDED;
434 : 0 : break;
5995 bruce@momjian.us 435 : 0 : case 'w': /* weird, \n affects ^ $ only */
6235 neilc@samurai.com 436 : 0 : flags->cflags &= ~REG_NLSTOP;
437 : 0 : flags->cflags |= REG_NLANCH;
438 : 0 : break;
5995 bruce@momjian.us 439 :CBC 3 : case 'x': /* expanded syntax */
6235 neilc@samurai.com 440 : 3 : flags->cflags |= REG_EXPANDED;
441 : 3 : break;
442 : 12 : default:
443 [ + - ]: 12 : ereport(ERROR,
444 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
445 : : errmsg("invalid regular expression option: \"%.*s\"",
446 : : pg_mblen(opt_p + i), opt_p + i)));
447 : : break;
448 : : }
449 : : }
450 : : }
451 : 103018 : }
452 : :
453 : :
454 : : /*
455 : : * interface routines called by the function manager
456 : : */
457 : :
458 : : Datum
8683 tgl@sss.pgh.pa.us 459 : 161722 : nameregexeq(PG_FUNCTION_ARGS)
460 : : {
461 : 161722 : Name n = PG_GETARG_NAME(0);
6050 462 : 161722 : text *p = PG_GETARG_TEXT_PP(1);
463 : :
7739 464 : 161722 : PG_RETURN_BOOL(RE_compile_and_execute(p,
465 : : NameStr(*n),
466 : : strlen(NameStr(*n)),
467 : : REG_ADVANCED,
468 : : PG_GET_COLLATION(),
469 : : 0, NULL));
470 : : }
471 : :
472 : : Datum
8683 473 : 12721 : nameregexne(PG_FUNCTION_ARGS)
474 : : {
475 : 12721 : Name n = PG_GETARG_NAME(0);
6050 476 : 12721 : text *p = PG_GETARG_TEXT_PP(1);
477 : :
7739 478 : 12721 : PG_RETURN_BOOL(!RE_compile_and_execute(p,
479 : : NameStr(*n),
480 : : strlen(NameStr(*n)),
481 : : REG_ADVANCED,
482 : : PG_GET_COLLATION(),
483 : : 0, NULL));
484 : : }
485 : :
486 : : Datum
8683 487 : 198431 : textregexeq(PG_FUNCTION_ARGS)
488 : : {
6050 489 : 198431 : text *s = PG_GETARG_TEXT_PP(0);
490 : 198431 : text *p = PG_GETARG_TEXT_PP(1);
491 : :
7739 492 [ - + - - : 198431 : PG_RETURN_BOOL(RE_compile_and_execute(p,
- - - - +
+ + + ]
493 : : VARDATA_ANY(s),
494 : : VARSIZE_ANY_EXHDR(s),
495 : : REG_ADVANCED,
496 : : PG_GET_COLLATION(),
497 : : 0, NULL));
498 : : }
499 : :
500 : : Datum
8683 501 : 17067 : textregexne(PG_FUNCTION_ARGS)
502 : : {
6050 503 : 17067 : text *s = PG_GETARG_TEXT_PP(0);
504 : 17067 : text *p = PG_GETARG_TEXT_PP(1);
505 : :
7739 506 [ - + - - : 17067 : PG_RETURN_BOOL(!RE_compile_and_execute(p,
- - - - +
+ + + ]
507 : : VARDATA_ANY(s),
508 : : VARSIZE_ANY_EXHDR(s),
509 : : REG_ADVANCED,
510 : : PG_GET_COLLATION(),
511 : : 0, NULL));
512 : : }
513 : :
514 : :
515 : : /*
516 : : * routines that use the regexp stuff, but ignore the case.
517 : : * for this, we use the REG_ICASE flag to pg_regcomp
518 : : */
519 : :
520 : :
521 : : Datum
522 : 3612 : nameicregexeq(PG_FUNCTION_ARGS)
523 : : {
524 : 3612 : Name n = PG_GETARG_NAME(0);
6050 525 : 3612 : text *p = PG_GETARG_TEXT_PP(1);
526 : :
7739 527 : 3612 : PG_RETURN_BOOL(RE_compile_and_execute(p,
528 : : NameStr(*n),
529 : : strlen(NameStr(*n)),
530 : : REG_ADVANCED | REG_ICASE,
531 : : PG_GET_COLLATION(),
532 : : 0, NULL));
533 : : }
534 : :
535 : : Datum
536 : 3 : nameicregexne(PG_FUNCTION_ARGS)
537 : : {
538 : 3 : Name n = PG_GETARG_NAME(0);
6050 539 : 3 : text *p = PG_GETARG_TEXT_PP(1);
540 : :
7739 541 : 3 : PG_RETURN_BOOL(!RE_compile_and_execute(p,
542 : : NameStr(*n),
543 : : strlen(NameStr(*n)),
544 : : REG_ADVANCED | REG_ICASE,
545 : : PG_GET_COLLATION(),
546 : : 0, NULL));
547 : : }
548 : :
549 : : Datum
550 : 98 : texticregexeq(PG_FUNCTION_ARGS)
551 : : {
6050 552 : 98 : text *s = PG_GETARG_TEXT_PP(0);
553 : 98 : text *p = PG_GETARG_TEXT_PP(1);
554 : :
7739 555 [ - + - - : 98 : PG_RETURN_BOOL(RE_compile_and_execute(p,
- - - - +
+ + + ]
556 : : VARDATA_ANY(s),
557 : : VARSIZE_ANY_EXHDR(s),
558 : : REG_ADVANCED | REG_ICASE,
559 : : PG_GET_COLLATION(),
560 : : 0, NULL));
561 : : }
562 : :
563 : : Datum
564 : 11 : texticregexne(PG_FUNCTION_ARGS)
565 : : {
6050 566 : 11 : text *s = PG_GETARG_TEXT_PP(0);
567 : 11 : text *p = PG_GETARG_TEXT_PP(1);
568 : :
7739 569 [ - + - - : 11 : PG_RETURN_BOOL(!RE_compile_and_execute(p,
- - - - +
+ + + ]
570 : : VARDATA_ANY(s),
571 : : VARSIZE_ANY_EXHDR(s),
572 : : REG_ADVANCED | REG_ICASE,
573 : : PG_GET_COLLATION(),
574 : : 0, NULL));
575 : : }
576 : :
577 : :
578 : : /*
579 : : * textregexsubstr()
580 : : * Return a substring matched by a regular expression.
581 : : */
582 : : Datum
7978 lockhart@fourpalms.o 583 : 808 : textregexsubstr(PG_FUNCTION_ARGS)
584 : : {
6050 tgl@sss.pgh.pa.us 585 : 808 : text *s = PG_GETARG_TEXT_PP(0);
586 : 808 : text *p = PG_GETARG_TEXT_PP(1);
587 : : regex_t *re;
588 : : regmatch_t pmatch[2];
589 : : int so,
590 : : eo;
591 : :
592 : : /* Compile RE */
4753 593 : 808 : re = RE_compile_and_cache(p, REG_ADVANCED, PG_GET_COLLATION());
594 : :
595 : : /*
596 : : * We pass two regmatch_t structs to get info about the overall match and
597 : : * the match for the first parenthesized subexpression (if any). If there
598 : : * is a parenthesized subexpression, we return what it matched; else
599 : : * return what the whole regexp matched.
600 : : */
5870 601 [ + + ]: 1616 : if (!RE_execute(re,
602 [ - + - - : 1616 : VARDATA_ANY(s), VARSIZE_ANY_EXHDR(s),
- - - - -
+ - + ]
603 : : 2, pmatch))
604 : 3 : PG_RETURN_NULL(); /* definitely no match */
605 : :
606 [ + + ]: 805 : if (re->re_nsub > 0)
607 : : {
608 : : /* has parenthesized subexpressions, use the first one */
7875 609 : 761 : so = pmatch[1].rm_so;
610 : 761 : eo = pmatch[1].rm_eo;
611 : : }
612 : : else
613 : : {
614 : : /* no parenthesized subexpression, use whole match */
5870 615 : 44 : so = pmatch[0].rm_so;
616 : 44 : eo = pmatch[0].rm_eo;
617 : : }
618 : :
619 : : /*
620 : : * It is possible to have a match to the whole pattern but no match for a
621 : : * subexpression; for example 'foo(bar)?' is considered to match 'foo' but
622 : : * there is no subexpression match. So this extra test for match failure
623 : : * is not redundant.
624 : : */
625 [ + + - + ]: 805 : if (so < 0 || eo < 0)
626 : 3 : PG_RETURN_NULL();
627 : :
628 : 802 : return DirectFunctionCall3(text_substr,
629 : : PointerGetDatum(s),
630 : : Int32GetDatum(so + 1),
631 : : Int32GetDatum(eo - so));
632 : : }
633 : :
634 : : /*
635 : : * textregexreplace_noopt()
636 : : * Return a string matched by a regular expression, with replacement.
637 : : *
638 : : * This version doesn't have an option argument: we default to case
639 : : * sensitive match, replace the first instance only.
640 : : */
641 : : Datum
6853 bruce@momjian.us 642 : 4344 : textregexreplace_noopt(PG_FUNCTION_ARGS)
643 : : {
6050 tgl@sss.pgh.pa.us 644 : 4344 : text *s = PG_GETARG_TEXT_PP(0);
645 : 4344 : text *p = PG_GETARG_TEXT_PP(1);
646 : 4344 : text *r = PG_GETARG_TEXT_PP(2);
647 : :
979 648 : 4344 : PG_RETURN_TEXT_P(replace_text_regexp(s, p, r,
649 : : REG_ADVANCED, PG_GET_COLLATION(),
650 : : 0, 1));
651 : : }
652 : :
653 : : /*
654 : : * textregexreplace()
655 : : * Return a string matched by a regular expression, with replacement.
656 : : */
657 : : Datum
6853 bruce@momjian.us 658 : 1239 : textregexreplace(PG_FUNCTION_ARGS)
659 : : {
6050 tgl@sss.pgh.pa.us 660 : 1239 : text *s = PG_GETARG_TEXT_PP(0);
661 : 1239 : text *p = PG_GETARG_TEXT_PP(1);
662 : 1239 : text *r = PG_GETARG_TEXT_PP(2);
663 : 1239 : text *opt = PG_GETARG_TEXT_PP(3);
664 : : pg_re_flags flags;
665 : :
666 : : /*
667 : : * regexp_replace() with four arguments will be preferentially resolved as
668 : : * this form when the fourth argument is of type UNKNOWN. However, the
669 : : * user might have intended to call textregexreplace_extended_no_n. If we
670 : : * see flags that look like an integer, emit the same error that
671 : : * parse_re_flags would, but add a HINT about how to fix it.
672 : : */
985 673 [ - + - - : 1239 : if (VARSIZE_ANY_EXHDR(opt) > 0)
- - - - -
+ + - ]
674 : : {
675 [ - + ]: 1239 : char *opt_p = VARDATA_ANY(opt);
676 : :
677 [ + - + + ]: 1239 : if (*opt_p >= '0' && *opt_p <= '9')
678 [ + - ]: 3 : ereport(ERROR,
679 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
680 : : errmsg("invalid regular expression option: \"%.*s\"",
681 : : pg_mblen(opt_p), opt_p),
682 : : errhint("If you meant to use regexp_replace() with a start parameter, cast the fourth argument to integer explicitly.")));
683 : : }
684 : :
6091 685 : 1236 : parse_re_flags(&flags, opt);
686 : :
979 687 : 1233 : PG_RETURN_TEXT_P(replace_text_regexp(s, p, r,
688 : : flags.cflags, PG_GET_COLLATION(),
689 : : 0, flags.glob ? 0 : 1));
690 : : }
691 : :
692 : : /*
693 : : * textregexreplace_extended()
694 : : * Return a string matched by a regular expression, with replacement.
695 : : * Extends textregexreplace by allowing a start position and the
696 : : * choice of the occurrence to replace (0 means all occurrences).
697 : : */
698 : : Datum
985 699 : 33 : textregexreplace_extended(PG_FUNCTION_ARGS)
700 : : {
701 : 33 : text *s = PG_GETARG_TEXT_PP(0);
702 : 33 : text *p = PG_GETARG_TEXT_PP(1);
703 : 33 : text *r = PG_GETARG_TEXT_PP(2);
704 : 33 : int start = 1;
705 : 33 : int n = 1;
706 [ + + ]: 33 : text *flags = PG_GETARG_TEXT_PP_IF_EXISTS(5);
707 : : pg_re_flags re_flags;
708 : :
709 : : /* Collect optional parameters */
710 [ + - ]: 33 : if (PG_NARGS() > 3)
711 : : {
712 : 33 : start = PG_GETARG_INT32(3);
713 [ + + ]: 33 : if (start <= 0)
714 [ + - ]: 3 : ereport(ERROR,
715 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
716 : : errmsg("invalid value for parameter \"%s\": %d",
717 : : "start", start)));
718 : : }
719 [ + + ]: 30 : if (PG_NARGS() > 4)
720 : : {
721 : 27 : n = PG_GETARG_INT32(4);
722 [ + + ]: 27 : if (n < 0)
723 [ + - ]: 3 : ereport(ERROR,
724 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
725 : : errmsg("invalid value for parameter \"%s\": %d",
726 : : "n", n)));
727 : : }
728 : :
729 : : /* Determine options */
730 : 27 : parse_re_flags(&re_flags, flags);
731 : :
732 : : /* If N was not specified, deduce it from the 'g' flag */
733 [ + + ]: 27 : if (PG_NARGS() <= 4)
734 : 3 : n = re_flags.glob ? 0 : 1;
735 : :
736 : : /* Do the replacement(s) */
979 737 : 27 : PG_RETURN_TEXT_P(replace_text_regexp(s, p, r,
738 : : re_flags.cflags, PG_GET_COLLATION(),
739 : : start - 1, n));
740 : : }
741 : :
742 : : /* This is separate to keep the opr_sanity regression test from complaining */
743 : : Datum
985 744 : 3 : textregexreplace_extended_no_n(PG_FUNCTION_ARGS)
745 : : {
746 : 3 : return textregexreplace_extended(fcinfo);
747 : : }
748 : :
749 : : /* This is separate to keep the opr_sanity regression test from complaining */
750 : : Datum
751 : 3 : textregexreplace_extended_no_flags(PG_FUNCTION_ARGS)
752 : : {
753 : 3 : return textregexreplace_extended(fcinfo);
754 : : }
755 : :
756 : : /*
757 : : * similar_to_escape(), similar_escape()
758 : : *
759 : : * Convert a SQL "SIMILAR TO" regexp pattern to POSIX style, so it can be
760 : : * used by our regexp engine.
761 : : *
762 : : * similar_escape_internal() is the common workhorse for three SQL-exposed
763 : : * functions. esc_text can be passed as NULL to select the default escape
764 : : * (which is '\'), or as an empty string to select no escape character.
765 : : */
766 : : static text *
1681 767 : 69 : similar_escape_internal(text *pat_text, text *esc_text)
768 : : {
769 : : text *result;
770 : : char *p,
771 : : *e,
772 : : *r;
773 : : int plen,
774 : : elen;
7875 775 : 69 : bool afterescape = false;
5216 776 : 69 : bool incharclass = false;
7875 777 : 69 : int nquotes = 0;
778 : :
6050 779 [ - + ]: 69 : p = VARDATA_ANY(pat_text);
780 [ - + - - : 69 : plen = VARSIZE_ANY_EXHDR(pat_text);
- - - - -
+ ]
1681 781 [ + + ]: 69 : if (esc_text == NULL)
782 : : {
783 : : /* No ESCAPE clause provided; default to backslash as escape */
7875 784 : 20 : e = "\\";
785 : 20 : elen = 1;
786 : : }
787 : : else
788 : : {
6050 789 [ - + ]: 49 : e = VARDATA_ANY(esc_text);
790 [ - + - - : 49 : elen = VARSIZE_ANY_EXHDR(esc_text);
- - - - -
+ ]
7875 791 [ + + ]: 49 : if (elen == 0)
792 : 3 : e = NULL; /* no escape character */
1681 793 [ + + ]: 46 : else if (elen > 1)
794 : : {
3518 jdavis@postgresql.or 795 : 3 : int escape_mblen = pg_mbstrlen_with_len(e, elen);
796 : :
797 [ + - ]: 3 : if (escape_mblen > 1)
798 [ + - ]: 3 : ereport(ERROR,
799 : : (errcode(ERRCODE_INVALID_ESCAPE_SEQUENCE),
800 : : errmsg("invalid escape string"),
801 : : errhint("Escape string must be empty or one character.")));
802 : : }
803 : : }
804 : :
805 : : /*----------
806 : : * We surround the transformed input string with
807 : : * ^(?: ... )$
808 : : * which requires some explanation. We need "^" and "$" to force
809 : : * the pattern to match the entire input string as per the SQL spec.
810 : : * The "(?:" and ")" are a non-capturing set of parens; we have to have
811 : : * parens in case the string contains "|", else the "^" and "$" will
812 : : * be bound into the first and last alternatives which is not what we
813 : : * want, and the parens must be non capturing because we don't want them
814 : : * to count when selecting output for SUBSTRING.
815 : : *
816 : : * When the pattern is divided into three parts by escape-double-quotes,
817 : : * what we emit is
818 : : * ^(?:part1){1,1}?(part2){1,1}(?:part3)$
819 : : * which requires even more explanation. The "{1,1}?" on part1 makes it
820 : : * non-greedy so that it will match the smallest possible amount of text
821 : : * not the largest, as required by SQL. The plain parens around part2
822 : : * are capturing parens so that that part is what controls the result of
823 : : * SUBSTRING. The "{1,1}" forces part2 to be greedy, so that it matches
824 : : * the largest possible amount of text; hence part3 must match the
825 : : * smallest amount of text, as required by SQL. We don't need an explicit
826 : : * greediness marker on part3. Note that this also confines the effects
827 : : * of any "|" characters to the respective part, which is what we want.
828 : : *
829 : : * The SQL spec says that SUBSTRING's pattern must contain exactly two
830 : : * escape-double-quotes, but we only complain if there's more than two.
831 : : * With none, we act as though part1 and part3 are empty; with one, we
832 : : * act as though part3 is empty. Both behaviors fall out of omitting
833 : : * the relevant part separators in the above expansion. If the result
834 : : * of this function is used in a plain regexp match (SIMILAR TO), the
835 : : * escape-double-quotes have no effect on the match behavior.
836 : : *----------
837 : : */
838 : :
839 : : /*
840 : : * We need room for the prefix/postfix and part separators, plus as many
841 : : * as 3 output bytes per input byte; since the input is at most 1GB this
842 : : * can't overflow size_t.
843 : : */
1797 tgl@sss.pgh.pa.us 844 : 66 : result = (text *) palloc(VARHDRSZ + 23 + 3 * (size_t) plen);
7875 845 : 66 : r = VARDATA(result);
846 : :
847 : 66 : *r++ = '^';
6576 848 : 66 : *r++ = '(';
849 : 66 : *r++ = '?';
850 : 66 : *r++ = ':';
851 : :
7875 852 [ + + ]: 548 : while (plen > 0)
853 : : {
6756 bruce@momjian.us 854 : 485 : char pchar = *p;
855 : :
856 : : /*
857 : : * If both the escape character and the current character from the
858 : : * pattern are multi-byte, we need to take the slow path.
859 : : *
860 : : * But if one of them is single-byte, we can process the pattern one
861 : : * byte at a time, ignoring multi-byte characters. (This works
862 : : * because all server-encodings have the property that a valid
863 : : * multi-byte character representation cannot contain the
864 : : * representation of a valid single-byte character.)
865 : : */
866 : :
3518 jdavis@postgresql.or 867 [ - + ]: 485 : if (elen > 1)
868 : : {
3249 bruce@momjian.us 869 :UBC 0 : int mblen = pg_mblen(p);
870 : :
3518 jdavis@postgresql.or 871 [ # # ]: 0 : if (mblen > 1)
872 : : {
873 : : /* slow, multi-byte path */
874 [ # # ]: 0 : if (afterescape)
875 : : {
876 : 0 : *r++ = '\\';
877 : 0 : memcpy(r, p, mblen);
878 : 0 : r += mblen;
879 : 0 : afterescape = false;
880 : : }
881 [ # # # # : 0 : else if (e && elen == mblen && memcmp(e, p, mblen) == 0)
# # ]
882 : : {
883 : : /* SQL escape character; do not send to output */
884 : 0 : afterescape = true;
885 : : }
886 : : else
887 : : {
888 : : /*
889 : : * We know it's a multi-byte character, so we don't need
890 : : * to do all the comparisons to single-byte characters
891 : : * that we do below.
892 : : */
893 : 0 : memcpy(r, p, mblen);
894 : 0 : r += mblen;
895 : : }
896 : :
897 : 0 : p += mblen;
898 : 0 : plen -= mblen;
899 : :
900 : 0 : continue;
901 : : }
902 : : }
903 : :
904 : : /* fast path */
7875 tgl@sss.pgh.pa.us 905 [ + + ]:CBC 485 : if (afterescape)
906 : : {
1797 907 [ + + + - ]: 77 : if (pchar == '"' && !incharclass) /* escape-double-quote? */
908 : : {
909 : : /* emit appropriate part separator, per notes above */
910 [ + + ]: 68 : if (nquotes == 0)
911 : : {
912 : 34 : *r++ = ')';
913 : 34 : *r++ = '{';
914 : 34 : *r++ = '1';
915 : 34 : *r++ = ',';
916 : 34 : *r++ = '1';
917 : 34 : *r++ = '}';
918 : 34 : *r++ = '?';
919 : 34 : *r++ = '(';
920 : : }
921 [ + + ]: 34 : else if (nquotes == 1)
922 : : {
923 : 31 : *r++ = ')';
924 : 31 : *r++ = '{';
925 : 31 : *r++ = '1';
926 : 31 : *r++ = ',';
927 : 31 : *r++ = '1';
928 : 31 : *r++ = '}';
929 : 31 : *r++ = '(';
930 : 31 : *r++ = '?';
931 : 31 : *r++ = ':';
932 : : }
933 : : else
934 [ + - ]: 3 : ereport(ERROR,
935 : : (errcode(ERRCODE_INVALID_USE_OF_ESCAPE_CHARACTER),
936 : : errmsg("SQL regular expression may not contain more than two escape-double-quote separators")));
937 : 65 : nquotes++;
938 : : }
939 : : else
940 : : {
941 : : /*
942 : : * We allow any character at all to be escaped; notably, this
943 : : * allows access to POSIX character-class escapes such as
944 : : * "\d". The SQL spec is considerably more restrictive.
945 : : */
7875 946 : 9 : *r++ = '\\';
947 : 9 : *r++ = pchar;
948 : : }
949 : 74 : afterescape = false;
950 : : }
951 [ + + + + ]: 408 : else if (e && pchar == *e)
952 : : {
953 : : /* SQL escape character; do not send to output */
954 : 77 : afterescape = true;
955 : : }
5216 956 [ + + ]: 331 : else if (incharclass)
957 : : {
5216 tgl@sss.pgh.pa.us 958 [ - + ]:GBC 18 : if (pchar == '\\')
5216 tgl@sss.pgh.pa.us 959 :UBC 0 : *r++ = '\\';
5216 tgl@sss.pgh.pa.us 960 :GBC 18 : *r++ = pchar;
961 [ + + ]: 18 : if (pchar == ']')
962 : 3 : incharclass = false;
963 : : }
5216 tgl@sss.pgh.pa.us 964 [ + + ]:CBC 313 : else if (pchar == '[')
965 : : {
5216 tgl@sss.pgh.pa.us 966 :GBC 3 : *r++ = pchar;
967 : 3 : incharclass = true;
968 : : }
7875 tgl@sss.pgh.pa.us 969 [ + + ]:CBC 310 : else if (pchar == '%')
970 : : {
971 : 57 : *r++ = '.';
972 : 57 : *r++ = '*';
973 : : }
974 [ + + ]: 253 : else if (pchar == '_')
975 : 26 : *r++ = '.';
5216 976 [ + + ]: 227 : else if (pchar == '(')
977 : : {
978 : : /* convert to non-capturing parenthesis */
979 : 9 : *r++ = '(';
980 : 9 : *r++ = '?';
981 : 9 : *r++ = ':';
982 : : }
5300 983 [ + + + + : 218 : else if (pchar == '\\' || pchar == '.' ||
+ - ]
984 [ - + ]: 213 : pchar == '^' || pchar == '$')
985 : : {
7875 986 : 5 : *r++ = '\\';
987 : 5 : *r++ = pchar;
988 : : }
989 : : else
990 : 213 : *r++ = pchar;
991 : 482 : p++, plen--;
992 : : }
993 : :
6576 994 : 63 : *r++ = ')';
7875 995 : 63 : *r++ = '$';
996 : :
6256 997 : 63 : SET_VARSIZE(result, r - ((char *) result));
998 : :
1681 999 : 63 : return result;
1000 : : }
1001 : :
1002 : : /*
1003 : : * similar_to_escape(pattern, escape)
1004 : : */
1005 : : Datum
1006 : 49 : similar_to_escape_2(PG_FUNCTION_ARGS)
1007 : : {
1008 : 49 : text *pat_text = PG_GETARG_TEXT_PP(0);
1009 : 49 : text *esc_text = PG_GETARG_TEXT_PP(1);
1010 : : text *result;
1011 : :
1012 : 49 : result = similar_escape_internal(pat_text, esc_text);
1013 : :
1014 : 43 : PG_RETURN_TEXT_P(result);
1015 : : }
1016 : :
1017 : : /*
1018 : : * similar_to_escape(pattern)
1019 : : * Inserts a default escape character.
1020 : : */
1021 : : Datum
1022 : 20 : similar_to_escape_1(PG_FUNCTION_ARGS)
1023 : : {
1024 : 20 : text *pat_text = PG_GETARG_TEXT_PP(0);
1025 : : text *result;
1026 : :
1027 : 20 : result = similar_escape_internal(pat_text, NULL);
1028 : :
1029 : 20 : PG_RETURN_TEXT_P(result);
1030 : : }
1031 : :
1032 : : /*
1033 : : * similar_escape(pattern, escape)
1034 : : *
1035 : : * Legacy function for compatibility with views stored using the
1036 : : * pre-v13 expansion of SIMILAR TO. Unlike the above functions, this
1037 : : * is non-strict, which leads to not-per-spec handling of "ESCAPE NULL".
1038 : : */
1039 : : Datum
1681 tgl@sss.pgh.pa.us 1040 :UBC 0 : similar_escape(PG_FUNCTION_ARGS)
1041 : : {
1042 : : text *pat_text;
1043 : : text *esc_text;
1044 : : text *result;
1045 : :
1046 : : /* This function is not strict, so must test explicitly */
1047 [ # # ]: 0 : if (PG_ARGISNULL(0))
1048 : 0 : PG_RETURN_NULL();
1049 : 0 : pat_text = PG_GETARG_TEXT_PP(0);
1050 : :
1051 [ # # ]: 0 : if (PG_ARGISNULL(1))
1052 : 0 : esc_text = NULL; /* use default escape character */
1053 : : else
1054 : 0 : esc_text = PG_GETARG_TEXT_PP(1);
1055 : :
1056 : 0 : result = similar_escape_internal(pat_text, esc_text);
1057 : :
7875 1058 : 0 : PG_RETURN_TEXT_P(result);
1059 : : }
1060 : :
1061 : : /*
1062 : : * regexp_count()
1063 : : * Return the number of matches of a pattern within a string.
1064 : : */
1065 : : Datum
985 tgl@sss.pgh.pa.us 1066 :CBC 24 : regexp_count(PG_FUNCTION_ARGS)
1067 : : {
1068 : 24 : text *str = PG_GETARG_TEXT_PP(0);
1069 : 24 : text *pattern = PG_GETARG_TEXT_PP(1);
1070 : 24 : int start = 1;
1071 [ + + ]: 24 : text *flags = PG_GETARG_TEXT_PP_IF_EXISTS(3);
1072 : : pg_re_flags re_flags;
1073 : : regexp_matches_ctx *matchctx;
1074 : :
1075 : : /* Collect optional parameters */
1076 [ + + ]: 24 : if (PG_NARGS() > 2)
1077 : : {
1078 : 21 : start = PG_GETARG_INT32(2);
1079 [ + + ]: 21 : if (start <= 0)
1080 [ + - ]: 6 : ereport(ERROR,
1081 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
1082 : : errmsg("invalid value for parameter \"%s\": %d",
1083 : : "start", start)));
1084 : : }
1085 : :
1086 : : /* Determine options */
1087 : 18 : parse_re_flags(&re_flags, flags);
1088 : : /* User mustn't specify 'g' */
1089 [ - + ]: 18 : if (re_flags.glob)
985 tgl@sss.pgh.pa.us 1090 [ # # ]:UBC 0 : ereport(ERROR,
1091 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
1092 : : /* translator: %s is a SQL function name */
1093 : : errmsg("%s does not support the \"global\" option",
1094 : : "regexp_count()")));
1095 : : /* But we find all the matches anyway */
985 tgl@sss.pgh.pa.us 1096 :CBC 18 : re_flags.glob = true;
1097 : :
1098 : : /* Do the matching */
1099 : 18 : matchctx = setup_regexp_matches(str, pattern, &re_flags, start - 1,
1100 : : PG_GET_COLLATION(),
1101 : : false, /* can ignore subexprs */
1102 : : false, false);
1103 : :
1104 : 18 : PG_RETURN_INT32(matchctx->nmatches);
1105 : : }
1106 : :
1107 : : /* This is separate to keep the opr_sanity regression test from complaining */
1108 : : Datum
1109 : 3 : regexp_count_no_start(PG_FUNCTION_ARGS)
1110 : : {
1111 : 3 : return regexp_count(fcinfo);
1112 : : }
1113 : :
1114 : : /* This is separate to keep the opr_sanity regression test from complaining */
1115 : : Datum
1116 : 15 : regexp_count_no_flags(PG_FUNCTION_ARGS)
1117 : : {
1118 : 15 : return regexp_count(fcinfo);
1119 : : }
1120 : :
1121 : : /*
1122 : : * regexp_instr()
1123 : : * Return the match's position within the string
1124 : : */
1125 : : Datum
1126 : 78 : regexp_instr(PG_FUNCTION_ARGS)
1127 : : {
1128 : 78 : text *str = PG_GETARG_TEXT_PP(0);
1129 : 78 : text *pattern = PG_GETARG_TEXT_PP(1);
1130 : 78 : int start = 1;
1131 : 78 : int n = 1;
1132 : 78 : int endoption = 0;
1133 [ + + ]: 78 : text *flags = PG_GETARG_TEXT_PP_IF_EXISTS(5);
1134 : 78 : int subexpr = 0;
1135 : : int pos;
1136 : : pg_re_flags re_flags;
1137 : : regexp_matches_ctx *matchctx;
1138 : :
1139 : : /* Collect optional parameters */
1140 [ + + ]: 78 : if (PG_NARGS() > 2)
1141 : : {
1142 : 69 : start = PG_GETARG_INT32(2);
1143 [ + + ]: 69 : if (start <= 0)
1144 [ + - ]: 3 : ereport(ERROR,
1145 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
1146 : : errmsg("invalid value for parameter \"%s\": %d",
1147 : : "start", start)));
1148 : : }
1149 [ + + ]: 75 : if (PG_NARGS() > 3)
1150 : : {
1151 : 63 : n = PG_GETARG_INT32(3);
1152 [ + + ]: 63 : if (n <= 0)
1153 [ + - ]: 3 : ereport(ERROR,
1154 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
1155 : : errmsg("invalid value for parameter \"%s\": %d",
1156 : : "n", n)));
1157 : : }
1158 [ + + ]: 72 : if (PG_NARGS() > 4)
1159 : : {
1160 : 54 : endoption = PG_GETARG_INT32(4);
1161 [ + + + + ]: 54 : if (endoption != 0 && endoption != 1)
1162 [ + - ]: 6 : ereport(ERROR,
1163 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
1164 : : errmsg("invalid value for parameter \"%s\": %d",
1165 : : "endoption", endoption)));
1166 : : }
1167 [ + + ]: 66 : if (PG_NARGS() > 6)
1168 : : {
1169 : 42 : subexpr = PG_GETARG_INT32(6);
1170 [ + + ]: 42 : if (subexpr < 0)
1171 [ + - ]: 3 : ereport(ERROR,
1172 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
1173 : : errmsg("invalid value for parameter \"%s\": %d",
1174 : : "subexpr", subexpr)));
1175 : : }
1176 : :
1177 : : /* Determine options */
1178 : 63 : parse_re_flags(&re_flags, flags);
1179 : : /* User mustn't specify 'g' */
1180 [ + + ]: 63 : if (re_flags.glob)
1181 [ + - ]: 3 : ereport(ERROR,
1182 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
1183 : : /* translator: %s is a SQL function name */
1184 : : errmsg("%s does not support the \"global\" option",
1185 : : "regexp_instr()")));
1186 : : /* But we find all the matches anyway */
1187 : 60 : re_flags.glob = true;
1188 : :
1189 : : /* Do the matching */
1190 : 60 : matchctx = setup_regexp_matches(str, pattern, &re_flags, start - 1,
1191 : : PG_GET_COLLATION(),
1192 : : (subexpr > 0), /* need submatches? */
1193 : : false, false);
1194 : :
1195 : : /* When n exceeds matches return 0 (includes case of no matches) */
1196 [ + + ]: 60 : if (n > matchctx->nmatches)
1197 : 6 : PG_RETURN_INT32(0);
1198 : :
1199 : : /* When subexpr exceeds number of subexpressions return 0 */
1200 [ + + ]: 54 : if (subexpr > matchctx->npatterns)
1201 : 6 : PG_RETURN_INT32(0);
1202 : :
1203 : : /* Select the appropriate match position to return */
1204 : 48 : pos = (n - 1) * matchctx->npatterns;
1205 [ + + ]: 48 : if (subexpr > 0)
1206 : 27 : pos += subexpr - 1;
1207 : 48 : pos *= 2;
1208 [ + + ]: 48 : if (endoption == 1)
1209 : 15 : pos += 1;
1210 : :
1211 [ + + ]: 48 : if (matchctx->match_locs[pos] >= 0)
1212 : 45 : PG_RETURN_INT32(matchctx->match_locs[pos] + 1);
1213 : : else
1214 : 3 : PG_RETURN_INT32(0); /* position not identifiable */
1215 : : }
1216 : :
1217 : : /* This is separate to keep the opr_sanity regression test from complaining */
1218 : : Datum
1219 : 9 : regexp_instr_no_start(PG_FUNCTION_ARGS)
1220 : : {
1221 : 9 : return regexp_instr(fcinfo);
1222 : : }
1223 : :
1224 : : /* This is separate to keep the opr_sanity regression test from complaining */
1225 : : Datum
1226 : 3 : regexp_instr_no_n(PG_FUNCTION_ARGS)
1227 : : {
1228 : 3 : return regexp_instr(fcinfo);
1229 : : }
1230 : :
1231 : : /* This is separate to keep the opr_sanity regression test from complaining */
1232 : : Datum
1233 : 12 : regexp_instr_no_endoption(PG_FUNCTION_ARGS)
1234 : : {
1235 : 12 : return regexp_instr(fcinfo);
1236 : : }
1237 : :
1238 : : /* This is separate to keep the opr_sanity regression test from complaining */
1239 : : Datum
1240 : 6 : regexp_instr_no_flags(PG_FUNCTION_ARGS)
1241 : : {
985 tgl@sss.pgh.pa.us 1242 :UBC 0 : return regexp_instr(fcinfo);
1243 : : }
1244 : :
1245 : : /* This is separate to keep the opr_sanity regression test from complaining */
1246 : : Datum
985 tgl@sss.pgh.pa.us 1247 :CBC 6 : regexp_instr_no_subexpr(PG_FUNCTION_ARGS)
1248 : : {
1249 : 6 : return regexp_instr(fcinfo);
1250 : : }
1251 : :
1252 : : /*
1253 : : * regexp_like()
1254 : : * Test for a pattern match within a string.
1255 : : */
1256 : : Datum
1257 : 15 : regexp_like(PG_FUNCTION_ARGS)
1258 : : {
1259 : 15 : text *str = PG_GETARG_TEXT_PP(0);
1260 : 15 : text *pattern = PG_GETARG_TEXT_PP(1);
1261 [ + + ]: 15 : text *flags = PG_GETARG_TEXT_PP_IF_EXISTS(2);
1262 : : pg_re_flags re_flags;
1263 : :
1264 : : /* Determine options */
1265 : 15 : parse_re_flags(&re_flags, flags);
1266 : : /* User mustn't specify 'g' */
1267 [ + + ]: 15 : if (re_flags.glob)
1268 [ + - ]: 3 : ereport(ERROR,
1269 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
1270 : : /* translator: %s is a SQL function name */
1271 : : errmsg("%s does not support the \"global\" option",
1272 : : "regexp_like()")));
1273 : :
1274 : : /* Otherwise it's like textregexeq/texticregexeq */
1275 [ - + - - : 12 : PG_RETURN_BOOL(RE_compile_and_execute(pattern,
- - - - -
+ - + ]
1276 : : VARDATA_ANY(str),
1277 : : VARSIZE_ANY_EXHDR(str),
1278 : : re_flags.cflags,
1279 : : PG_GET_COLLATION(),
1280 : : 0, NULL));
1281 : : }
1282 : :
1283 : : /* This is separate to keep the opr_sanity regression test from complaining */
1284 : : Datum
1285 : 3 : regexp_like_no_flags(PG_FUNCTION_ARGS)
1286 : : {
1287 : 3 : return regexp_like(fcinfo);
1288 : : }
1289 : :
1290 : : /*
1291 : : * regexp_match()
1292 : : * Return the first substring(s) matching a pattern within a string.
1293 : : */
1294 : : Datum
2797 1295 : 1278 : regexp_match(PG_FUNCTION_ARGS)
1296 : : {
1297 : 1278 : text *orig_str = PG_GETARG_TEXT_PP(0);
1298 : 1278 : text *pattern = PG_GETARG_TEXT_PP(1);
1299 [ + + ]: 1278 : text *flags = PG_GETARG_TEXT_PP_IF_EXISTS(2);
1300 : : pg_re_flags re_flags;
1301 : : regexp_matches_ctx *matchctx;
1302 : :
1303 : : /* Determine options */
1304 : 1278 : parse_re_flags(&re_flags, flags);
1305 : : /* User mustn't specify 'g' */
1306 [ + + ]: 1278 : if (re_flags.glob)
1307 [ + - ]: 4 : ereport(ERROR,
1308 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
1309 : : /* translator: %s is a SQL function name */
1310 : : errmsg("%s does not support the \"global\" option",
1311 : : "regexp_match()"),
1312 : : errhint("Use the regexp_matches function instead.")));
1313 : :
985 1314 : 1274 : matchctx = setup_regexp_matches(orig_str, pattern, &re_flags, 0,
1315 : : PG_GET_COLLATION(), true, false, false);
1316 : :
2797 1317 [ + + ]: 1274 : if (matchctx->nmatches == 0)
1318 : 85 : PG_RETURN_NULL();
1319 : :
1320 [ - + ]: 1189 : Assert(matchctx->nmatches == 1);
1321 : :
1322 : : /* Create workspace that build_regexp_match_result needs */
1323 : 1189 : matchctx->elems = (Datum *) palloc(sizeof(Datum) * matchctx->npatterns);
1324 : 1189 : matchctx->nulls = (bool *) palloc(sizeof(bool) * matchctx->npatterns);
1325 : :
1326 : 1189 : PG_RETURN_DATUM(PointerGetDatum(build_regexp_match_result(matchctx)));
1327 : : }
1328 : :
1329 : : /* This is separate to keep the opr_sanity regression test from complaining */
1330 : : Datum
1331 : 1263 : regexp_match_no_flags(PG_FUNCTION_ARGS)
1332 : : {
1333 : 1263 : return regexp_match(fcinfo);
1334 : : }
1335 : :
1336 : : /*
1337 : : * regexp_matches()
1338 : : * Return a table of all matches of a pattern within a string.
1339 : : */
1340 : : Datum
6235 neilc@samurai.com 1341 : 339 : regexp_matches(PG_FUNCTION_ARGS)
1342 : : {
1343 : : FuncCallContext *funcctx;
1344 : : regexp_matches_ctx *matchctx;
1345 : :
1346 [ + + ]: 339 : if (SRF_IS_FIRSTCALL())
1347 : : {
5995 bruce@momjian.us 1348 : 144 : text *pattern = PG_GETARG_TEXT_PP(1);
1349 [ + + ]: 144 : text *flags = PG_GETARG_TEXT_PP_IF_EXISTS(2);
1350 : : pg_re_flags re_flags;
1351 : : MemoryContext oldcontext;
1352 : :
6235 neilc@samurai.com 1353 : 144 : funcctx = SRF_FIRSTCALL_INIT();
1354 : 144 : oldcontext = MemoryContextSwitchTo(funcctx->multi_call_memory_ctx);
1355 : :
1356 : : /* Determine options */
2797 tgl@sss.pgh.pa.us 1357 : 144 : parse_re_flags(&re_flags, flags);
1358 : :
1359 : : /* be sure to copy the input string into the multi-call ctx */
6227 neilc@samurai.com 1360 : 141 : matchctx = setup_regexp_matches(PG_GETARG_TEXT_P_COPY(0), pattern,
1361 : : &re_flags, 0,
1362 : : PG_GET_COLLATION(),
1363 : : true, false, false);
1364 : :
1365 : : /* Pre-create workspace that build_regexp_match_result needs */
6091 tgl@sss.pgh.pa.us 1366 : 135 : matchctx->elems = (Datum *) palloc(sizeof(Datum) * matchctx->npatterns);
1367 : 135 : matchctx->nulls = (bool *) palloc(sizeof(bool) * matchctx->npatterns);
1368 : :
6235 neilc@samurai.com 1369 : 135 : MemoryContextSwitchTo(oldcontext);
1370 : 135 : funcctx->user_fctx = (void *) matchctx;
1371 : : }
1372 : :
1373 : 330 : funcctx = SRF_PERCALL_SETUP();
1374 : 330 : matchctx = (regexp_matches_ctx *) funcctx->user_fctx;
1375 : :
6091 tgl@sss.pgh.pa.us 1376 [ + + ]: 330 : if (matchctx->next_match < matchctx->nmatches)
1377 : : {
1378 : : ArrayType *result_ary;
1379 : :
2797 1380 : 195 : result_ary = build_regexp_match_result(matchctx);
6091 1381 : 195 : matchctx->next_match++;
1382 : 195 : SRF_RETURN_NEXT(funcctx, PointerGetDatum(result_ary));
1383 : : }
1384 : :
6235 neilc@samurai.com 1385 : 135 : SRF_RETURN_DONE(funcctx);
1386 : : }
1387 : :
1388 : : /* This is separate to keep the opr_sanity regression test from complaining */
1389 : : Datum
1390 : 177 : regexp_matches_no_flags(PG_FUNCTION_ARGS)
1391 : : {
1392 : 177 : return regexp_matches(fcinfo);
1393 : : }
1394 : :
1395 : : /*
1396 : : * setup_regexp_matches --- do the initial matching for regexp_match,
1397 : : * regexp_split, and related functions
1398 : : *
1399 : : * To avoid having to re-find the compiled pattern on each call, we do
1400 : : * all the matching in one swoop. The returned regexp_matches_ctx contains
1401 : : * the locations of all the substrings matching the pattern.
1402 : : *
1403 : : * start_search: the character (not byte) offset in orig_str at which to
1404 : : * begin the search. Returned positions are relative to orig_str anyway.
1405 : : * use_subpatterns: collect data about matches to parenthesized subexpressions.
1406 : : * ignore_degenerate: ignore zero-length matches.
1407 : : * fetching_unmatched: caller wants to fetch unmatched substrings.
1408 : : *
1409 : : * We don't currently assume that fetching_unmatched is exclusive of fetching
1410 : : * the matched text too; if it's set, the conversion buffer is large enough to
1411 : : * fetch any single matched or unmatched string, but not any larger
1412 : : * substring. (In practice, when splitting the matches are usually small
1413 : : * anyway, and it didn't seem worth complicating the code further.)
1414 : : */
1415 : : static regexp_matches_ctx *
2797 tgl@sss.pgh.pa.us 1416 : 101727 : setup_regexp_matches(text *orig_str, text *pattern, pg_re_flags *re_flags,
1417 : : int start_search,
1418 : : Oid collation,
1419 : : bool use_subpatterns,
1420 : : bool ignore_degenerate,
1421 : : bool fetching_unmatched)
1422 : : {
6091 1423 : 101727 : regexp_matches_ctx *matchctx = palloc0(sizeof(regexp_matches_ctx));
2056 rhodiumtoad@postgres 1424 : 101727 : int eml = pg_database_encoding_max_length();
1425 : : int orig_len;
1426 : : pg_wchar *wide_str;
1427 : : int wide_len;
1428 : : int cflags;
1429 : : regex_t *cpattern;
1430 : : regmatch_t *pmatch;
1431 : : int pmatch_len;
1432 : : int array_len;
1433 : : int array_idx;
1434 : : int prev_match_end;
1435 : : int prev_valid_match_end;
1436 : 101727 : int maxlen = 0; /* largest fetch length in characters */
1437 : :
1438 : : /* save original string --- we'll extract result substrings from it */
6235 neilc@samurai.com 1439 : 101727 : matchctx->orig_str = orig_str;
1440 : :
1441 : : /* convert string to pg_wchar form for matching */
6050 tgl@sss.pgh.pa.us 1442 [ - + - - : 101727 : orig_len = VARSIZE_ANY_EXHDR(orig_str);
- - - - +
+ ]
6091 1443 : 101727 : wide_str = (pg_wchar *) palloc(sizeof(pg_wchar) * (orig_len + 1));
6050 1444 [ + + ]: 101727 : wide_len = pg_mb2wchar_with_len(VARDATA_ANY(orig_str), wide_str, orig_len);
1445 : :
1446 : : /* set up the compiled pattern */
979 1447 : 101727 : cflags = re_flags->cflags;
1448 [ + + ]: 101727 : if (!use_subpatterns)
1449 : 100261 : cflags |= REG_NOSUB;
1450 : 101727 : cpattern = RE_compile_and_cache(pattern, cflags, collation);
1451 : :
1452 : : /* do we want to remember subpatterns? */
6091 1453 [ + + + + ]: 101721 : if (use_subpatterns && cpattern->re_nsub > 0)
1454 : : {
1455 : 1355 : matchctx->npatterns = cpattern->re_nsub;
1456 : 1355 : pmatch_len = cpattern->re_nsub + 1;
1457 : : }
1458 : : else
1459 : : {
1460 : 100366 : use_subpatterns = false;
1461 : 100366 : matchctx->npatterns = 1;
1462 : 100366 : pmatch_len = 1;
1463 : : }
1464 : :
1465 : : /* temporary output space for RE package */
1466 : 101721 : pmatch = palloc(sizeof(regmatch_t) * pmatch_len);
1467 : :
1468 : : /*
1469 : : * the real output space (grown dynamically if needed)
1470 : : *
1471 : : * use values 2^n-1, not 2^n, so that we hit the limit at 2^28-1 rather
1472 : : * than at 2^27
1473 : : */
2056 rhodiumtoad@postgres 1474 [ + + ]: 101721 : array_len = re_flags->glob ? 255 : 31;
6091 tgl@sss.pgh.pa.us 1475 : 101721 : matchctx->match_locs = (int *) palloc(sizeof(int) * array_len);
1476 : 101721 : array_idx = 0;
1477 : :
1478 : : /* search for the pattern, perhaps repeatedly */
1479 : 101721 : prev_match_end = 0;
2041 rhodiumtoad@postgres 1480 : 101721 : prev_valid_match_end = 0;
6091 tgl@sss.pgh.pa.us 1481 [ + + ]: 547587 : while (RE_wchar_execute(cpattern, wide_str, wide_len, start_search,
1482 : : pmatch_len, pmatch))
1483 : : {
1484 : : /*
1485 : : * If requested, ignore degenerate matches, which are zero-length
1486 : : * matches occurring at the start or end of a string or just after a
1487 : : * previous match.
1488 : : */
1489 [ + + ]: 447173 : if (!ignore_degenerate ||
1490 [ + + ]: 445591 : (pmatch[0].rm_so < wide_len &&
1491 [ + + ]: 445570 : pmatch[0].rm_eo > prev_match_end))
1492 : : {
1493 : : /* enlarge output space if needed */
2056 rhodiumtoad@postgres 1494 [ + + ]: 447263 : while (array_idx + matchctx->npatterns * 2 + 1 > array_len)
1495 : : {
1789 tgl@sss.pgh.pa.us 1496 : 180 : array_len += array_len + 1; /* 2^n-1 => 2^(n+1)-1 */
1497 [ - + ]: 180 : if (array_len > MaxAllocSize / sizeof(int))
2056 rhodiumtoad@postgres 1498 [ # # ]:UBC 0 : ereport(ERROR,
1499 : : (errcode(ERRCODE_PROGRAM_LIMIT_EXCEEDED),
1500 : : errmsg("too many regular expression matches")));
6091 tgl@sss.pgh.pa.us 1501 :CBC 180 : matchctx->match_locs = (int *) repalloc(matchctx->match_locs,
1502 : : sizeof(int) * array_len);
1503 : : }
1504 : :
1505 : : /* save this match's locations */
1506 [ + + ]: 447083 : if (use_subpatterns)
1507 : : {
1508 : : int i;
1509 : :
1510 [ + + ]: 3936 : for (i = 1; i <= matchctx->npatterns; i++)
1511 : : {
1789 1512 : 2657 : int so = pmatch[i].rm_so;
1513 : 2657 : int eo = pmatch[i].rm_eo;
1514 : :
2056 rhodiumtoad@postgres 1515 : 2657 : matchctx->match_locs[array_idx++] = so;
1516 : 2657 : matchctx->match_locs[array_idx++] = eo;
1517 [ + + + - : 2657 : if (so >= 0 && eo >= 0 && (eo - so) > maxlen)
+ + ]
1518 : 1710 : maxlen = (eo - so);
1519 : : }
1520 : : }
1521 : : else
1522 : : {
1789 tgl@sss.pgh.pa.us 1523 : 445804 : int so = pmatch[0].rm_so;
1524 : 445804 : int eo = pmatch[0].rm_eo;
1525 : :
2056 rhodiumtoad@postgres 1526 : 445804 : matchctx->match_locs[array_idx++] = so;
1527 : 445804 : matchctx->match_locs[array_idx++] = eo;
1528 [ + - + - : 445804 : if (so >= 0 && eo >= 0 && (eo - so) > maxlen)
+ + ]
1529 : 100283 : maxlen = (eo - so);
1530 : : }
6091 tgl@sss.pgh.pa.us 1531 : 447083 : matchctx->nmatches++;
1532 : :
1533 : : /*
1534 : : * check length of unmatched portion between end of previous valid
1535 : : * (nondegenerate, or degenerate but not ignored) match and start
1536 : : * of current one
1537 : : */
2056 rhodiumtoad@postgres 1538 [ + + ]: 447083 : if (fetching_unmatched &&
1539 [ + - ]: 445501 : pmatch[0].rm_so >= 0 &&
2041 1540 [ + + ]: 445501 : (pmatch[0].rm_so - prev_valid_match_end) > maxlen)
1541 : 190391 : maxlen = (pmatch[0].rm_so - prev_valid_match_end);
1542 : 447083 : prev_valid_match_end = pmatch[0].rm_eo;
1543 : : }
6091 tgl@sss.pgh.pa.us 1544 : 447173 : prev_match_end = pmatch[0].rm_eo;
1545 : :
1546 : : /* if not glob, stop after one match */
2797 1547 [ + + ]: 447173 : if (!re_flags->glob)
6091 1548 : 1274 : break;
1549 : :
1550 : : /*
1551 : : * Advance search position. Normally we start the next search at the
1552 : : * end of the previous match; but if the match was of zero length, we
1553 : : * have to advance by one character, or we'd just find the same match
1554 : : * again.
1555 : : */
3910 1556 : 445899 : start_search = prev_match_end;
1557 [ + + ]: 445899 : if (pmatch[0].rm_so == pmatch[0].rm_eo)
6091 1558 : 588 : start_search++;
1559 [ + + ]: 445899 : if (start_search > wide_len)
1560 : 33 : break;
1561 : : }
1562 : :
1563 : : /*
1564 : : * check length of unmatched portion between end of last match and end of
1565 : : * input string
1566 : : */
2056 rhodiumtoad@postgres 1567 [ + + ]: 101721 : if (fetching_unmatched &&
2041 1568 [ + + ]: 100192 : (wide_len - prev_valid_match_end) > maxlen)
1569 : 14 : maxlen = (wide_len - prev_valid_match_end);
1570 : :
1571 : : /*
1572 : : * Keep a note of the end position of the string for the benefit of
1573 : : * splitting code.
1574 : : */
2056 1575 : 101721 : matchctx->match_locs[array_idx] = wide_len;
1576 : :
1577 [ + - ]: 101721 : if (eml > 1)
1578 : : {
1579 : 101721 : int64 maxsiz = eml * (int64) maxlen;
1580 : : int conv_bufsiz;
1581 : :
1582 : : /*
1583 : : * Make the conversion buffer large enough for any substring of
1584 : : * interest.
1585 : : *
1586 : : * Worst case: assume we need the maximum size (maxlen*eml), but take
1587 : : * advantage of the fact that the original string length in bytes is
1588 : : * an upper bound on the byte length of any fetched substring (and we
1589 : : * know that len+1 is safe to allocate because the varlena header is
1590 : : * longer than 1 byte).
1591 : : */
1592 [ + + ]: 101721 : if (maxsiz > orig_len)
1593 : 100240 : conv_bufsiz = orig_len + 1;
1594 : : else
1595 : 1481 : conv_bufsiz = maxsiz + 1; /* safe since maxsiz < 2^30 */
1596 : :
1597 : 101721 : matchctx->conv_buf = palloc(conv_bufsiz);
1598 : 101721 : matchctx->conv_bufsiz = conv_bufsiz;
1599 : 101721 : matchctx->wide_str = wide_str;
1600 : : }
1601 : : else
1602 : : {
1603 : : /* No need to keep the wide string if we're in a single-byte charset. */
2056 rhodiumtoad@postgres 1604 :UBC 0 : pfree(wide_str);
1605 : 0 : matchctx->wide_str = NULL;
1606 : 0 : matchctx->conv_buf = NULL;
1607 : 0 : matchctx->conv_bufsiz = 0;
1608 : : }
1609 : :
1610 : : /* Clean up temp storage */
6091 tgl@sss.pgh.pa.us 1611 :CBC 101721 : pfree(pmatch);
1612 : :
1613 : 101721 : return matchctx;
1614 : : }
1615 : :
1616 : : /*
1617 : : * build_regexp_match_result - build output array for current match
1618 : : */
1619 : : static ArrayType *
2797 1620 : 1384 : build_regexp_match_result(regexp_matches_ctx *matchctx)
1621 : : {
2056 rhodiumtoad@postgres 1622 : 1384 : char *buf = matchctx->conv_buf;
6091 tgl@sss.pgh.pa.us 1623 : 1384 : Datum *elems = matchctx->elems;
1624 : 1384 : bool *nulls = matchctx->nulls;
1625 : : int dims[1];
1626 : : int lbs[1];
1627 : : int loc;
1628 : : int i;
1629 : :
1630 : : /* Extract matching substrings from the original string */
1631 : 1384 : loc = matchctx->next_match * matchctx->npatterns * 2;
1632 [ + + ]: 4011 : for (i = 0; i < matchctx->npatterns; i++)
1633 : : {
5995 bruce@momjian.us 1634 : 2627 : int so = matchctx->match_locs[loc++];
1635 : 2627 : int eo = matchctx->match_locs[loc++];
1636 : :
6091 tgl@sss.pgh.pa.us 1637 [ + + - + ]: 2627 : if (so < 0 || eo < 0)
1638 : : {
1639 : 3 : elems[i] = (Datum) 0;
1640 : 3 : nulls[i] = true;
1641 : : }
2056 rhodiumtoad@postgres 1642 [ + - ]: 2624 : else if (buf)
1643 : : {
1789 tgl@sss.pgh.pa.us 1644 : 2624 : int len = pg_wchar2mb_with_len(matchctx->wide_str + so,
1645 : : buf,
1646 : : eo - so);
1647 : :
1550 1648 [ - + ]: 2624 : Assert(len < matchctx->conv_bufsiz);
2056 rhodiumtoad@postgres 1649 : 2624 : elems[i] = PointerGetDatum(cstring_to_text_with_len(buf, len));
1650 : 2624 : nulls[i] = false;
1651 : : }
1652 : : else
1653 : : {
6091 tgl@sss.pgh.pa.us 1654 :UBC 0 : elems[i] = DirectFunctionCall3(text_substr,
1655 : : PointerGetDatum(matchctx->orig_str),
1656 : : Int32GetDatum(so + 1),
1657 : : Int32GetDatum(eo - so));
1658 : 0 : nulls[i] = false;
1659 : : }
1660 : : }
1661 : :
1662 : : /* And form an array */
6091 tgl@sss.pgh.pa.us 1663 :CBC 1384 : dims[0] = matchctx->npatterns;
1664 : 1384 : lbs[0] = 1;
1665 : : /* XXX: this hardcodes assumptions about the text type */
1666 : 1384 : return construct_md_array(elems, nulls, 1, dims, lbs,
1667 : : TEXTOID, -1, false, TYPALIGN_INT);
1668 : : }
1669 : :
1670 : : /*
1671 : : * regexp_split_to_table()
1672 : : * Split the string at matches of the pattern, returning the
1673 : : * split-out substrings as a table.
1674 : : */
1675 : : Datum
6235 neilc@samurai.com 1676 : 311 : regexp_split_to_table(PG_FUNCTION_ARGS)
1677 : : {
1678 : : FuncCallContext *funcctx;
1679 : : regexp_matches_ctx *splitctx;
1680 : :
1681 [ + + ]: 311 : if (SRF_IS_FIRSTCALL())
1682 : : {
5995 bruce@momjian.us 1683 : 26 : text *pattern = PG_GETARG_TEXT_PP(1);
1684 [ + + ]: 26 : text *flags = PG_GETARG_TEXT_PP_IF_EXISTS(2);
1685 : : pg_re_flags re_flags;
1686 : : MemoryContext oldcontext;
1687 : :
6235 neilc@samurai.com 1688 : 26 : funcctx = SRF_FIRSTCALL_INIT();
1689 : 26 : oldcontext = MemoryContextSwitchTo(funcctx->multi_call_memory_ctx);
1690 : :
1691 : : /* Determine options */
2797 tgl@sss.pgh.pa.us 1692 : 26 : parse_re_flags(&re_flags, flags);
1693 : : /* User mustn't specify 'g' */
1694 [ + + ]: 23 : if (re_flags.glob)
1695 [ + - ]: 3 : ereport(ERROR,
1696 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
1697 : : /* translator: %s is a SQL function name */
1698 : : errmsg("%s does not support the \"global\" option",
1699 : : "regexp_split_to_table()")));
1700 : : /* But we find all the matches anyway */
1701 : 20 : re_flags.glob = true;
1702 : :
1703 : : /* be sure to copy the input string into the multi-call ctx */
6091 1704 : 20 : splitctx = setup_regexp_matches(PG_GETARG_TEXT_P_COPY(0), pattern,
1705 : : &re_flags, 0,
1706 : : PG_GET_COLLATION(),
1707 : : false, true, true);
1708 : :
6235 neilc@samurai.com 1709 : 20 : MemoryContextSwitchTo(oldcontext);
1710 : 20 : funcctx->user_fctx = (void *) splitctx;
1711 : : }
1712 : :
1713 : 305 : funcctx = SRF_PERCALL_SETUP();
6091 tgl@sss.pgh.pa.us 1714 : 305 : splitctx = (regexp_matches_ctx *) funcctx->user_fctx;
1715 : :
1716 [ + + ]: 305 : if (splitctx->next_match <= splitctx->nmatches)
1717 : : {
5995 bruce@momjian.us 1718 : 285 : Datum result = build_regexp_split_result(splitctx);
1719 : :
6091 tgl@sss.pgh.pa.us 1720 : 285 : splitctx->next_match++;
1721 : 285 : SRF_RETURN_NEXT(funcctx, result);
1722 : : }
1723 : :
1724 : 20 : SRF_RETURN_DONE(funcctx);
1725 : : }
1726 : :
1727 : : /* This is separate to keep the opr_sanity regression test from complaining */
1728 : : Datum
5995 bruce@momjian.us 1729 : 276 : regexp_split_to_table_no_flags(PG_FUNCTION_ARGS)
1730 : : {
6235 neilc@samurai.com 1731 : 276 : return regexp_split_to_table(fcinfo);
1732 : : }
1733 : :
1734 : : /*
1735 : : * regexp_split_to_array()
1736 : : * Split the string at matches of the pattern, returning the
1737 : : * split-out substrings as an array.
1738 : : */
1739 : : Datum
5995 bruce@momjian.us 1740 : 100178 : regexp_split_to_array(PG_FUNCTION_ARGS)
1741 : : {
1742 : 100178 : ArrayBuildState *astate = NULL;
1743 : : pg_re_flags re_flags;
1744 : : regexp_matches_ctx *splitctx;
1745 : :
1746 : : /* Determine options */
2797 tgl@sss.pgh.pa.us 1747 [ + + ]: 100178 : parse_re_flags(&re_flags, PG_GETARG_TEXT_PP_IF_EXISTS(2));
1748 : : /* User mustn't specify 'g' */
1749 [ + + ]: 100175 : if (re_flags.glob)
1750 [ + - ]: 3 : ereport(ERROR,
1751 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
1752 : : /* translator: %s is a SQL function name */
1753 : : errmsg("%s does not support the \"global\" option",
1754 : : "regexp_split_to_array()")));
1755 : : /* But we find all the matches anyway */
1756 : 100172 : re_flags.glob = true;
1757 : :
6050 1758 : 100172 : splitctx = setup_regexp_matches(PG_GETARG_TEXT_PP(0),
1759 : 100172 : PG_GETARG_TEXT_PP(1),
1760 : : &re_flags, 0,
1761 : : PG_GET_COLLATION(),
1762 : : false, true, true);
1763 : :
6091 1764 [ + + ]: 645580 : while (splitctx->next_match <= splitctx->nmatches)
1765 : : {
6235 neilc@samurai.com 1766 : 545408 : astate = accumArrayResult(astate,
1767 : : build_regexp_split_result(splitctx),
1768 : : false,
1769 : : TEXTOID,
1770 : : CurrentMemoryContext);
6091 tgl@sss.pgh.pa.us 1771 : 545408 : splitctx->next_match++;
1772 : : }
1773 : :
595 peter@eisentraut.org 1774 : 100172 : PG_RETURN_DATUM(makeArrayResult(astate, CurrentMemoryContext));
1775 : : }
1776 : :
1777 : : /* This is separate to keep the opr_sanity regression test from complaining */
1778 : : Datum
5995 bruce@momjian.us 1779 : 100157 : regexp_split_to_array_no_flags(PG_FUNCTION_ARGS)
1780 : : {
6235 neilc@samurai.com 1781 : 100157 : return regexp_split_to_array(fcinfo);
1782 : : }
1783 : :
1784 : : /*
1785 : : * build_regexp_split_result - build output string for current match
1786 : : *
1787 : : * We return the string between the current match and the previous one,
1788 : : * or the string after the last match when next_match == nmatches.
1789 : : */
1790 : : static Datum
5995 bruce@momjian.us 1791 : 545693 : build_regexp_split_result(regexp_matches_ctx *splitctx)
1792 : : {
2056 rhodiumtoad@postgres 1793 : 545693 : char *buf = splitctx->conv_buf;
1794 : : int startpos;
1795 : : int endpos;
1796 : :
6091 tgl@sss.pgh.pa.us 1797 [ + + ]: 545693 : if (splitctx->next_match > 0)
1798 : 445501 : startpos = splitctx->match_locs[splitctx->next_match * 2 - 1];
1799 : : else
1800 : 100192 : startpos = 0;
1801 [ - + ]: 545693 : if (startpos < 0)
6091 tgl@sss.pgh.pa.us 1802 [ # # ]:UBC 0 : elog(ERROR, "invalid match ending position");
1803 : :
1550 tgl@sss.pgh.pa.us 1804 :CBC 545693 : endpos = splitctx->match_locs[splitctx->next_match * 2];
1805 [ - + ]: 545693 : if (endpos < startpos)
1550 tgl@sss.pgh.pa.us 1806 [ # # ]:UBC 0 : elog(ERROR, "invalid match starting position");
1807 : :
2056 rhodiumtoad@postgres 1808 [ + - ]:CBC 545693 : if (buf)
1809 : : {
1810 : : int len;
1811 : :
1812 : 545693 : len = pg_wchar2mb_with_len(splitctx->wide_str + startpos,
1813 : : buf,
1814 : : endpos - startpos);
1550 tgl@sss.pgh.pa.us 1815 [ - + ]: 545693 : Assert(len < splitctx->conv_bufsiz);
2056 rhodiumtoad@postgres 1816 : 545693 : return PointerGetDatum(cstring_to_text_with_len(buf, len));
1817 : : }
1818 : : else
1819 : : {
2056 rhodiumtoad@postgres 1820 :UBC 0 : return DirectFunctionCall3(text_substr,
1821 : : PointerGetDatum(splitctx->orig_str),
1822 : : Int32GetDatum(startpos + 1),
1823 : : Int32GetDatum(endpos - startpos));
1824 : : }
1825 : : }
1826 : :
1827 : : /*
1828 : : * regexp_substr()
1829 : : * Return the substring that matches a regular expression pattern
1830 : : */
1831 : : Datum
985 tgl@sss.pgh.pa.us 1832 :CBC 54 : regexp_substr(PG_FUNCTION_ARGS)
1833 : : {
1834 : 54 : text *str = PG_GETARG_TEXT_PP(0);
1835 : 54 : text *pattern = PG_GETARG_TEXT_PP(1);
1836 : 54 : int start = 1;
1837 : 54 : int n = 1;
1838 [ + + ]: 54 : text *flags = PG_GETARG_TEXT_PP_IF_EXISTS(4);
1839 : 54 : int subexpr = 0;
1840 : : int so,
1841 : : eo,
1842 : : pos;
1843 : : pg_re_flags re_flags;
1844 : : regexp_matches_ctx *matchctx;
1845 : :
1846 : : /* Collect optional parameters */
1847 [ + + ]: 54 : if (PG_NARGS() > 2)
1848 : : {
1849 : 45 : start = PG_GETARG_INT32(2);
1850 [ + + ]: 45 : if (start <= 0)
1851 [ + - ]: 3 : ereport(ERROR,
1852 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
1853 : : errmsg("invalid value for parameter \"%s\": %d",
1854 : : "start", start)));
1855 : : }
1856 [ + + ]: 51 : if (PG_NARGS() > 3)
1857 : : {
1858 : 39 : n = PG_GETARG_INT32(3);
1859 [ + + ]: 39 : if (n <= 0)
1860 [ + - ]: 3 : ereport(ERROR,
1861 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
1862 : : errmsg("invalid value for parameter \"%s\": %d",
1863 : : "n", n)));
1864 : : }
1865 [ + + ]: 48 : if (PG_NARGS() > 5)
1866 : : {
1867 : 24 : subexpr = PG_GETARG_INT32(5);
1868 [ + + ]: 24 : if (subexpr < 0)
1869 [ + - ]: 3 : ereport(ERROR,
1870 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
1871 : : errmsg("invalid value for parameter \"%s\": %d",
1872 : : "subexpr", subexpr)));
1873 : : }
1874 : :
1875 : : /* Determine options */
1876 : 45 : parse_re_flags(&re_flags, flags);
1877 : : /* User mustn't specify 'g' */
1878 [ + + ]: 45 : if (re_flags.glob)
1879 [ + - ]: 3 : ereport(ERROR,
1880 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
1881 : : /* translator: %s is a SQL function name */
1882 : : errmsg("%s does not support the \"global\" option",
1883 : : "regexp_substr()")));
1884 : : /* But we find all the matches anyway */
1885 : 42 : re_flags.glob = true;
1886 : :
1887 : : /* Do the matching */
1888 : 42 : matchctx = setup_regexp_matches(str, pattern, &re_flags, start - 1,
1889 : : PG_GET_COLLATION(),
1890 : : (subexpr > 0), /* need submatches? */
1891 : : false, false);
1892 : :
1893 : : /* When n exceeds matches return NULL (includes case of no matches) */
1894 [ + + ]: 42 : if (n > matchctx->nmatches)
1895 : 6 : PG_RETURN_NULL();
1896 : :
1897 : : /* When subexpr exceeds number of subexpressions return NULL */
1898 [ + + ]: 36 : if (subexpr > matchctx->npatterns)
1899 : 3 : PG_RETURN_NULL();
1900 : :
1901 : : /* Select the appropriate match position to return */
1902 : 33 : pos = (n - 1) * matchctx->npatterns;
1903 [ + + ]: 33 : if (subexpr > 0)
1904 : 15 : pos += subexpr - 1;
1905 : 33 : pos *= 2;
1906 : 33 : so = matchctx->match_locs[pos];
1907 : 33 : eo = matchctx->match_locs[pos + 1];
1908 : :
1909 [ + + - + ]: 33 : if (so < 0 || eo < 0)
1910 : 3 : PG_RETURN_NULL(); /* unidentifiable location */
1911 : :
1912 : 30 : PG_RETURN_DATUM(DirectFunctionCall3(text_substr,
1913 : : PointerGetDatum(matchctx->orig_str),
1914 : : Int32GetDatum(so + 1),
1915 : : Int32GetDatum(eo - so)));
1916 : : }
1917 : :
1918 : : /* This is separate to keep the opr_sanity regression test from complaining */
1919 : : Datum
1920 : 9 : regexp_substr_no_start(PG_FUNCTION_ARGS)
1921 : : {
1922 : 9 : return regexp_substr(fcinfo);
1923 : : }
1924 : :
1925 : : /* This is separate to keep the opr_sanity regression test from complaining */
1926 : : Datum
1927 : 3 : regexp_substr_no_n(PG_FUNCTION_ARGS)
1928 : : {
1929 : 3 : return regexp_substr(fcinfo);
1930 : : }
1931 : :
1932 : : /* This is separate to keep the opr_sanity regression test from complaining */
1933 : : Datum
1934 : 12 : regexp_substr_no_flags(PG_FUNCTION_ARGS)
1935 : : {
1936 : 12 : return regexp_substr(fcinfo);
1937 : : }
1938 : :
1939 : : /* This is separate to keep the opr_sanity regression test from complaining */
1940 : : Datum
1941 : 6 : regexp_substr_no_subexpr(PG_FUNCTION_ARGS)
1942 : : {
1943 : 6 : return regexp_substr(fcinfo);
1944 : : }
1945 : :
1946 : : /*
1947 : : * regexp_fixed_prefix - extract fixed prefix, if any, for a regexp
1948 : : *
1949 : : * The result is NULL if there is no fixed prefix, else a palloc'd string.
1950 : : * If it is an exact match, not just a prefix, *exact is returned as true.
1951 : : */
1952 : : char *
4296 1953 : 7190 : regexp_fixed_prefix(text *text_re, bool case_insensitive, Oid collation,
1954 : : bool *exact)
1955 : : {
1956 : : char *result;
1957 : : regex_t *re;
1958 : : int cflags;
1959 : : int re_result;
1960 : : pg_wchar *str;
1961 : : size_t slen;
1962 : : size_t maxlen;
1963 : : char errMsg[100];
1964 : :
1965 : 7190 : *exact = false; /* default result */
1966 : :
1967 : : /* Compile RE */
1968 : 7190 : cflags = REG_ADVANCED;
1969 [ + + ]: 7190 : if (case_insensitive)
1970 : 31 : cflags |= REG_ICASE;
1971 : :
979 1972 : 7190 : re = RE_compile_and_cache(text_re, cflags | REG_NOSUB, collation);
1973 : :
1974 : : /* Examine it to see if there's a fixed prefix */
4296 1975 : 7178 : re_result = pg_regprefix(re, &str, &slen);
1976 : :
1977 [ + + + - ]: 7178 : switch (re_result)
1978 : : {
1979 : 360 : case REG_NOMATCH:
1980 : 360 : return NULL;
1981 : :
1982 : 907 : case REG_PREFIX:
1983 : : /* continue with wchar conversion */
1984 : 907 : break;
1985 : :
1986 : 5911 : case REG_EXACT:
1987 : 5911 : *exact = true;
1988 : : /* continue with wchar conversion */
1989 : 5911 : break;
1990 : :
4296 tgl@sss.pgh.pa.us 1991 :UBC 0 : default:
1992 : : /* re failed??? */
1993 : 0 : pg_regerror(re_result, re, errMsg, sizeof(errMsg));
1994 [ # # ]: 0 : ereport(ERROR,
1995 : : (errcode(ERRCODE_INVALID_REGULAR_EXPRESSION),
1996 : : errmsg("regular expression failed: %s", errMsg)));
1997 : : break;
1998 : : }
1999 : :
2000 : : /* Convert pg_wchar result back to database encoding */
4296 tgl@sss.pgh.pa.us 2001 :CBC 6818 : maxlen = pg_database_encoding_max_length() * slen + 1;
2002 : 6818 : result = (char *) palloc(maxlen);
2003 : 6818 : slen = pg_wchar2mb_with_len(str, result, slen);
2004 [ - + ]: 6818 : Assert(slen < maxlen);
2005 : :
372 tmunro@postgresql.or 2006 : 6818 : pfree(str);
2007 : :
4296 tgl@sss.pgh.pa.us 2008 : 6818 : return result;
2009 : : }
|
