src/regex/regex_internal.h

   1 /*
   2      This file is part of GNUnet
   3      (C) 2012 Christian Grothoff (and other contributing authors)
   4
   5      GNUnet is free software; you can redistribute it and/or modify
   6      it under the terms of the GNU General Public License as published
   7      by the Free Software Foundation; either version 3, or (at your
   8      option) any later version.
   9
  10      GNUnet is distributed in the hope that it will be useful, but
  11      WITHOUT ANY WARRANTY; without even the implied warranty of
  12      MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  13      General Public License for more details.
  14
  15      You should have received a copy of the GNU General Public License
  16      along with GNUnet; see the file COPYING.  If not, write to the
  17      Free Software Foundation, Inc., 59 Temple Place - Suite 330,
  18      Boston, MA 02111-1307, USA.
  19 */
  20 /**
  21  * @file src/regex/regex_internal.h
  22  * @brief common internal definitions for regex library
  23  * @author Maximilian Szengel
  24  */
  25 #ifndef REGEX_INTERNAL_H
  26 #define REGEX_INTERNAL_H
  27
  28 #include "gnunet_regex_lib.h"
  29
  30 #ifdef __cplusplus
  31 extern "C"
  32 {
  33 #if 0                           /* keep Emacsens' auto-indent happy */
  34 }
  35 #endif
  36 #endif
  37
  38 /**
  39  * char array of literals that are allowed inside a regex (apart from the
  40  * operators)
  41  */
  42 #define ALLOWED_LITERALS "0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz"
  43
  44
  45 /**
  46  * Transition between two states. Each state can have 0-n transitions.  If label
  47  * is 0, this is considered to be an epsilon transition.
  48  */
  49 struct GNUNET_REGEX_Transition
  50 {
  51   /**
  52    * This is a linked list.
  53    */
  54   struct GNUNET_REGEX_Transition *prev;
  55
  56   /**
  57    * This is a linked list.
  58    */
  59   struct GNUNET_REGEX_Transition *next;
  60
  61   /**
  62    * Unique id of this transition.
  63    */
  64   unsigned int id;
  65
  66   /**
  67    * Label for this transition. This is basically the edge label for the graph.
  68    */
  69   char *label;
  70
  71   /**
  72    * State to which this transition leads.
  73    */
  74   struct GNUNET_REGEX_State *to_state;
  75
  76   /**
  77    * State from which this transition origins.
  78    */
  79   struct GNUNET_REGEX_State *from_state;
  80 };
  81
  82
  83 /**
  84  * A state. Can be used in DFA and NFA automatons.
  85  */
  86 struct GNUNET_REGEX_State
  87 {
  88   /**
  89    * This is a linked list.
  90    */
  91   struct GNUNET_REGEX_State *prev;
  92
  93   /**
  94    * This is a linked list.
  95    */
  96   struct GNUNET_REGEX_State *next;
  97
  98   /**
  99    * Unique state id.
 100    */
 101   unsigned int id;
 102
 103   /**
 104    * Unique state id that is used for traversing the automaton. It is guaranteed
 105    * to be > 0 and < state_count.
 106    */
 107   unsigned int traversal_id;
 108
 109   /**
 110    * If this is an accepting state or not.
 111    */
 112   int accepting;
 113
 114   /**
 115    * Marking of the state. This is used for marking all visited states when
 116    * traversing all states of an automaton and for cases where the state id
 117    * cannot be used (dfa minimization).
 118    */
 119   int marked;
 120
 121   /**
 122    * Marking the state as contained. This is used for checking, if the state is
 123    * contained in a set in constant time.
 124    */
 125   int contained;
 126
 127   /**
 128    * Marking the state as part of an SCC (Strongly Connected Component).  All
 129    * states with the same scc_id are part of the same SCC. scc_id is 0, if state
 130    * is not a part of any SCC.
 131    */
 132   unsigned int scc_id;
 133
 134   /**
 135    * Used for SCC detection.
 136    */
 137   int index;
 138
 139   /**
 140    * Used for SCC detection.
 141    */
 142   int lowlink;
 143
 144   /**
 145    * Human readable name of the state. Used for debugging and graph
 146    * creation.
 147    */
 148   char *name;
 149
 150   /**
 151    * Hash of the state.
 152    */
 153   struct GNUNET_HashCode hash;
 154
 155   /**
 156    * Linear state ID accquired by depth-first-search. This ID should be used for
 157    * storing information about the state in an array, because the 'id' of the
 158    * state is not guaranteed to be linear. The 'dfs_id' is guaranteed to be > 0
 159    * and < 'state_count'.
 160    */
 161   unsigned int dfs_id;
 162
 163   /**
 164    * Proof for this state.
 165    */
 166   char *proof;
 167
 168   /**
 169    * Number of transitions from this state to other states.
 170    */
 171   unsigned int transition_count;
 172
 173   /**
 174    * DLL of transitions.
 175    */
 176   struct GNUNET_REGEX_Transition *transitions_head;
 177
 178   /**
 179    * DLL of transitions.
 180    */
 181   struct GNUNET_REGEX_Transition *transitions_tail;
 182
 183   /**
 184    * Number of incoming transitions. Used for compressing DFA paths.
 185    */
 186   unsigned int incoming_transition_count;
 187
 188   /**
 189    * Set of states on which this state is based on. Used when creating a DFA out
 190    * of several NFA states.
 191    */
 192   struct GNUNET_REGEX_StateSet *nfa_set;
 193 };
 194
 195
 196 /**
 197  * Type of an automaton.
 198  */
 199 enum GNUNET_REGEX_AutomatonType
 200 {
 201   NFA,
 202   DFA
 203 };
 204
 205
 206 /**
 207  * Automaton representation.
 208  */
 209 struct GNUNET_REGEX_Automaton
 210 {
 211   /**
 212    * Linked list of NFAs used for partial NFA creation.
 213    */
 214   struct GNUNET_REGEX_Automaton *prev;
 215
 216   /**
 217    * Linked list of NFAs used for partial NFA creation.
 218    */
 219   struct GNUNET_REGEX_Automaton *next;
 220
 221   /**
 222    * First state of the automaton. This is mainly used for constructing an NFA,
 223    * where each NFA itself consists of one or more NFAs linked together.
 224    */
 225   struct GNUNET_REGEX_State *start;
 226
 227   /**
 228    * End state of the partial NFA. This is undefined for DFAs
 229    */
 230   struct GNUNET_REGEX_State *end;
 231
 232   /**
 233    * Number of states in the automaton.
 234    */
 235   unsigned int state_count;
 236
 237   /**
 238    * DLL of states.
 239    */
 240   struct GNUNET_REGEX_State *states_head;
 241
 242   /**
 243    * DLL of states
 244    */
 245   struct GNUNET_REGEX_State *states_tail;
 246
 247   /**
 248    * Type of the automaton.
 249    */
 250   enum GNUNET_REGEX_AutomatonType type;
 251
 252   /**
 253    * Regex
 254    */
 255   char *regex;
 256
 257   /**
 258    * Canonical regex (result of RX->NFA->DFA->RX)
 259    */
 260   char *canonical_regex;
 261
 262   /**
 263    * GNUNET_YES, if multi strides have been added to the Automaton.
 264    */
 265   int is_multistrided;
 266 };
 267
 268
 269 /**
 270  * Construct an NFA by parsing the regex string of length 'len'.
 271  *
 272  * @param regex regular expression string.
 273  * @param len length of the string.
 274  *
 275  * @return NFA, needs to be freed using GNUNET_REGEX_automaton_destroy.
 276  */
 277 struct GNUNET_REGEX_Automaton *
 278 GNUNET_REGEX_construct_nfa (const char *regex, const size_t len);
 279
 280
 281 /**
 282  * Function that get's passed to automaton traversal and is called before each
 283  * next traversal from state 's' using transition 't' to check if traversal
 284  * should proceed. Return GNUNET_NO to stop traversal or GNUNET_YES to continue.
 285  *
 286  * @param cls closure for the check.
 287  * @param s current state in the traversal.
 288  * @param t current transition from state 's' that will be used for the next
 289  *          step.
 290  *
 291  * @return GNUNET_YES to proceed traversal, GNUNET_NO to stop.
 292  */
 293 typedef int (*GNUNET_REGEX_traverse_check) (void *cls,
 294                                             struct GNUNET_REGEX_State * s,
 295                                             struct GNUNET_REGEX_Transition * t);
 296
 297
 298 /**
 299  * Function that is called with each state, when traversing an automaton.
 300  *
 301  * @param cls closure.
 302  * @param count current count of the state, from 0 to a->state_count -1.
 303  * @param s state.
 304  */
 305 typedef void (*GNUNET_REGEX_traverse_action) (void *cls,
 306                                               const unsigned int count,
 307                                               struct GNUNET_REGEX_State * s);
 308
 309
 310 /**
 311  * Traverses the given automaton using depth-first-search (DFS) from it's start
 312  * state, visiting all reachable states and calling 'action' on each one of
 313  * them.
 314  *
 315  * @param a automaton to be traversed.
 316  * @param start start state, pass a->start or NULL to traverse the whole automaton.
 317  * @param check function that is checked before advancing on each transition
 318  *              in the DFS.
 319  * @param check_cls closure for check.
 320  * @param action action to be performed on each state.
 321  * @param action_cls closure for action
 322  */
 323 void
 324 GNUNET_REGEX_automaton_traverse (const struct GNUNET_REGEX_Automaton *a,
 325                                  struct GNUNET_REGEX_State *start,
 326                                  GNUNET_REGEX_traverse_check check,
 327                                  void *check_cls,
 328                                  GNUNET_REGEX_traverse_action action,
 329                                  void *action_cls);
 330
 331 /**
 332  * Get the canonical regex of the given automaton.
 333  * When constructing the automaton a proof is computed for each state,
 334  * consisting of the regular expression leading to this state. A complete
 335  * regex for the automaton can be computed by combining these proofs.
 336  * As of now this function is only useful for testing.
 337  *
 338  * @param a automaton for which the canonical regex should be returned.
 339  *
 340  * @return canonical regex string.
 341  */
 342 const char *
 343 GNUNET_REGEX_get_canonical_regex (struct GNUNET_REGEX_Automaton *a);
 344
 345
 346 /**
 347  * Get the number of transitions that are contained in the given automaton.
 348  *
 349  * @param a automaton for which the number of transitions should be returned.
 350  *
 351  * @return number of transitions in the given automaton.
 352  */
 353 unsigned int
 354 GNUNET_REGEX_get_transition_count (struct GNUNET_REGEX_Automaton *a);
 355
 356
 357 /**
 358  * Context that contains an id counter for states and transitions as well as a
 359  * DLL of automatons used as a stack for NFA construction.
 360  */
 361 struct GNUNET_REGEX_Context
 362 {
 363   /**
 364    * Unique state id.
 365    */
 366   unsigned int state_id;
 367
 368   /**
 369    * Unique transition id.
 370    */
 371   unsigned int transition_id;
 372
 373   /**
 374    * DLL of GNUNET_REGEX_Automaton's used as a stack.
 375    */
 376   struct GNUNET_REGEX_Automaton *stack_head;
 377
 378   /**
 379    * DLL of GNUNET_REGEX_Automaton's used as a stack.
 380    */
 381   struct GNUNET_REGEX_Automaton *stack_tail;
 382 };
 383
 384
 385 /**
 386  * Adds multi-strided transitions to the given 'dfa'.
 387  *
 388  * @param regex_ctx regex context needed to add transitions to the automaton.
 389  * @param dfa DFA to which the multi strided transitions should be added.
 390  * @param stride_len length of the strides.
 391  */
 392 void
 393 GNUNET_REGEX_dfa_add_multi_strides (struct GNUNET_REGEX_Context *regex_ctx,
 394                                     struct GNUNET_REGEX_Automaton *dfa,
 395                                     const unsigned int stride_len);
 396
 397
 398 /**
 399  * Generate a (pseudo) random regular expression of length 'rx_length', as well
 400  * as a (optional) string that will be matched by the generated regex. The
 401  * returned regex needs to be freed.
 402  *
 403  * @param rx_length length of the random regex.
 404  * @param matching_str (optional) pointer to a string that will contain a string
 405  *                     that will be matched by the generated regex, if
 406  *                     'matching_str' pointer was not NULL.
 407  *
 408  * @return NULL if 'rx_length' is 0, a random regex of length 'rx_length', which
 409  *         needs to be freed, otherwise.
 410  */
 411 char *
 412 GNUNET_REGEX_generate_random_regex (size_t rx_length, char *matching_str);
 413
 414
 415 /**
 416  * Generate a random string of maximum length 'max_len' that only contains literals allowed
 417  * in a regular expression. The string might be 0 chars long but is garantueed
 418  * to be shorter or equal to 'max_len'.
 419  *
 420  * @param max_len maximum length of the string that should be generated.
 421  *
 422  * @return random string that needs to be freed.
 423  */
 424 char *
 425 GNUNET_REGEX_generate_random_string (size_t max_len);
 426
 427
 428 #if 0                           /* keep Emacsens' auto-indent happy */
 429 {
 430 #endif
 431 #ifdef __cplusplus
 432 }
 433 #endif
 434
 435 #endif