source: libyaml/trunk/src/reader.c @ 210

Revision 210, 16.0 KB checked in by xi, 8 years ago (diff)

Fix some leaks, segfaults and warnings.

Line 
1
2#include "yaml_private.h"
3
4/*
5 * Declarations.
6 */
7
8static int
9yaml_parser_set_reader_error(yaml_parser_t *parser, const char *problem,
10        size_t offset, int value);
11
12static int
13yaml_parser_update_raw_buffer(yaml_parser_t *parser);
14
15static int
16yaml_parser_determine_encoding(yaml_parser_t *parser);
17
18YAML_DECLARE(int)
19yaml_parser_update_buffer(yaml_parser_t *parser, size_t length);
20
21/*
22 * Set the reader error and return 0.
23 */
24
25static int
26yaml_parser_set_reader_error(yaml_parser_t *parser, const char *problem,
27        size_t offset, int value)
28{
29    parser->error = YAML_READER_ERROR;
30    parser->problem = problem;
31    parser->problem_offset = offset;
32    parser->problem_value = value;
33
34    return 0;
35}
36
37/*
38 * Byte order marks.
39 */
40
41#define BOM_UTF8    "\xef\xbb\xbf"
42#define BOM_UTF16LE "\xff\xfe"
43#define BOM_UTF16BE "\xfe\xff"
44
45/*
46 * Determine the input stream encoding by checking the BOM symbol. If no BOM is
47 * found, the UTF-8 encoding is assumed. Return 1 on success, 0 on failure.
48 */
49
50static int
51yaml_parser_determine_encoding(yaml_parser_t *parser)
52{
53    /* Ensure that we had enough bytes in the raw buffer. */
54
55    while (!parser->eof
56            && parser->raw_buffer.last - parser->raw_buffer.pointer < 3) {
57        if (!yaml_parser_update_raw_buffer(parser)) {
58            return 0;
59        }
60    }
61
62    /* Determine the encoding. */
63
64    if (parser->raw_buffer.last - parser->raw_buffer.pointer >= 2
65            && !memcmp(parser->raw_buffer.pointer, BOM_UTF16LE, 2)) {
66        parser->encoding = YAML_UTF16LE_ENCODING;
67        parser->raw_buffer.pointer += 2;
68        parser->offset += 2;
69    }
70    else if (parser->raw_buffer.last - parser->raw_buffer.pointer >= 2
71            && !memcmp(parser->raw_buffer.pointer, BOM_UTF16BE, 2)) {
72        parser->encoding = YAML_UTF16BE_ENCODING;
73        parser->raw_buffer.pointer += 2;
74        parser->offset += 2;
75    }
76    else if (parser->raw_buffer.last - parser->raw_buffer.pointer >= 3
77            && !memcmp(parser->raw_buffer.pointer, BOM_UTF8, 3)) {
78        parser->encoding = YAML_UTF8_ENCODING;
79        parser->raw_buffer.pointer += 3;
80        parser->offset += 3;
81    }
82    else {
83        parser->encoding = YAML_UTF8_ENCODING;
84    }
85
86    return 1;
87}
88
89/*
90 * Update the raw buffer.
91 */
92
93static int
94yaml_parser_update_raw_buffer(yaml_parser_t *parser)
95{
96    size_t size_read = 0;
97
98    /* Return if the raw buffer is full. */
99
100    if (parser->raw_buffer.start == parser->raw_buffer.pointer
101            && parser->raw_buffer.last == parser->raw_buffer.end)
102        return 1;
103
104    /* Return on EOF. */
105
106    if (parser->eof) return 1;
107
108    /* Move the remaining bytes in the raw buffer to the beginning. */
109
110    if (parser->raw_buffer.start < parser->raw_buffer.pointer
111            && parser->raw_buffer.pointer < parser->raw_buffer.last) {
112        memmove(parser->raw_buffer.start, parser->raw_buffer.pointer,
113                parser->raw_buffer.last - parser->raw_buffer.pointer);
114    }
115    parser->raw_buffer.last -=
116        parser->raw_buffer.pointer - parser->raw_buffer.start;
117    parser->raw_buffer.pointer = parser->raw_buffer.start;
118
119    /* Call the read handler to fill the buffer. */
120
121    if (!parser->read_handler(parser->read_handler_data, parser->raw_buffer.last,
122                parser->raw_buffer.end - parser->raw_buffer.last, &size_read)) {
123        return yaml_parser_set_reader_error(parser, "Input error",
124                parser->offset, -1);
125    }
126    parser->raw_buffer.last += size_read;
127    if (!size_read) {
128        parser->eof = 1;
129    }
130
131    return 1;
132}
133
134/*
135 * Ensure that the buffer contains at least `length` characters.
136 * Return 1 on success, 0 on failure.
137 *
138 * The length is supposed to be significantly less that the buffer size.
139 */
140
141YAML_DECLARE(int)
142yaml_parser_update_buffer(yaml_parser_t *parser, size_t length)
143{
144    assert(parser->read_handler);   /* Read handler must be set. */
145
146    /* If the EOF flag is set and the raw buffer is empty, do nothing. */
147
148    if (parser->eof && parser->raw_buffer.pointer == parser->raw_buffer.last)
149        return 1;
150
151    /* Return if the buffer contains enough characters. */
152
153    if (parser->unread >= length)
154        return 1;
155
156    /* Determine the input encoding if it is not known yet. */
157
158    if (!parser->encoding) {
159        if (!yaml_parser_determine_encoding(parser))
160            return 0;
161    }
162
163    /* Move the unread characters to the beginning of the buffer. */
164
165    if (parser->buffer.start < parser->buffer.pointer
166            && parser->buffer.pointer < parser->buffer.last) {
167        size_t size = parser->buffer.last - parser->buffer.pointer;
168        memmove(parser->buffer.start, parser->buffer.pointer, size);
169        parser->buffer.pointer = parser->buffer.start;
170        parser->buffer.last = parser->buffer.start + size;
171    }
172    else if (parser->buffer.pointer == parser->buffer.last) {
173        parser->buffer.pointer = parser->buffer.start;
174        parser->buffer.last = parser->buffer.start;
175    }
176
177    /* Fill the buffer until it has enough characters. */
178
179    while (parser->unread < length)
180    {
181        /* Fill the raw buffer. */
182
183        if (!yaml_parser_update_raw_buffer(parser)) return 0;
184
185        /* Decode the raw buffer. */
186
187        while (parser->raw_buffer.pointer != parser->raw_buffer.last)
188        {
189            unsigned int value = 0, value2 = 0;
190            int incomplete = 0;
191            unsigned char octet;
192            unsigned int width = 0;
193            int k, low, high;
194            int raw_unread = parser->raw_buffer.last - parser->raw_buffer.pointer;
195
196            /* Decode the next character. */
197
198            switch (parser->encoding)
199            {
200                case YAML_UTF8_ENCODING:
201
202                    /*
203                     * Decode a UTF-8 character.  Check RFC 3629
204                     * (http://www.ietf.org/rfc/rfc3629.txt) for more details.
205                     *
206                     * The following table (taken from the RFC) is used for
207                     * decoding.
208                     *
209                     *    Char. number range |        UTF-8 octet sequence
210                     *      (hexadecimal)    |              (binary)
211                     *   --------------------+------------------------------------
212                     *   0000 0000-0000 007F | 0xxxxxxx
213                     *   0000 0080-0000 07FF | 110xxxxx 10xxxxxx
214                     *   0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
215                     *   0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
216                     *
217                     * Additionally, the characters in the range 0xD800-0xDFFF
218                     * are prohibited as they are reserved for use with UTF-16
219                     * surrogate pairs.
220                     */
221
222                    /* Determine the length of the UTF-8 sequence. */
223
224                    octet = parser->raw_buffer.pointer[0];
225                    width = (octet & 0x80) == 0x00 ? 1 :
226                            (octet & 0xE0) == 0xC0 ? 2 :
227                            (octet & 0xF0) == 0xE0 ? 3 :
228                            (octet & 0xF8) == 0xF0 ? 4 : 0;
229
230                    /* Check if the leading octet is valid. */
231
232                    if (!width)
233                        return yaml_parser_set_reader_error(parser,
234                                "Invalid leading UTF-8 octet",
235                                parser->offset, octet);
236
237                    /* Check if the raw buffer contains an incomplete character. */
238
239                    if (width > raw_unread) {
240                        if (parser->eof) {
241                            return yaml_parser_set_reader_error(parser,
242                                    "Incomplete UTF-8 octet sequence",
243                                    parser->offset, -1);
244                        }
245                        incomplete = 1;
246                        break;
247                    }
248
249                    /* Decode the leading octet. */
250
251                    value = (octet & 0x80) == 0x00 ? octet & 0x7F :
252                            (octet & 0xE0) == 0xC0 ? octet & 0x1F :
253                            (octet & 0xF0) == 0xE0 ? octet & 0x0F :
254                            (octet & 0xF8) == 0xF0 ? octet & 0x07 : 0;
255
256                    /* Check and decode the trailing octets. */
257
258                    for (k = 1; k < width; k ++)
259                    {
260                        octet = parser->raw_buffer.pointer[k];
261
262                        /* Check if the octet is valid. */
263
264                        if ((octet & 0xC0) != 0x80)
265                            return yaml_parser_set_reader_error(parser,
266                                    "Invalid trailing UTF-8 octet",
267                                    parser->offset+k, octet);
268
269                        /* Decode the octet. */
270
271                        value = (value << 6) + (octet & 0x3F);
272                    }
273
274                    /* Check the length of the sequence against the value. */
275
276                    if (!((width == 1) ||
277                            (width == 2 && value >= 0x80) ||
278                            (width == 3 && value >= 0x800) ||
279                            (width == 4 && value >= 0x10000)))
280                        return yaml_parser_set_reader_error(parser,
281                                "Invalid length of a UTF-8 sequence",
282                                parser->offset, -1);
283
284                    /* Check the range of the value. */
285
286                    if ((value >= 0xD800 && value <= 0xDFFF) || value > 0x10FFFF)
287                        return yaml_parser_set_reader_error(parser,
288                                "Invalid Unicode character",
289                                parser->offset, value);
290
291                    break;
292               
293                case YAML_UTF16LE_ENCODING:
294                case YAML_UTF16BE_ENCODING:
295
296                    low = (parser->encoding == YAML_UTF16LE_ENCODING ? 0 : 1);
297                    high = (parser->encoding == YAML_UTF16LE_ENCODING ? 1 : 0);
298
299                    /*
300                     * The UTF-16 encoding is not as simple as one might
301                     * naively think.  Check RFC 2781
302                     * (http://www.ietf.org/rfc/rfc2781.txt).
303                     *
304                     * Normally, two subsequent bytes describe a Unicode
305                     * character.  However a special technique (called a
306                     * surrogate pair) is used for specifying character
307                     * values larger than 0xFFFF.
308                     *
309                     * A surrogate pair consists of two pseudo-characters:
310                     *      high surrogate area (0xD800-0xDBFF)
311                     *      low surrogate area (0xDC00-0xDFFF)
312                     *
313                     * The following formulas are used for decoding
314                     * and encoding characters using surrogate pairs:
315                     *
316                     *  U  = U' + 0x10000   (0x01 00 00 <= U <= 0x10 FF FF)
317                     *  U' = yyyyyyyyyyxxxxxxxxxx   (0 <= U' <= 0x0F FF FF)
318                     *  W1 = 110110yyyyyyyyyy
319                     *  W2 = 110111xxxxxxxxxx
320                     *
321                     * where U is the character value, W1 is the high surrogate
322                     * area, W2 is the low surrogate area.
323                     */
324
325                    /* Check for incomplete UTF-16 character. */
326
327                    if (raw_unread < 2) {
328                        if (parser->eof) {
329                            return yaml_parser_set_reader_error(parser,
330                                    "Incomplete UTF-16 character",
331                                    parser->offset, -1);
332                        }
333                        incomplete = 1;
334                        break;
335                    }
336
337                    /* Get the character. */
338
339                    value = parser->raw_buffer.pointer[low]
340                        + (parser->raw_buffer.pointer[high] << 8);
341
342                    /* Check for unexpected low surrogate area. */
343
344                    if ((value & 0xFC00) == 0xDC00)
345                        return yaml_parser_set_reader_error(parser,
346                                "Unexpected low surrogate area",
347                                parser->offset, value);
348
349                    /* Check for a high surrogate area. */
350
351                    if ((value & 0xFC00) == 0xD800) {
352
353                        width = 4;
354
355                        /* Check for incomplete surrogate pair. */
356
357                        if (raw_unread < 4) {
358                            if (parser->eof) {
359                                return yaml_parser_set_reader_error(parser,
360                                        "Incomplete UTF-16 surrogate pair",
361                                        parser->offset, -1);
362                            }
363                            incomplete = 1;
364                            break;
365                        }
366
367                        /* Get the next character. */
368
369                        value2 = parser->raw_buffer.pointer[low+2]
370                            + (parser->raw_buffer.pointer[high+2] << 8);
371
372                        /* Check for a low surrogate area. */
373
374                        if ((value2 & 0xFC00) != 0xDC00)
375                            return yaml_parser_set_reader_error(parser,
376                                    "Expected low surrogate area",
377                                    parser->offset+2, value2);
378
379                        /* Generate the value of the surrogate pair. */
380
381                        value = 0x10000 + ((value & 0x3FF) << 10) + (value2 & 0x3FF);
382                    }
383
384                    else {
385                        width = 2;
386                    }
387
388                    break;
389
390                default:
391                    assert(1);      /* Impossible. */
392            }
393
394            /* Check if the raw buffer contains enough bytes to form a character. */
395
396            if (incomplete) break;
397
398            /*
399             * Check if the character is in the allowed range:
400             *      #x9 | #xA | #xD | [#x20-#x7E]               (8 bit)
401             *      | #x85 | [#xA0-#xD7FF] | [#xE000-#xFFFD]    (16 bit)
402             *      | [#x10000-#x10FFFF]                        (32 bit)
403             */
404
405            if (! (value == 0x09 || value == 0x0A || value == 0x0D
406                        || (value >= 0x20 && value <= 0x7E)
407                        || (value == 0x85) || (value >= 0xA0 && value <= 0xD7FF)
408                        || (value >= 0xE000 && value <= 0xFFFD)
409                        || (value >= 0x10000 && value <= 0x10FFFF)))
410                return yaml_parser_set_reader_error(parser,
411                        "Control characters are not allowed",
412                        parser->offset, value);
413
414            /* Move the raw pointers. */
415
416            parser->raw_buffer.pointer += width;
417            parser->offset += width;
418
419            /* Finally put the character into the buffer. */
420
421            /* 0000 0000-0000 007F -> 0xxxxxxx */
422            if (value <= 0x7F) {
423                *(parser->buffer.last++) = value;
424            }
425            /* 0000 0080-0000 07FF -> 110xxxxx 10xxxxxx */
426            else if (value <= 0x7FF) {
427                *(parser->buffer.last++) = 0xC0 + (value >> 6);
428                *(parser->buffer.last++) = 0x80 + (value & 0x3F);
429            }
430            /* 0000 0800-0000 FFFF -> 1110xxxx 10xxxxxx 10xxxxxx */
431            else if (value <= 0xFFFF) {
432                *(parser->buffer.last++) = 0xE0 + (value >> 12);
433                *(parser->buffer.last++) = 0x80 + ((value >> 6) & 0x3F);
434                *(parser->buffer.last++) = 0x80 + (value & 0x3F);
435            }
436            /* 0001 0000-0010 FFFF -> 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx */
437            else {
438                *(parser->buffer.last++) = 0xF0 + (value >> 18);
439                *(parser->buffer.last++) = 0x80 + ((value >> 12) & 0x3F);
440                *(parser->buffer.last++) = 0x80 + ((value >> 6) & 0x3F);
441                *(parser->buffer.last++) = 0x80 + (value & 0x3F);
442            }
443
444            parser->unread ++;
445        }
446
447        /* On EOF, put NUL into the buffer and return. */
448
449        if (parser->eof) {
450            *(parser->buffer.last++) = '\0';
451            parser->unread ++;
452            return 1;
453        }
454
455    }
456
457    return 1;
458}
459
Note: See TracBrowser for help on using the repository browser.