perltest.pl

   1 #! /usr/bin/env perl
   2
   3 # Program for testing regular expressions with perl to check that PCRE handles
   4 # them the same. This version needs to have "use utf8" at the start for running
   5 # the UTF-8 tests, but *not* for the other tests. The only way I've found for
   6 # doing this is to cat this line in explicitly in the RunPerlTest script. I've
   7 # also used this method to supply "require Encode" for the UTF-8 tests, so that
   8 # the main test will still run where Encode is not installed.
   9
  10 #use utf8;
  11 #require Encode;
  12
  13 # Function for turning a string into a string of printing chars.
  14
  15 sub pchars {
  16 my($t) = "";
  17
  18 if ($utf8)
  19   {
  20   @p = unpack('U*', $_[0]);
  21   foreach $c (@p)
  22     {
  23     if ($c >= 32 && $c < 127) { $t .= chr $c; }
  24       else { $t .= sprintf("\\x{%02x}", $c);
  25       }
  26     }
  27   }
  28 else
  29   {
  30   foreach $c (split(//, $_[0]))
  31     {
  32     if (ord $c >= 32 && ord $c < 127) { $t .= $c; }
  33       else { $t .= sprintf("\\x%02x", ord $c); }
  34     }
  35   }
  36
  37 $t;
  38 }
  39
  40
  41 # Read lines from named file or stdin and write to named file or stdout; lines
  42 # consist of a regular expression, in delimiters and optionally followed by
  43 # options, followed by a set of test data, terminated by an empty line.
  44
  45 # Sort out the input and output files
  46
  47 if (@ARGV > 0)
  48   {
  49   open(INFILE, "<$ARGV[0]") || die "Failed to open $ARGV[0]\n";
  50   $infile = "INFILE";
  51   }
  52 else { $infile = "STDIN"; }
  53
  54 if (@ARGV > 1)
  55   {
  56   open(OUTFILE, ">$ARGV[1]") || die "Failed to open $ARGV[1]\n";
  57   $outfile = "OUTFILE";
  58   }
  59 else { $outfile = "STDOUT"; }
  60
  61 printf($outfile "Perl $] Regular Expressions\n\n");
  62
  63 # Main loop
  64
  65 NEXT_RE:
  66 for (;;)
  67   {
  68   printf "  re> " if $infile eq "STDIN";
  69   last if ! ($_ = <$infile>);
  70   printf $outfile "$_" if $infile ne "STDIN";
  71   next if ($_ =~ /^\s*$/ || $_ =~ /^< forbid/);
  72
  73   $pattern = $_;
  74
  75   while ($pattern !~ /^\s*(.).*\1/s)
  76     {
  77     printf "    > " if $infile eq "STDIN";
  78     last if ! ($_ = <$infile>);
  79     printf $outfile "$_" if $infile ne "STDIN";
  80     $pattern .= $_;
  81     }
  82
  83   chomp($pattern);
  84   $pattern =~ s/\s+$//;
  85
  86   # The private /+ modifier means "print $' afterwards".
  87
  88   $showrest = ($pattern =~ s/\+(?=[a-zA-Z]*$)//);
  89
  90   # A doubled version is used by pcretest to print remainders after captures
  91
  92   $pattern =~ s/\+(?=[a-zA-Z]*$)//;
  93
  94   # Remove /8 from a UTF-8 pattern.
  95
  96   $utf8 = $pattern =~ s/8(?=[a-zA-Z]*$)//;
  97
  98   # Remove /J from a pattern with duplicate names.
  99
 100   $pattern =~ s/J(?=[a-zA-Z]*$)//;
 101
 102   # Remove /K from a pattern (asks pcretest to check MARK data) */
 103
 104   $pattern =~ s/K(?=[a-zA-Z]*$)//;
 105
 106   # /W asks pcretest to set PCRE_UCP; change this to /u for Perl
 107
 108   $pattern =~ s/W(?=[a-zA-Z]*$)/u/;
 109
 110   # Remove /S or /SS from a pattern (asks pcretest to study or not to study)
 111
 112   $pattern =~ s/S(?=[a-zA-Z]*$)//g;
 113
 114   # Remove /Y and /O from a pattern (disable PCRE optimizations)
 115
 116   $pattern =~ s/[YO](?=[a-zA-Z]*$)//;
 117
 118   # Check that the pattern is valid
 119
 120   eval "\$_ =~ ${pattern}";
 121   if ($@)
 122     {
 123     printf $outfile "Error: $@";
 124     if ($infile != "STDIN")
 125       {
 126       for (;;)
 127         {
 128         last if ! ($_ = <$infile>);
 129         last if $_ =~ /^\s*$/;
 130         }
 131       }
 132     next NEXT_RE;
 133     }
 134
 135   # If the /g modifier is present, we want to put a loop round the matching;
 136   # otherwise just a single "if".
 137
 138   $cmd = ($pattern =~ /g[a-z]*$/)? "while" : "if";
 139
 140   # If the pattern is actually the null string, Perl uses the most recently
 141   # executed (and successfully compiled) regex is used instead. This is a
 142   # nasty trap for the unwary! The PCRE test suite does contain null strings
 143   # in places - if they are allowed through here all sorts of weird and
 144   # unexpected effects happen. To avoid this, we replace such patterns with
 145   # a non-null pattern that has the same effect.
 146
 147   $pattern = "/(?#)/$2" if ($pattern =~ /^(.)\1(.*)$/);
 148
 149   # Read data lines and test them
 150
 151   for (;;)
 152     {
 153     printf "data> " if $infile eq "STDIN";
 154     last NEXT_RE if ! ($_ = <$infile>);
 155     chomp;
 156     printf $outfile "$_\n" if $infile ne "STDIN";
 157
 158     s/\s+$//;  # Remove trailing space
 159     s/^\s+//;  # Remove leading space
 160     s/\\Y//g;  # Remove \Y (pcretest flag to set PCRE_NO_START_OPTIMIZE)
 161
 162     last if ($_ eq "");
 163     $x = eval "\"$_\"";   # To get escapes processed
 164
 165     # Empty array for holding results, ensure $REGERROR and $REGMARK are
 166     # unset, then do the matching.
 167
 168     @subs = ();
 169
 170     $pushes = "push \@subs,\$&;" .
 171          "push \@subs,\$1;" .
 172          "push \@subs,\$2;" .
 173          "push \@subs,\$3;" .
 174          "push \@subs,\$4;" .
 175          "push \@subs,\$5;" .
 176          "push \@subs,\$6;" .
 177          "push \@subs,\$7;" .
 178          "push \@subs,\$8;" .
 179          "push \@subs,\$9;" .
 180          "push \@subs,\$10;" .
 181          "push \@subs,\$11;" .
 182          "push \@subs,\$12;" .
 183          "push \@subs,\$13;" .
 184          "push \@subs,\$14;" .
 185          "push \@subs,\$15;" .
 186          "push \@subs,\$16;" .
 187          "push \@subs,\$'; }";
 188
 189     undef $REGERROR;
 190     undef $REGMARK;
 191
 192     eval "${cmd} (\$x =~ ${pattern}) {" . $pushes;
 193
 194     if ($@)
 195       {
 196       printf $outfile "Error: $@\n";
 197       next NEXT_RE;
 198       }
 199     elsif (scalar(@subs) == 0)
 200       {
 201       printf $outfile "No match";
 202       if (defined $REGERROR && $REGERROR != 1)
 203         { printf $outfile (", mark = %s", &pchars($REGERROR)); }
 204       printf $outfile "\n";
 205       }
 206     else
 207       {
 208       while (scalar(@subs) != 0)
 209         {
 210         printf $outfile (" 0: %s\n", &pchars($subs[0]));
 211         printf $outfile (" 0+ %s\n", &pchars($subs[17])) if $showrest;
 212         $last_printed = 0;
 213         for ($i = 1; $i <= 16; $i++)
 214           {
 215           if (defined $subs[$i])
 216             {
 217             while ($last_printed++ < $i-1)
 218               { printf $outfile ("%2d: <unset>\n", $last_printed); }
 219             printf $outfile ("%2d: %s\n", $i, &pchars($subs[$i]));
 220             $last_printed = $i;
 221             }
 222           }
 223         splice(@subs, 0, 18);
 224         }
 225
 226       # It seems that $REGMARK is not marked as UTF-8 even when use utf8 is
 227       # set and the input pattern was a UTF-8 string. We can, however, force
 228       # it to be so marked.
 229
 230       if (defined $REGMARK && $REGMARK != 1)
 231         {
 232         $xx = $REGMARK;
 233         $xx = Encode::decode_utf8($xx) if $utf8;
 234         printf $outfile ("MK: %s\n", &pchars($xx));
 235         }
 236       }
 237     }
 238   }
 239
 240 # printf $outfile "\n";
 241
 242 # End