src/load.c

   1 #define _GNU_SOURCE
   2 #include <ctype.h>
   3 #include <errno.h>
   4 #include <stdio.h>
   5 #include <stdlib.h>
   6 #include <string.h>
   7 #include <stdarg.h>
   8 #include <unistd.h>
   9 #include <assert.h>
  10
  11 #include <jansson.h>
  12 #include "jansson_private.h"
  13 #include "strbuffer.h"
  14 #include "utf.h"
  15
  16 #define TOKEN_INVALID         -1
  17 #define TOKEN_EOF              0
  18 #define TOKEN_STRING         256
  19 #define TOKEN_INTEGER        257
  20 #define TOKEN_REAL           258
  21 #define TOKEN_TRUE           259
  22 #define TOKEN_FALSE          260
  23 #define TOKEN_NULL           261
  24
  25 /* read one byte from stream, return EOF on end of file */
  26 typedef int (*get_func)(void *data);
  27
  28 /* return non-zero if end of file has been reached */
  29 typedef int (*eof_func)(void *data);
  30
  31 typedef struct {
  32     get_func get;
  33     eof_func eof;
  34     void *data;
  35     int stream_pos;
  36     char buffer[5];
  37     int buffer_pos;
  38 } stream_t;
  39
  40
  41 typedef struct {
  42     stream_t stream;
  43     strbuffer_t saved_text;
  44     int token;
  45     int line, column;
  46     union {
  47         char *string;
  48         int integer;
  49         double real;
  50     } value;
  51 } lex_t;
  52
  53
  54 /*** error reporting ***/
  55
  56 static void error_init(json_error_t *error)
  57 {
  58     if(error)
  59     {
  60         error->text[0] = '\0';
  61         error->line = -1;
  62     }
  63 }
  64
  65 static void error_set(json_error_t *error, const lex_t *lex,
  66                       const char *msg, ...)
  67 {
  68     va_list ap;
  69     char text[JSON_ERROR_TEXT_LENGTH];
  70
  71     if(!error || error->text[0] != '\0') {
  72         /* error already set */
  73         return;
  74     }
  75
  76     va_start(ap, msg);
  77     vsnprintf(text, JSON_ERROR_TEXT_LENGTH, msg, ap);
  78     va_end(ap);
  79
  80     if(lex)
  81     {
  82         const char *saved_text = strbuffer_value(&lex->saved_text);
  83         error->line = lex->line;
  84         if(saved_text && saved_text[0])
  85         {
  86             snprintf(error->text, JSON_ERROR_TEXT_LENGTH,
  87                      "%s near '%s'", text, saved_text);
  88         }
  89         else
  90         {
  91             snprintf(error->text, JSON_ERROR_TEXT_LENGTH,
  92                      "%s near end of file", text);
  93         }
  94     }
  95     else
  96     {
  97         error->line = -1;
  98         snprintf(error->text, JSON_ERROR_TEXT_LENGTH, "%s", text);
  99     }
 100 }
 101
 102
 103 /*** lexical analyzer ***/
 104
 105 void stream_init(stream_t *stream, get_func get, eof_func eof, void *data)
 106 {
 107     stream->get = get;
 108     stream->eof = eof;
 109     stream->data = data;
 110     stream->stream_pos = 0;
 111     stream->buffer[0] = '\0';
 112     stream->buffer_pos = 0;
 113 }
 114
 115 static char stream_get(stream_t *stream, json_error_t *error)
 116 {
 117     char c;
 118
 119     if(!stream->buffer[stream->buffer_pos])
 120     {
 121         stream->buffer[0] = stream->get(stream->data);
 122         stream->buffer_pos = 0;
 123
 124         c = stream->buffer[0];
 125
 126         if(c == EOF && stream->eof(stream->data))
 127             return EOF;
 128
 129         if(c < 0)
 130         {
 131             /* multi-byte UTF-8 sequence */
 132             int i, count;
 133
 134             count = utf8_check_first(c);
 135             if(!count)
 136                 goto out;
 137
 138             assert(count >= 2);
 139
 140             for(i = 1; i < count; i++)
 141                 stream->buffer[i] = stream->get(stream->data);
 142
 143             if(!utf8_check_full(stream->buffer, count))
 144                 goto out;
 145
 146             stream->stream_pos += count;
 147             stream->buffer[count] = '\0';
 148         }
 149         else {
 150             stream->buffer[1] = '\0';
 151             stream->stream_pos++;
 152         }
 153     }
 154
 155     return (char)stream->buffer[stream->buffer_pos++];
 156
 157 out:
 158     error_set(error, NULL, "unable to decode byte 0x%x at position %d",
 159               (unsigned char)c, stream->stream_pos);
 160     return EOF;
 161 }
 162
 163 static void stream_unget(stream_t *stream, char c)
 164 {
 165     assert(stream->buffer_pos > 0);
 166     stream->buffer_pos--;
 167     assert(stream->buffer[stream->buffer_pos] == (unsigned char)c);
 168 }
 169
 170
 171 static int lex_get(lex_t *lex, json_error_t *error)
 172 {
 173     return stream_get(&lex->stream, error);
 174 }
 175
 176 static int lex_eof(lex_t *lex)
 177 {
 178     return lex->stream.eof(lex->stream.data);
 179 }
 180
 181 static void lex_save(lex_t *lex, char c)
 182 {
 183     strbuffer_append_byte(&lex->saved_text, c);
 184 }
 185
 186 static int lex_get_save(lex_t *lex, json_error_t *error)
 187 {
 188     char c = stream_get(&lex->stream, error);
 189     lex_save(lex, c);
 190     return c;
 191 }
 192
 193 static void lex_unget_unsave(lex_t *lex, char c)
 194 {
 195     char d;
 196     if(c != EOF)
 197         stream_unget(&lex->stream, c);
 198     d = strbuffer_pop(&lex->saved_text);
 199     assert(c == d);
 200 }
 201
 202 static void lex_scan_string(lex_t *lex, json_error_t *error)
 203 {
 204     char c;
 205     const char *p;
 206     char *t;
 207
 208     lex->token = TOKEN_INVALID;
 209
 210     /* skip the " */
 211     c = lex_get_save(lex, error);
 212
 213     while(c != '"') {
 214         if(c == EOF) {
 215             if(lex_eof(lex))
 216                 error_set(error, lex, "premature end of input");
 217             goto out;
 218         }
 219
 220         else if(0 <= c && c <= 0x1F) {
 221             /* control character */
 222             lex_unget_unsave(lex, c);
 223             if(c == '\n')
 224                 error_set(error, lex, "unexpected newline", c);
 225             else
 226                 error_set(error, lex, "control character 0x%x", c);
 227             goto out;
 228         }
 229
 230         else if(c == '\\') {
 231             c = lex_get_save(lex, error);
 232             if(c == 'u') {
 233                 c = lex_get_save(lex, error);
 234                 for(int i = 0; i < 4; i++) {
 235                     if(!isxdigit(c)) {
 236                         lex_unget_unsave(lex, c);
 237                         error_set(error, lex, "invalid escape");
 238                         goto out;
 239                     }
 240                     c = lex_get_save(lex, error);
 241                 }
 242             }
 243             else if(c == '"' || c == '\\' || c == '/' || c == 'b' ||
 244                     c == 'f' || c == 'n' || c == 'r' || c == 't')
 245                 c = lex_get_save(lex, error);
 246             else {
 247                 lex_unget_unsave(lex, c);
 248                 error_set(error, lex, "invalid escape");
 249                 goto out;
 250             }
 251         }
 252         else
 253             c = lex_get_save(lex, error);
 254     }
 255
 256     /* the actual value is at most of the same length as the source
 257        string, because:
 258          - shortcut escapes (e.g. "\t") (length 2) are converted to 1 byte
 259          - a single \uXXXX escape (length 6) is converted to at most 3 bytes
 260          - two \uXXXX escapes (length 12) forming an UTF-16 surrogate pair
 261            are converted to 4 bytes
 262     */
 263     lex->value.string = malloc(lex->saved_text.length + 1);
 264     if(!lex->value.string) {
 265         /* this is not very nice, since TOKEN_INVALID is returned */
 266         goto out;
 267     }
 268
 269     /* the target */
 270     t = lex->value.string;
 271
 272     /* + 1 to skip the " */
 273     p = strbuffer_value(&lex->saved_text) + 1;
 274
 275     while(*p != '"') {
 276         if(*p == '\\') {
 277             p++;
 278             if(*p == 'u') {
 279                 /* TODO */
 280                 error_set(error, lex, "\\u escapes are not yet supported");
 281                 free(lex->value.string);
 282                 lex->value.string = NULL;
 283                 goto out;
 284             } else {
 285                 switch(*p) {
 286                     case '"': case '\\': case '/':
 287                         *t = *p; break;
 288                     case 'b': *t = '\b'; break;
 289                     case 'f': *t = '\f'; break;
 290                     case 'n': *t = '\n'; break;
 291                     case 'r': *t = '\r'; break;
 292                     case 't': *t = '\t'; break;
 293                     default: assert(0);
 294                 }
 295             }
 296         }
 297         else
 298             *t = *p;
 299
 300         t++;
 301         p++;
 302     }
 303     *t = '\0';
 304     lex->token = TOKEN_STRING;
 305
 306 out:
 307     return;
 308 }
 309
 310 static void lex_scan_number(lex_t *lex, char c, json_error_t *error)
 311 {
 312     const char *saved_text;
 313     char *end;
 314
 315     lex->token = TOKEN_INVALID;
 316
 317     if(c == '-')
 318         c = lex_get_save(lex, error);
 319
 320     if(c == '0') {
 321         c = lex_get_save(lex, error);
 322         if(isdigit(c)) {
 323             lex_unget_unsave(lex, c);
 324             goto out;
 325         }
 326     }
 327     else /* c != '0' */ {
 328         c = lex_get_save(lex, error);
 329         while(isdigit(c))
 330             c = lex_get_save(lex, error);
 331     }
 332
 333     if(c != '.' && c != 'E' && c != 'e') {
 334         lex_unget_unsave(lex, c);
 335         lex->token = TOKEN_INTEGER;
 336
 337         saved_text = strbuffer_value(&lex->saved_text);
 338         lex->value.integer = strtol(saved_text, &end, 10);
 339         assert(end == saved_text + lex->saved_text.length);
 340
 341         return;
 342     }
 343
 344     if(c == '.') {
 345         c = lex_get(lex, error);
 346         if(!isdigit(c))
 347             goto out;
 348         lex_save(lex, c);
 349
 350         c = lex_get_save(lex, error);
 351         while(isdigit(c))
 352             c = lex_get_save(lex, error);
 353     }
 354
 355     if(c == 'E' || c == 'e') {
 356         c = lex_get_save(lex, error);
 357         if(c == '+' || c == '-')
 358             c = lex_get_save(lex, error);
 359
 360         if(!isdigit(c)) {
 361             lex_unget_unsave(lex, c);
 362             goto out;
 363         }
 364
 365         c = lex_get_save(lex, error);
 366         while(isdigit(c))
 367             c = lex_get_save(lex, error);
 368     }
 369
 370     lex_unget_unsave(lex, c);
 371     lex->token = TOKEN_REAL;
 372
 373     saved_text = strbuffer_value(&lex->saved_text);
 374     lex->value.real = strtod(saved_text, &end);
 375     assert(end == saved_text + lex->saved_text.length);
 376
 377 out:
 378     return;
 379 }
 380
 381 static int lex_scan(lex_t *lex, json_error_t *error)
 382 {
 383     char c;
 384
 385     strbuffer_clear(&lex->saved_text);
 386
 387     if(lex->token == TOKEN_STRING) {
 388       free(lex->value.string);
 389       lex->value.string = NULL;
 390     }
 391
 392     c = lex_get(lex, error);
 393     while(c == ' ' || c == '\t' || c == '\n' || c == '\r')
 394     {
 395         if(c == '\n')
 396             lex->line++;
 397
 398         c = lex_get(lex, error);
 399     }
 400
 401     if(c == EOF) {
 402         if(lex_eof(lex))
 403             lex->token = TOKEN_EOF;
 404         else
 405             lex->token = TOKEN_INVALID;
 406         goto out;
 407     }
 408
 409     lex_save(lex, c);
 410
 411     if(c == '{' || c == '}' || c == '[' || c == ']' || c == ':' || c == ',')
 412         lex->token = c;
 413
 414     else if(c == '"')
 415         lex_scan_string(lex, error);
 416
 417     else if(isdigit(c) || c == '-')
 418         lex_scan_number(lex, c, error);
 419
 420     else if(isupper(c) || islower(c)) {
 421         /* eat up the whole identifier for clearer error messages */
 422         const char *saved_text;
 423
 424         c = lex_get_save(lex, error);
 425         while(isupper(c) || islower(c))
 426             c = lex_get_save(lex, error);
 427         lex_unget_unsave(lex, c);
 428
 429         saved_text = strbuffer_value(&lex->saved_text);
 430
 431         if(strcmp(saved_text, "true") == 0)
 432             lex->token = TOKEN_TRUE;
 433         else if(strcmp(saved_text, "false") == 0)
 434             lex->token = TOKEN_FALSE;
 435         else if(strcmp(saved_text, "null") == 0)
 436             lex->token = TOKEN_NULL;
 437         else
 438             lex->token = TOKEN_INVALID;
 439     }
 440
 441     else
 442         lex->token = TOKEN_INVALID;
 443
 444 out:
 445     return lex->token;
 446 }
 447
 448 static int lex_init(lex_t *lex, get_func get, eof_func eof, void *data)
 449 {
 450     stream_init(&lex->stream, get, eof, data);
 451     if(strbuffer_init(&lex->saved_text))
 452         return -1;
 453
 454     lex->token = TOKEN_INVALID;
 455     lex->line = 1;
 456
 457     return 0;
 458 }
 459
 460 static void lex_close(lex_t *lex)
 461 {
 462     if(lex->token == TOKEN_STRING)
 463         free(lex->value.string);
 464 }
 465
 466
 467 /*** parser ***/
 468
 469 static json_t *parse_value(lex_t *lex, json_error_t *error);
 470
 471 static json_t *parse_object(lex_t *lex, json_error_t *error)
 472 {
 473     json_t *object = json_object();
 474     if(!object)
 475         return NULL;
 476
 477     lex_scan(lex, error);
 478     if(lex->token == '}')
 479         return object;
 480
 481     while(1) {
 482         char *key;
 483         json_t *value;
 484
 485         if(lex->token != TOKEN_STRING) {
 486             error_set(error, lex, "string or '}' expected");
 487             goto error;
 488         }
 489
 490         key = strdup(lex->value.string);
 491         if(!key)
 492             return NULL;
 493
 494         lex_scan(lex, error);
 495         if(lex->token != ':') {
 496             free(key);
 497             error_set(error, lex, "':' expected");
 498             goto error;
 499         }
 500
 501         lex_scan(lex, error);
 502         value = parse_value(lex, error);
 503         if(!value) {
 504             free(key);
 505             goto error;
 506         }
 507
 508         if(json_object_set_nocheck(object, key, value)) {
 509             free(key);
 510             json_decref(value);
 511             goto error;
 512         }
 513
 514         json_decref(value);
 515         free(key);
 516
 517         lex_scan(lex, error);
 518         if(lex->token != ',')
 519             break;
 520
 521         lex_scan(lex, error);
 522     }
 523
 524     if(lex->token != '}') {
 525         error_set(error, lex, "'}' expected");
 526         goto error;
 527     }
 528
 529     return object;
 530
 531 error:
 532     json_decref(object);
 533     return NULL;
 534 }
 535
 536 static json_t *parse_array(lex_t *lex, json_error_t *error)
 537 {
 538     json_t *array = json_array();
 539     if(!array)
 540         return NULL;
 541
 542     lex_scan(lex, error);
 543     if(lex->token == ']')
 544         return array;
 545
 546     while(lex->token) {
 547         json_t *elem = parse_value(lex, error);
 548         if(!elem)
 549             goto error;
 550
 551         if(json_array_append(array, elem)) {
 552             json_decref(elem);
 553             goto error;
 554         }
 555         json_decref(elem);
 556
 557         lex_scan(lex, error);
 558         if(lex->token != ',')
 559             break;
 560
 561         lex_scan(lex, error);
 562     }
 563
 564     if(lex->token != ']') {
 565         error_set(error, lex, "']' expected");
 566         goto error;
 567     }
 568
 569     return array;
 570
 571 error:
 572     json_decref(array);
 573     return NULL;
 574 }
 575
 576 static json_t *parse_value(lex_t *lex, json_error_t *error)
 577 {
 578     json_t *json;
 579
 580     switch(lex->token) {
 581         case TOKEN_STRING: {
 582             json = json_string_nocheck(lex->value.string);
 583             break;
 584         }
 585
 586         case TOKEN_INTEGER: {
 587             json = json_integer(lex->value.integer);
 588             break;
 589         }
 590
 591         case TOKEN_REAL: {
 592             json = json_real(lex->value.real);
 593             break;
 594         }
 595
 596         case TOKEN_TRUE:
 597             json = json_true();
 598             break;
 599
 600         case TOKEN_FALSE:
 601             json = json_false();
 602             break;
 603
 604         case TOKEN_NULL:
 605             json = json_null();
 606             break;
 607
 608         case '{':
 609           json = parse_object(lex, error);
 610             break;
 611
 612         case '[':
 613             json = parse_array(lex, error);
 614             break;
 615
 616         case TOKEN_INVALID:
 617             error_set(error, lex, "invalid token");
 618             return NULL;
 619
 620         default:
 621             error_set(error, lex, "unexpected token");
 622             return NULL;
 623     }
 624
 625     if(!json)
 626         return NULL;
 627
 628     return json;
 629 }
 630
 631 json_t *parse_json(lex_t *lex, json_error_t *error)
 632 {
 633     error_init(error);
 634
 635     lex_scan(lex, error);
 636     if(lex->token != '[' && lex->token != '{') {
 637         error_set(error, lex, "'[' or '{' expected");
 638         return NULL;
 639     }
 640
 641     return parse_value(lex, error);
 642 }
 643
 644 json_t *json_load(const char *path, json_error_t *error)
 645 {
 646     json_t *result;
 647     FILE *fp;
 648
 649     fp = fopen(path, "r");
 650     if(!fp)
 651     {
 652         error_set(error, NULL, "unable to open %s: %s",
 653                   path, strerror(errno));
 654         return NULL;
 655     }
 656
 657     result = json_loadf(fp, error);
 658
 659     fclose(fp);
 660     return result;
 661 }
 662
 663 typedef struct
 664 {
 665     const char *data;
 666     int pos;
 667 } string_data_t;
 668
 669 static int string_get(void *data)
 670 {
 671     char c;
 672     string_data_t *stream = (string_data_t *)data;
 673     c = stream->data[stream->pos++];
 674     if(c == '\0')
 675         return EOF;
 676     else
 677         return c;
 678 }
 679
 680 static int string_eof(void *data)
 681 {
 682     string_data_t *stream = (string_data_t *)data;
 683     return (stream->data[stream->pos] == '\0');
 684 }
 685
 686 json_t *json_loads(const char *string, json_error_t *error)
 687 {
 688     lex_t lex;
 689     json_t *result;
 690
 691     string_data_t stream_data = {
 692         .data = string,
 693         .pos = 0
 694     };
 695
 696     if(lex_init(&lex, string_get, string_eof, (void *)&stream_data))
 697         return NULL;
 698
 699     result = parse_json(&lex, error);
 700     if(!result)
 701         goto out;
 702
 703     lex_scan(&lex, error);
 704     if(lex.token != TOKEN_EOF) {
 705         error_set(error, &lex, "end of file expected");
 706         json_decref(result);
 707         result = NULL;
 708     }
 709
 710 out:
 711     lex_close(&lex);
 712     return result;
 713 }
 714
 715 json_t *json_loadf(FILE *input, json_error_t *error)
 716 {
 717     lex_t lex;
 718     json_t *result;
 719
 720     if(lex_init(&lex, (get_func)fgetc, (eof_func)feof, input))
 721         return NULL;
 722
 723     result = parse_json(&lex, error);
 724
 725     lex_close(&lex);
 726     return result;
 727 }