Add mbverifystr() functions specific to each encoding.
authorHeikki Linnakangas <[email protected]>
Thu, 28 Jan 2021 12:40:07 +0000 (14:40 +0200)
committerHeikki Linnakangas <[email protected]>
Thu, 28 Jan 2021 12:40:07 +0000 (14:40 +0200)
This makes pg_verify_mbstr() function faster, by allowing more efficient
encoding-specific implementations. All the implementations included in
this commit are pretty naive, they just call the same encoding-specific
verifychar functions that were used previously, but that already gives a
performance boost because the tight character-at-a-time loop is simpler.

Reviewed-by: John Naylor
Discussion: https://www.postgresql.org/message-id/e7861509-3960-538a-9025-b75a61188e01@iki.fi

src/backend/commands/extension.c
src/backend/utils/mb/conv.c
src/backend/utils/mb/conversion_procs/euc2004_sjis2004/euc2004_sjis2004.c
src/backend/utils/mb/conversion_procs/euc_jp_and_sjis/euc_jp_and_sjis.c
src/backend/utils/mb/conversion_procs/euc_kr_and_mic/euc_kr_and_mic.c
src/backend/utils/mb/conversion_procs/euc_tw_and_big5/euc_tw_and_big5.c
src/backend/utils/mb/mbutils.c
src/common/wchar.c
src/include/mb/pg_wchar.h

index bac7a9e9b9a2d544a17b7717c2f9b6c805380d10..19db329fe6f082be3b2fe0e8c536a71d76aa5a03 100644 (file)
@@ -682,7 +682,7 @@ read_extension_script_file(const ExtensionControlFile *control,
        src_encoding = control->encoding;
 
    /* make sure that source string is valid in the expected encoding */
-   pg_verify_mbstr_len(src_encoding, src_str, len, false);
+   (void) pg_verify_mbstr(src_encoding, src_str, len, false);
 
    /*
     * Convert the encoding to the database encoding. read_whole_file
index f204f2abf463bc4293a8b1bdc4ba187c4f18d6c9..a07b54bd3b85cd24245f750e537a6c745c4b7ef8 100644 (file)
@@ -653,7 +653,7 @@ LocalToUtf(const unsigned char *iso, int len,
            continue;
        }
 
-       l = pg_encoding_verifymb(encoding, (const char *) iso, len);
+       l = pg_encoding_verifymbchar(encoding, (const char *) iso, len);
        if (l < 0)
            break;
 
index 138ae4635fe8e74312714fae263703ebc89f697f..4d7fb116cfdbf1542e7bea358dfbb947218fa494 100644 (file)
@@ -87,7 +87,7 @@ euc_jis_20042shift_jis_2004(const unsigned char *euc, unsigned char *p, int len)
            continue;
        }
 
-       l = pg_encoding_verifymb(PG_EUC_JIS_2004, (const char *) euc, len);
+       l = pg_encoding_verifymbchar(PG_EUC_JIS_2004, (const char *) euc, len);
 
        if (l < 0)
            report_invalid_encoding(PG_EUC_JIS_2004,
@@ -238,7 +238,7 @@ shift_jis_20042euc_jis_2004(const unsigned char *sjis, unsigned char *p, int len
            continue;
        }
 
-       l = pg_encoding_verifymb(PG_SHIFT_JIS_2004, (const char *) sjis, len);
+       l = pg_encoding_verifymbchar(PG_SHIFT_JIS_2004, (const char *) sjis, len);
 
        if (l < 0 || l > len)
            report_invalid_encoding(PG_SHIFT_JIS_2004,
index e90363b7bfa1a63f35ca0b338e8192d051b6b4e0..5059f917a982829b26159e4091edce17fc02d51a 100644 (file)
@@ -291,7 +291,7 @@ mic2sjis(const unsigned char *mic, unsigned char *p, int len)
            len--;
            continue;
        }
-       l = pg_encoding_verifymb(PG_MULE_INTERNAL, (const char *) mic, len);
+       l = pg_encoding_verifymbchar(PG_MULE_INTERNAL, (const char *) mic, len);
        if (l < 0)
            report_invalid_encoding(PG_MULE_INTERNAL,
                                    (const char *) mic, len);
@@ -381,7 +381,7 @@ euc_jp2mic(const unsigned char *euc, unsigned char *p, int len)
            len--;
            continue;
        }
-       l = pg_encoding_verifymb(PG_EUC_JP, (const char *) euc, len);
+       l = pg_encoding_verifymbchar(PG_EUC_JP, (const char *) euc, len);
        if (l < 0)
            report_invalid_encoding(PG_EUC_JP,
                                    (const char *) euc, len);
@@ -431,7 +431,7 @@ mic2euc_jp(const unsigned char *mic, unsigned char *p, int len)
            len--;
            continue;
        }
-       l = pg_encoding_verifymb(PG_MULE_INTERNAL, (const char *) mic, len);
+       l = pg_encoding_verifymbchar(PG_MULE_INTERNAL, (const char *) mic, len);
        if (l < 0)
            report_invalid_encoding(PG_MULE_INTERNAL,
                                    (const char *) mic, len);
@@ -485,7 +485,7 @@ euc_jp2sjis(const unsigned char *euc, unsigned char *p, int len)
            len--;
            continue;
        }
-       l = pg_encoding_verifymb(PG_EUC_JP, (const char *) euc, len);
+       l = pg_encoding_verifymbchar(PG_EUC_JP, (const char *) euc, len);
        if (l < 0)
            report_invalid_encoding(PG_EUC_JP,
                                    (const char *) euc, len);
@@ -580,7 +580,7 @@ sjis2euc_jp(const unsigned char *sjis, unsigned char *p, int len)
            len--;
            continue;
        }
-       l = pg_encoding_verifymb(PG_SJIS, (const char *) sjis, len);
+       l = pg_encoding_verifymbchar(PG_SJIS, (const char *) sjis, len);
        if (l < 0)
            report_invalid_encoding(PG_SJIS,
                                    (const char *) sjis, len);
index d868a1ef3910d3a03ad1e515b6697ce3b791ee9c..ac823d6c270183269714c28f719f56d63efdf8df 100644 (file)
@@ -76,7 +76,7 @@ euc_kr2mic(const unsigned char *euc, unsigned char *p, int len)
        c1 = *euc;
        if (IS_HIGHBIT_SET(c1))
        {
-           l = pg_encoding_verifymb(PG_EUC_KR, (const char *) euc, len);
+           l = pg_encoding_verifymbchar(PG_EUC_KR, (const char *) euc, len);
            if (l != 2)
                report_invalid_encoding(PG_EUC_KR,
                                        (const char *) euc, len);
@@ -122,7 +122,7 @@ mic2euc_kr(const unsigned char *mic, unsigned char *p, int len)
            len--;
            continue;
        }
-       l = pg_encoding_verifymb(PG_MULE_INTERNAL, (const char *) mic, len);
+       l = pg_encoding_verifymbchar(PG_MULE_INTERNAL, (const char *) mic, len);
        if (l < 0)
            report_invalid_encoding(PG_MULE_INTERNAL,
                                    (const char *) mic, len);
index 64455a5d9eb4f1ea970403822116cb4c02293763..db9deb653ba68e0874733fc9fdd83ef0e1b36a11 100644 (file)
@@ -148,7 +148,7 @@ euc_tw2mic(const unsigned char *euc, unsigned char *p, int len)
        c1 = *euc;
        if (IS_HIGHBIT_SET(c1))
        {
-           l = pg_encoding_verifymb(PG_EUC_TW, (const char *) euc, len);
+           l = pg_encoding_verifymbchar(PG_EUC_TW, (const char *) euc, len);
            if (l < 0)
                report_invalid_encoding(PG_EUC_TW,
                                        (const char *) euc, len);
@@ -213,7 +213,7 @@ mic2euc_tw(const unsigned char *mic, unsigned char *p, int len)
            len--;
            continue;
        }
-       l = pg_encoding_verifymb(PG_MULE_INTERNAL, (const char *) mic, len);
+       l = pg_encoding_verifymbchar(PG_MULE_INTERNAL, (const char *) mic, len);
        if (l < 0)
            report_invalid_encoding(PG_MULE_INTERNAL,
                                    (const char *) mic, len);
@@ -272,7 +272,7 @@ big52mic(const unsigned char *big5, unsigned char *p, int len)
            len--;
            continue;
        }
-       l = pg_encoding_verifymb(PG_BIG5, (const char *) big5, len);
+       l = pg_encoding_verifymbchar(PG_BIG5, (const char *) big5, len);
        if (l < 0)
            report_invalid_encoding(PG_BIG5,
                                    (const char *) big5, len);
@@ -321,7 +321,7 @@ mic2big5(const unsigned char *mic, unsigned char *p, int len)
            len--;
            continue;
        }
-       l = pg_encoding_verifymb(PG_MULE_INTERNAL, (const char *) mic, len);
+       l = pg_encoding_verifymbchar(PG_MULE_INTERNAL, (const char *) mic, len);
        if (l < 0)
            report_invalid_encoding(PG_MULE_INTERNAL,
                                    (const char *) mic, len);
index 3b7b13f9486a0ad356d9a0b81ea06d6c975b87a6..2578573b0ab13bceb23509f09059b0e5054e58f5 100644 (file)
@@ -519,7 +519,7 @@ pg_convert(PG_FUNCTION_ARGS)
    /* make sure that source string is valid */
    len = VARSIZE_ANY_EXHDR(string);
    src_str = VARDATA_ANY(string);
-   pg_verify_mbstr_len(src_encoding, src_str, len, false);
+   (void) pg_verify_mbstr(src_encoding, src_str, len, false);
 
    /* perform conversion */
    dest_str = (char *) pg_do_encoding_conversion((unsigned char *) unconstify(char *, src_str),
@@ -1215,10 +1215,10 @@ static bool
 pg_generic_charinc(unsigned char *charptr, int len)
 {
    unsigned char *lastbyte = charptr + len - 1;
-   mbverifier  mbverify;
+   mbchar_verifier mbverify;
 
    /* We can just invoke the character verifier directly. */
-   mbverify = pg_wchar_table[GetDatabaseEncoding()].mbverify;
+   mbverify = pg_wchar_table[GetDatabaseEncoding()].mbverifychar;
 
    while (*lastbyte < (unsigned char) 255)
    {
@@ -1445,8 +1445,7 @@ pg_database_encoding_max_length(void)
 bool
 pg_verifymbstr(const char *mbstr, int len, bool noError)
 {
-   return
-       pg_verify_mbstr_len(GetDatabaseEncoding(), mbstr, len, noError) >= 0;
+   return pg_verify_mbstr(GetDatabaseEncoding(), mbstr, len, noError);
 }
 
 /*
@@ -1456,7 +1455,18 @@ pg_verifymbstr(const char *mbstr, int len, bool noError)
 bool
 pg_verify_mbstr(int encoding, const char *mbstr, int len, bool noError)
 {
-   return pg_verify_mbstr_len(encoding, mbstr, len, noError) >= 0;
+   int         oklen;
+
+   Assert(PG_VALID_ENCODING(encoding));
+
+   oklen = pg_wchar_table[encoding].mbverifystr((const unsigned char *) mbstr, len);
+   if (oklen != len)
+   {
+       if (noError)
+           return false;
+       report_invalid_encoding(encoding, mbstr + oklen, len - oklen);
+   }
+   return true;
 }
 
 /*
@@ -1469,11 +1479,14 @@ pg_verify_mbstr(int encoding, const char *mbstr, int len, bool noError)
  * If OK, return length of string in the encoding.
  * If a problem is found, return -1 when noError is
  * true; when noError is false, ereport() a descriptive message.
+ *
+ * Note: We cannot use the faster encoding-specific mbverifystr() function
+ * here, because we need to count the number of characters in the string.
  */
 int
 pg_verify_mbstr_len(int encoding, const char *mbstr, int len, bool noError)
 {
-   mbverifier  mbverify;
+   mbchar_verifier mbverifychar;
    int         mb_len;
 
    Assert(PG_VALID_ENCODING(encoding));
@@ -1493,7 +1506,7 @@ pg_verify_mbstr_len(int encoding, const char *mbstr, int len, bool noError)
    }
 
    /* fetch function pointer just once */
-   mbverify = pg_wchar_table[encoding].mbverify;
+   mbverifychar = pg_wchar_table[encoding].mbverifychar;
 
    mb_len = 0;
 
@@ -1516,7 +1529,7 @@ pg_verify_mbstr_len(int encoding, const char *mbstr, int len, bool noError)
            report_invalid_encoding(encoding, mbstr, len);
        }
 
-       l = (*mbverify) ((const unsigned char *) mbstr, len);
+       l = (*mbverifychar) ((const unsigned char *) mbstr, len);
 
        if (l < 0)
        {
index 0d6d071658d59989bf45d319f2337411f615a347..6e7d731e020fee224865cf6323f57f737176e3b7 100644 (file)
@@ -19,9 +19,9 @@
  * Operations on multi-byte encodings are driven by a table of helper
  * functions.
  *
- * To add an encoding support, define mblen(), dsplen() and verifier() for
- * the encoding.  For server-encodings, also define mb2wchar() and wchar2mb()
- * conversion functions.
+ * To add an encoding support, define mblen(), dsplen(), verifychar() and
+ * verifystr() for the encoding.  For server-encodings, also define mb2wchar()
+ * and wchar2mb() conversion functions.
  *
  * These functions generally assume that their input is validly formed.
  * The "verifier" functions, further down in the file, have to be more
@@ -1087,29 +1087,45 @@ pg_gb18030_dsplen(const unsigned char *s)
  *-------------------------------------------------------------------
  * multibyte sequence validators
  *
- * These functions accept "s", a pointer to the first byte of a string,
- * and "len", the remaining length of the string.  If there is a validly
- * encoded character beginning at *s, return its length in bytes; else
- * return -1.
+ * The verifychar functions accept "s", a pointer to the first byte of a
+ * string, and "len", the remaining length of the string.  If there is a
+ * validly encoded character beginning at *s, return its length in bytes;
+ * else return -1.
  *
- * The functions can assume that len > 0 and that *s != '\0', but they must
- * test for and reject zeroes in any additional bytes of a multibyte character.
+ * The verifystr functions also accept "s", a pointer to a string and "len",
+ * the length of the string.  They verify the whole string, and return the
+ * number of input bytes (<= len) that are valid.  In other words, if the
+ * whole string is valid, verifystr returns "len", otherwise it returns the
+ * byte offset of the first invalid character.  The verifystr functions must
+ * test for and reject zeroes in the input.
  *
- * Note that this definition allows the function for a single-byte
- * encoding to be just "return 1".
+ * The verifychar functions can assume that len > 0 and that *s != '\0', but
+ * they must test for and reject zeroes in any additional bytes of a
+ * multibyte character.  Note that this definition allows the function for a
+ * single-byte encoding to be just "return 1".
  *-------------------------------------------------------------------
  */
-
 static int
-pg_ascii_verifier(const unsigned char *s, int len)
+pg_ascii_verifychar(const unsigned char *s, int len)
 {
    return 1;
 }
 
+static int
+pg_ascii_verifystr(const unsigned char *s, int len)
+{
+   const unsigned char *nullpos = memchr(s, 0, len);
+
+   if (nullpos == NULL)
+       return len;
+   else
+       return nullpos - s;
+}
+
 #define IS_EUC_RANGE_VALID(c)  ((c) >= 0xa1 && (c) <= 0xfe)
 
 static int
-pg_eucjp_verifier(const unsigned char *s, int len)
+pg_eucjp_verifychar(const unsigned char *s, int len)
 {
    int         l;
    unsigned char c1,
@@ -1164,7 +1180,36 @@ pg_eucjp_verifier(const unsigned char *s, int len)
 }
 
 static int
-pg_euckr_verifier(const unsigned char *s, int len)
+pg_eucjp_verifystr(const unsigned char *s, int len)
+{
+   const unsigned char *start = s;
+
+   while (len > 0)
+   {
+       int         l;
+
+       /* fast path for ASCII-subset characters */
+       if (!IS_HIGHBIT_SET(*s))
+       {
+           if (*s == '\0')
+               break;
+           l = 1;
+       }
+       else
+       {
+           l = pg_eucjp_verifychar(s, len);
+           if (l == -1)
+               break;
+       }
+       s += l;
+       len -= l;
+   }
+
+   return s - start;
+}
+
+static int
+pg_euckr_verifychar(const unsigned char *s, int len)
 {
    int         l;
    unsigned char c1,
@@ -1192,11 +1237,41 @@ pg_euckr_verifier(const unsigned char *s, int len)
    return l;
 }
 
+static int
+pg_euckr_verifystr(const unsigned char *s, int len)
+{
+   const unsigned char *start = s;
+
+   while (len > 0)
+   {
+       int         l;
+
+       /* fast path for ASCII-subset characters */
+       if (!IS_HIGHBIT_SET(*s))
+       {
+           if (*s == '\0')
+               break;
+           l = 1;
+       }
+       else
+       {
+           l = pg_euckr_verifychar(s, len);
+           if (l == -1)
+               break;
+       }
+       s += l;
+       len -= l;
+   }
+
+   return s - start;
+}
+
 /* EUC-CN byte sequences are exactly same as EUC-KR */
-#define pg_euccn_verifier  pg_euckr_verifier
+#define pg_euccn_verifychar    pg_euckr_verifychar
+#define pg_euccn_verifystr pg_euckr_verifystr
 
 static int
-pg_euctw_verifier(const unsigned char *s, int len)
+pg_euctw_verifychar(const unsigned char *s, int len)
 {
    int         l;
    unsigned char c1,
@@ -1246,7 +1321,36 @@ pg_euctw_verifier(const unsigned char *s, int len)
 }
 
 static int
-pg_johab_verifier(const unsigned char *s, int len)
+pg_euctw_verifystr(const unsigned char *s, int len)
+{
+   const unsigned char *start = s;
+
+   while (len > 0)
+   {
+       int         l;
+
+       /* fast path for ASCII-subset characters */
+       if (!IS_HIGHBIT_SET(*s))
+       {
+           if (*s == '\0')
+               break;
+           l = 1;
+       }
+       else
+       {
+           l = pg_euctw_verifychar(s, len);
+           if (l == -1)
+               break;
+       }
+       s += l;
+       len -= l;
+   }
+
+   return s - start;
+}
+
+static int
+pg_johab_verifychar(const unsigned char *s, int len)
 {
    int         l,
                mbl;
@@ -1270,7 +1374,36 @@ pg_johab_verifier(const unsigned char *s, int len)
 }
 
 static int
-pg_mule_verifier(const unsigned char *s, int len)
+pg_johab_verifystr(const unsigned char *s, int len)
+{
+   const unsigned char *start = s;
+
+   while (len > 0)
+   {
+       int         l;
+
+       /* fast path for ASCII-subset characters */
+       if (!IS_HIGHBIT_SET(*s))
+       {
+           if (*s == '\0')
+               break;
+           l = 1;
+       }
+       else
+       {
+           l = pg_johab_verifychar(s, len);
+           if (l == -1)
+               break;
+       }
+       s += l;
+       len -= l;
+   }
+
+   return s - start;
+}
+
+static int
+pg_mule_verifychar(const unsigned char *s, int len)
 {
    int         l,
                mbl;
@@ -1291,13 +1424,53 @@ pg_mule_verifier(const unsigned char *s, int len)
 }
 
 static int
-pg_latin1_verifier(const unsigned char *s, int len)
+pg_mule_verifystr(const unsigned char *s, int len)
+{
+   const unsigned char *start = s;
+
+   while (len > 0)
+   {
+       int         l;
+
+       /* fast path for ASCII-subset characters */
+       if (!IS_HIGHBIT_SET(*s))
+       {
+           if (*s == '\0')
+               break;
+           l = 1;
+       }
+       else
+       {
+           l = pg_mule_verifychar(s, len);
+           if (l == -1)
+               break;
+       }
+       s += l;
+       len -= l;
+   }
+
+   return s - start;
+}
+
+static int
+pg_latin1_verifychar(const unsigned char *s, int len)
 {
    return 1;
 }
 
 static int
-pg_sjis_verifier(const unsigned char *s, int len)
+pg_latin1_verifystr(const unsigned char *s, int len)
+{
+   const unsigned char *nullpos = memchr(s, 0, len);
+
+   if (nullpos == NULL)
+       return len;
+   else
+       return nullpos - s;
+}
+
+static int
+pg_sjis_verifychar(const unsigned char *s, int len)
 {
    int         l,
                mbl;
@@ -1320,7 +1493,36 @@ pg_sjis_verifier(const unsigned char *s, int len)
 }
 
 static int
-pg_big5_verifier(const unsigned char *s, int len)
+pg_sjis_verifystr(const unsigned char *s, int len)
+{
+   const unsigned char *start = s;
+
+   while (len > 0)
+   {
+       int         l;
+
+       /* fast path for ASCII-subset characters */
+       if (!IS_HIGHBIT_SET(*s))
+       {
+           if (*s == '\0')
+               break;
+           l = 1;
+       }
+       else
+       {
+           l = pg_sjis_verifychar(s, len);
+           if (l == -1)
+               break;
+       }
+       s += l;
+       len -= l;
+   }
+
+   return s - start;
+}
+
+static int
+pg_big5_verifychar(const unsigned char *s, int len)
 {
    int         l,
                mbl;
@@ -1340,7 +1542,36 @@ pg_big5_verifier(const unsigned char *s, int len)
 }
 
 static int
-pg_gbk_verifier(const unsigned char *s, int len)
+pg_big5_verifystr(const unsigned char *s, int len)
+{
+   const unsigned char *start = s;
+
+   while (len > 0)
+   {
+       int         l;
+
+       /* fast path for ASCII-subset characters */
+       if (!IS_HIGHBIT_SET(*s))
+       {
+           if (*s == '\0')
+               break;
+           l = 1;
+       }
+       else
+       {
+           l = pg_big5_verifychar(s, len);
+           if (l == -1)
+               break;
+       }
+       s += l;
+       len -= l;
+   }
+
+   return s - start;
+}
+
+static int
+pg_gbk_verifychar(const unsigned char *s, int len)
 {
    int         l,
                mbl;
@@ -1360,7 +1591,36 @@ pg_gbk_verifier(const unsigned char *s, int len)
 }
 
 static int
-pg_uhc_verifier(const unsigned char *s, int len)
+pg_gbk_verifystr(const unsigned char *s, int len)
+{
+   const unsigned char *start = s;
+
+   while (len > 0)
+   {
+       int         l;
+
+       /* fast path for ASCII-subset characters */
+       if (!IS_HIGHBIT_SET(*s))
+       {
+           if (*s == '\0')
+               break;
+           l = 1;
+       }
+       else
+       {
+           l = pg_gbk_verifychar(s, len);
+           if (l == -1)
+               break;
+       }
+       s += l;
+       len -= l;
+   }
+
+   return s - start;
+}
+
+static int
+pg_uhc_verifychar(const unsigned char *s, int len)
 {
    int         l,
                mbl;
@@ -1380,7 +1640,36 @@ pg_uhc_verifier(const unsigned char *s, int len)
 }
 
 static int
-pg_gb18030_verifier(const unsigned char *s, int len)
+pg_uhc_verifystr(const unsigned char *s, int len)
+{
+   const unsigned char *start = s;
+
+   while (len > 0)
+   {
+       int         l;
+
+       /* fast path for ASCII-subset characters */
+       if (!IS_HIGHBIT_SET(*s))
+       {
+           if (*s == '\0')
+               break;
+           l = 1;
+       }
+       else
+       {
+           l = pg_uhc_verifychar(s, len);
+           if (l == -1)
+               break;
+       }
+       s += l;
+       len -= l;
+   }
+
+   return s - start;
+}
+
+static int
+pg_gb18030_verifychar(const unsigned char *s, int len)
 {
    int         l;
 
@@ -1411,11 +1700,55 @@ pg_gb18030_verifier(const unsigned char *s, int len)
 }
 
 static int
-pg_utf8_verifier(const unsigned char *s, int len)
+pg_gb18030_verifystr(const unsigned char *s, int len)
 {
-   int         l = pg_utf_mblen(s);
+   const unsigned char *start = s;
 
-   if (len < l)
+   while (len > 0)
+   {
+       int         l;
+
+       /* fast path for ASCII-subset characters */
+       if (!IS_HIGHBIT_SET(*s))
+       {
+           if (*s == '\0')
+               break;
+           l = 1;
+       }
+       else
+       {
+           l = pg_gb18030_verifychar(s, len);
+           if (l == -1)
+               break;
+       }
+       s += l;
+       len -= l;
+   }
+
+   return s - start;
+}
+
+static int
+pg_utf8_verifychar(const unsigned char *s, int len)
+{
+   int         l;
+
+   if ((*s & 0x80) == 0)
+   {
+       if (*s == '\0')
+           return -1;
+       return 1;
+   }
+   else if ((*s & 0xe0) == 0xc0)
+       l = 2;
+   else if ((*s & 0xf0) == 0xe0)
+       l = 3;
+   else if ((*s & 0xf8) == 0xf0)
+       l = 4;
+   else
+       l = 1;
+
+   if (l > len)
        return -1;
 
    if (!pg_utf8_islegal(s, l))
@@ -1424,6 +1757,35 @@ pg_utf8_verifier(const unsigned char *s, int len)
    return l;
 }
 
+static int
+pg_utf8_verifystr(const unsigned char *s, int len)
+{
+   const unsigned char *start = s;
+
+   while (len > 0)
+   {
+       int         l;
+
+       /* fast path for ASCII-subset characters */
+       if (!IS_HIGHBIT_SET(*s))
+       {
+           if (*s == '\0')
+               break;
+           l = 1;
+       }
+       else
+       {
+           l = pg_utf8_verifychar(s, len);
+           if (l == -1)
+               break;
+       }
+       s += l;
+       len -= l;
+   }
+
+   return s - start;
+}
+
 /*
  * Check for validity of a single UTF-8 encoded character
  *
@@ -1503,48 +1865,48 @@ pg_utf8_islegal(const unsigned char *source, int length)
  *-------------------------------------------------------------------
  */
 const pg_wchar_tbl pg_wchar_table[] = {
-   {pg_ascii2wchar_with_len, pg_wchar2single_with_len, pg_ascii_mblen, pg_ascii_dsplen, pg_ascii_verifier, 1}, /* PG_SQL_ASCII */
-   {pg_eucjp2wchar_with_len, pg_wchar2euc_with_len, pg_eucjp_mblen, pg_eucjp_dsplen, pg_eucjp_verifier, 3},    /* PG_EUC_JP */
-   {pg_euccn2wchar_with_len, pg_wchar2euc_with_len, pg_euccn_mblen, pg_euccn_dsplen, pg_euccn_verifier, 2},    /* PG_EUC_CN */
-   {pg_euckr2wchar_with_len, pg_wchar2euc_with_len, pg_euckr_mblen, pg_euckr_dsplen, pg_euckr_verifier, 3},    /* PG_EUC_KR */
-   {pg_euctw2wchar_with_len, pg_wchar2euc_with_len, pg_euctw_mblen, pg_euctw_dsplen, pg_euctw_verifier, 4},    /* PG_EUC_TW */
-   {pg_eucjp2wchar_with_len, pg_wchar2euc_with_len, pg_eucjp_mblen, pg_eucjp_dsplen, pg_eucjp_verifier, 3},    /* PG_EUC_JIS_2004 */
-   {pg_utf2wchar_with_len, pg_wchar2utf_with_len, pg_utf_mblen, pg_utf_dsplen, pg_utf8_verifier, 4},   /* PG_UTF8 */
-   {pg_mule2wchar_with_len, pg_wchar2mule_with_len, pg_mule_mblen, pg_mule_dsplen, pg_mule_verifier, 4},   /* PG_MULE_INTERNAL */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* PG_LATIN1 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* PG_LATIN2 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* PG_LATIN3 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* PG_LATIN4 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* PG_LATIN5 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* PG_LATIN6 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* PG_LATIN7 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* PG_LATIN8 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* PG_LATIN9 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* PG_LATIN10 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* PG_WIN1256 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* PG_WIN1258 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* PG_WIN866 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* PG_WIN874 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* PG_KOI8R */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* PG_WIN1251 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* PG_WIN1252 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* ISO-8859-5 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* ISO-8859-6 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* ISO-8859-7 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* ISO-8859-8 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* PG_WIN1250 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* PG_WIN1253 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* PG_WIN1254 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* PG_WIN1255 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* PG_WIN1257 */
-   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifier, 1}, /* PG_KOI8U */
-   {0, 0, pg_sjis_mblen, pg_sjis_dsplen, pg_sjis_verifier, 2}, /* PG_SJIS */
-   {0, 0, pg_big5_mblen, pg_big5_dsplen, pg_big5_verifier, 2}, /* PG_BIG5 */
-   {0, 0, pg_gbk_mblen, pg_gbk_dsplen, pg_gbk_verifier, 2},    /* PG_GBK */
-   {0, 0, pg_uhc_mblen, pg_uhc_dsplen, pg_uhc_verifier, 2},    /* PG_UHC */
-   {0, 0, pg_gb18030_mblen, pg_gb18030_dsplen, pg_gb18030_verifier, 4},    /* PG_GB18030 */
-   {0, 0, pg_johab_mblen, pg_johab_dsplen, pg_johab_verifier, 3},  /* PG_JOHAB */
-   {0, 0, pg_sjis_mblen, pg_sjis_dsplen, pg_sjis_verifier, 2}  /* PG_SHIFT_JIS_2004 */
+   {pg_ascii2wchar_with_len, pg_wchar2single_with_len, pg_ascii_mblen, pg_ascii_dsplen, pg_ascii_verifychar, pg_ascii_verifystr, 1},   /* PG_SQL_ASCII */
+   {pg_eucjp2wchar_with_len, pg_wchar2euc_with_len, pg_eucjp_mblen, pg_eucjp_dsplen, pg_eucjp_verifychar, pg_eucjp_verifystr, 3},  /* PG_EUC_JP */
+   {pg_euccn2wchar_with_len, pg_wchar2euc_with_len, pg_euccn_mblen, pg_euccn_dsplen, pg_euccn_verifychar, pg_euccn_verifystr, 2},  /* PG_EUC_CN */
+   {pg_euckr2wchar_with_len, pg_wchar2euc_with_len, pg_euckr_mblen, pg_euckr_dsplen, pg_euckr_verifychar, pg_euckr_verifystr, 3},  /* PG_EUC_KR */
+   {pg_euctw2wchar_with_len, pg_wchar2euc_with_len, pg_euctw_mblen, pg_euctw_dsplen, pg_euctw_verifychar, pg_euctw_verifystr, 4},  /* PG_EUC_TW */
+   {pg_eucjp2wchar_with_len, pg_wchar2euc_with_len, pg_eucjp_mblen, pg_eucjp_dsplen, pg_eucjp_verifychar, pg_eucjp_verifystr, 3},  /* PG_EUC_JIS_2004 */
+   {pg_utf2wchar_with_len, pg_wchar2utf_with_len, pg_utf_mblen, pg_utf_dsplen, pg_utf8_verifychar, pg_utf8_verifystr, 4},  /* PG_UTF8 */
+   {pg_mule2wchar_with_len, pg_wchar2mule_with_len, pg_mule_mblen, pg_mule_dsplen, pg_mule_verifychar, pg_mule_verifystr, 4},  /* PG_MULE_INTERNAL */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* PG_LATIN1 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* PG_LATIN2 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* PG_LATIN3 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* PG_LATIN4 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* PG_LATIN5 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* PG_LATIN6 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* PG_LATIN7 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* PG_LATIN8 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* PG_LATIN9 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* PG_LATIN10 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* PG_WIN1256 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* PG_WIN1258 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* PG_WIN866 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* PG_WIN874 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* PG_KOI8R */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* PG_WIN1251 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* PG_WIN1252 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* ISO-8859-5 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* ISO-8859-6 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* ISO-8859-7 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* ISO-8859-8 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* PG_WIN1250 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* PG_WIN1253 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* PG_WIN1254 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* PG_WIN1255 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* PG_WIN1257 */
+   {pg_latin12wchar_with_len, pg_wchar2single_with_len, pg_latin1_mblen, pg_latin1_dsplen, pg_latin1_verifychar, pg_latin1_verifystr, 1},  /* PG_KOI8U */
+   {0, 0, pg_sjis_mblen, pg_sjis_dsplen, pg_sjis_verifychar, pg_sjis_verifystr, 2},    /* PG_SJIS */
+   {0, 0, pg_big5_mblen, pg_big5_dsplen, pg_big5_verifychar, pg_big5_verifystr, 2},    /* PG_BIG5 */
+   {0, 0, pg_gbk_mblen, pg_gbk_dsplen, pg_gbk_verifychar, pg_gbk_verifystr, 2},    /* PG_GBK */
+   {0, 0, pg_uhc_mblen, pg_uhc_dsplen, pg_uhc_verifychar, pg_uhc_verifystr, 2},    /* PG_UHC */
+   {0, 0, pg_gb18030_mblen, pg_gb18030_dsplen, pg_gb18030_verifychar, pg_gb18030_verifystr, 4},    /* PG_GB18030 */
+   {0, 0, pg_johab_mblen, pg_johab_dsplen, pg_johab_verifychar, pg_johab_verifystr, 3},    /* PG_JOHAB */
+   {0, 0, pg_sjis_mblen, pg_sjis_dsplen, pg_sjis_verifychar, pg_sjis_verifystr, 2} /* PG_SHIFT_JIS_2004 */
 };
 
 /*
@@ -1572,14 +1934,27 @@ pg_encoding_dsplen(int encoding, const char *mbstr)
 /*
  * Verify the first multibyte character of the given string.
  * Return its byte length if good, -1 if bad.  (See comments above for
- * full details of the mbverify API.)
+ * full details of the mbverifychar API.)
+ */
+int
+pg_encoding_verifymbchar(int encoding, const char *mbstr, int len)
+{
+   return (PG_VALID_ENCODING(encoding) ?
+           pg_wchar_table[encoding].mbverifychar((const unsigned char *) mbstr, len) :
+           pg_wchar_table[PG_SQL_ASCII].mbverifychar((const unsigned char *) mbstr, len));
+}
+
+/*
+ * Verify that a string is valid for the given encoding.
+ * Returns the number of input bytes (<= len) that form a valid string.
+ * (See comments above for full details of the mbverifystr API.)
  */
 int
-pg_encoding_verifymb(int encoding, const char *mbstr, int len)
+pg_encoding_verifymbstr(int encoding, const char *mbstr, int len)
 {
    return (PG_VALID_ENCODING(encoding) ?
-           pg_wchar_table[encoding].mbverify((const unsigned char *) mbstr, len) :
-           pg_wchar_table[PG_SQL_ASCII].mbverify((const unsigned char *) mbstr, len));
+           pg_wchar_table[encoding].mbverifystr((const unsigned char *) mbstr, len) :
+           pg_wchar_table[PG_SQL_ASCII].mbverifystr((const unsigned char *) mbstr, len));
 }
 
 /*
index 9fc5e6759578874647c9a88f05cf36c6e05b565a..64b22e4b0d461c57fd2014dd6a0fb4a64694b17f 100644 (file)
@@ -371,7 +371,9 @@ typedef int (*mbdisplaylen_converter) (const unsigned char *mbstr);
 
 typedef bool (*mbcharacter_incrementer) (unsigned char *mbstr, int len);
 
-typedef int (*mbverifier) (const unsigned char *mbstr, int len);
+typedef int (*mbchar_verifier) (const unsigned char *mbstr, int len);
+
+typedef int (*mbstr_verifier) (const unsigned char *mbstr, int len);
 
 typedef struct
 {
@@ -381,7 +383,8 @@ typedef struct
                                                     * to a multibyte */
    mblen_converter mblen;      /* get byte length of a char */
    mbdisplaylen_converter dsplen;  /* get display width of a char */
-   mbverifier  mbverify;       /* verify multibyte sequence */
+   mbchar_verifier mbverifychar;   /* verify multibyte character */
+   mbstr_verifier mbverifystr; /* verify multibyte string */
    int         maxmblen;       /* max bytes for a char in this encoding */
 } pg_wchar_tbl;
 
@@ -554,7 +557,8 @@ extern int  pg_valid_server_encoding_id(int encoding);
  */
 extern int pg_encoding_mblen(int encoding, const char *mbstr);
 extern int pg_encoding_dsplen(int encoding, const char *mbstr);
-extern int pg_encoding_verifymb(int encoding, const char *mbstr, int len);
+extern int pg_encoding_verifymbchar(int encoding, const char *mbstr, int len);
+extern int pg_encoding_verifymbstr(int encoding, const char *mbstr, int len);
 extern int pg_encoding_max_length(int encoding);
 extern int pg_valid_client_encoding(const char *name);
 extern int pg_valid_server_encoding(const char *name);