/ Hex Artifact Content
Login

Artifact 49e36e6ba59f79e6bd6a8bfe434570fe48d20559:


0000: 2f 2a 0a 2a 2a 20 32 30 31 32 20 4d 61 79 20 32  /*.** 2012 May 2
0010: 34 0a 2a 2a 0a 2a 2a 20 54 68 65 20 61 75 74 68  4.**.** The auth
0020: 6f 72 20 64 69 73 63 6c 61 69 6d 73 20 63 6f 70  or disclaims cop
0030: 79 72 69 67 68 74 20 74 6f 20 74 68 69 73 20 73  yright to this s
0040: 6f 75 72 63 65 20 63 6f 64 65 2e 20 20 49 6e 20  ource code.  In 
0050: 70 6c 61 63 65 20 6f 66 0a 2a 2a 20 61 20 6c 65  place of.** a le
0060: 67 61 6c 20 6e 6f 74 69 63 65 2c 20 68 65 72 65  gal notice, here
0070: 20 69 73 20 61 20 62 6c 65 73 73 69 6e 67 3a 0a   is a blessing:.
0080: 2a 2a 0a 2a 2a 20 20 20 20 4d 61 79 20 79 6f 75  **.**    May you
0090: 20 64 6f 20 67 6f 6f 64 20 61 6e 64 20 6e 6f 74   do good and not
00a0: 20 65 76 69 6c 2e 0a 2a 2a 20 20 20 20 4d 61 79   evil..**    May
00b0: 20 79 6f 75 20 66 69 6e 64 20 66 6f 72 67 69 76   you find forgiv
00c0: 65 6e 65 73 73 20 66 6f 72 20 79 6f 75 72 73 65  eness for yourse
00d0: 6c 66 20 61 6e 64 20 66 6f 72 67 69 76 65 20 6f  lf and forgive o
00e0: 74 68 65 72 73 2e 0a 2a 2a 20 20 20 20 4d 61 79  thers..**    May
00f0: 20 79 6f 75 20 73 68 61 72 65 20 66 72 65 65 6c   you share freel
0100: 79 2c 20 6e 65 76 65 72 20 74 61 6b 69 6e 67 20  y, never taking 
0110: 6d 6f 72 65 20 74 68 61 6e 20 79 6f 75 20 67 69  more than you gi
0120: 76 65 2e 0a 2a 2a 0a 2a 2a 2a 2a 2a 2a 2a 2a 2a  ve..**.*********
0130: 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a  ****************
0140: 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a  ****************
0150: 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a  ****************
0160: 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a 2a  ****************
0170: 2a 2a 2a 2a 2a 0a 2a 2a 0a 2a 2a 20 49 6d 70 6c  *****.**.** Impl
0180: 65 6d 65 6e 74 61 74 69 6f 6e 20 6f 66 20 74 68  ementation of th
0190: 65 20 22 75 6e 69 63 6f 64 65 22 20 66 75 6c 6c  e "unicode" full
01a0: 2d 74 65 78 74 2d 73 65 61 72 63 68 20 74 6f 6b  -text-search tok
01b0: 65 6e 69 7a 65 72 2e 0a 2a 2f 0a 0a 23 69 66 64  enizer..*/..#ifd
01c0: 65 66 20 53 51 4c 49 54 45 5f 45 4e 41 42 4c 45  ef SQLITE_ENABLE
01d0: 5f 46 54 53 34 5f 55 4e 49 43 4f 44 45 36 31 0a  _FTS4_UNICODE61.
01e0: 0a 23 69 6e 63 6c 75 64 65 20 22 66 74 73 33 49  .#include "fts3I
01f0: 6e 74 2e 68 22 0a 23 69 66 20 21 64 65 66 69 6e  nt.h".#if !defin
0200: 65 64 28 53 51 4c 49 54 45 5f 43 4f 52 45 29 20  ed(SQLITE_CORE) 
0210: 7c 7c 20 64 65 66 69 6e 65 64 28 53 51 4c 49 54  || defined(SQLIT
0220: 45 5f 45 4e 41 42 4c 45 5f 46 54 53 33 29 0a 0a  E_ENABLE_FTS3)..
0230: 23 69 6e 63 6c 75 64 65 20 3c 61 73 73 65 72 74  #include <assert
0240: 2e 68 3e 0a 23 69 6e 63 6c 75 64 65 20 3c 73 74  .h>.#include <st
0250: 64 6c 69 62 2e 68 3e 0a 23 69 6e 63 6c 75 64 65  dlib.h>.#include
0260: 20 3c 73 74 64 69 6f 2e 68 3e 0a 23 69 6e 63 6c   <stdio.h>.#incl
0270: 75 64 65 20 3c 73 74 72 69 6e 67 2e 68 3e 0a 0a  ude <string.h>..
0280: 23 69 6e 63 6c 75 64 65 20 22 66 74 73 33 5f 74  #include "fts3_t
0290: 6f 6b 65 6e 69 7a 65 72 2e 68 22 0a 0a 2f 2a 0a  okenizer.h"../*.
02a0: 2a 2a 20 54 68 65 20 66 6f 6c 6c 6f 77 69 6e 67  ** The following
02b0: 20 74 77 6f 20 6d 61 63 72 6f 73 20 2d 20 52 45   two macros - RE
02c0: 41 44 5f 55 54 46 38 20 61 6e 64 20 57 52 49 54  AD_UTF8 and WRIT
02d0: 45 5f 55 54 46 38 20 2d 20 68 61 76 65 20 62 65  E_UTF8 - have be
02e0: 65 6e 20 63 6f 70 69 65 64 0a 2a 2a 20 66 72 6f  en copied.** fro
02f0: 6d 20 74 68 65 20 73 71 6c 69 74 65 33 20 73 6f  m the sqlite3 so
0300: 75 72 63 65 20 66 69 6c 65 20 75 74 66 2e 63 2e  urce file utf.c.
0310: 20 49 66 20 74 68 69 73 20 66 69 6c 65 20 69 73   If this file is
0320: 20 63 6f 6d 70 69 6c 65 64 20 61 73 20 70 61 72   compiled as par
0330: 74 0a 2a 2a 20 6f 66 20 74 68 65 20 61 6d 61 6c  t.** of the amal
0340: 67 61 6d 61 74 69 6f 6e 2c 20 74 68 65 79 20 61  gamation, they a
0350: 72 65 20 6e 6f 74 20 72 65 71 75 69 72 65 64 2e  re not required.
0360: 0a 2a 2f 0a 23 69 66 6e 64 65 66 20 53 51 4c 49  .*/.#ifndef SQLI
0370: 54 45 5f 41 4d 41 4c 47 41 4d 41 54 49 4f 4e 0a  TE_AMALGAMATION.
0380: 0a 73 74 61 74 69 63 20 63 6f 6e 73 74 20 75 6e  .static const un
0390: 73 69 67 6e 65 64 20 63 68 61 72 20 73 71 6c 69  signed char sqli
03a0: 74 65 33 55 74 66 38 54 72 61 6e 73 31 5b 5d 20  te3Utf8Trans1[] 
03b0: 3d 20 7b 0a 20 20 30 78 30 30 2c 20 30 78 30 31  = {.  0x00, 0x01
03c0: 2c 20 30 78 30 32 2c 20 30 78 30 33 2c 20 30 78  , 0x02, 0x03, 0x
03d0: 30 34 2c 20 30 78 30 35 2c 20 30 78 30 36 2c 20  04, 0x05, 0x06, 
03e0: 30 78 30 37 2c 0a 20 20 30 78 30 38 2c 20 30 78  0x07,.  0x08, 0x
03f0: 30 39 2c 20 30 78 30 61 2c 20 30 78 30 62 2c 20  09, 0x0a, 0x0b, 
0400: 30 78 30 63 2c 20 30 78 30 64 2c 20 30 78 30 65  0x0c, 0x0d, 0x0e
0410: 2c 20 30 78 30 66 2c 0a 20 20 30 78 31 30 2c 20  , 0x0f,.  0x10, 
0420: 30 78 31 31 2c 20 30 78 31 32 2c 20 30 78 31 33  0x11, 0x12, 0x13
0430: 2c 20 30 78 31 34 2c 20 30 78 31 35 2c 20 30 78  , 0x14, 0x15, 0x
0440: 31 36 2c 20 30 78 31 37 2c 0a 20 20 30 78 31 38  16, 0x17,.  0x18
0450: 2c 20 30 78 31 39 2c 20 30 78 31 61 2c 20 30 78  , 0x19, 0x1a, 0x
0460: 31 62 2c 20 30 78 31 63 2c 20 30 78 31 64 2c 20  1b, 0x1c, 0x1d, 
0470: 30 78 31 65 2c 20 30 78 31 66 2c 0a 20 20 30 78  0x1e, 0x1f,.  0x
0480: 30 30 2c 20 30 78 30 31 2c 20 30 78 30 32 2c 20  00, 0x01, 0x02, 
0490: 30 78 30 33 2c 20 30 78 30 34 2c 20 30 78 30 35  0x03, 0x04, 0x05
04a0: 2c 20 30 78 30 36 2c 20 30 78 30 37 2c 0a 20 20  , 0x06, 0x07,.  
04b0: 30 78 30 38 2c 20 30 78 30 39 2c 20 30 78 30 61  0x08, 0x09, 0x0a
04c0: 2c 20 30 78 30 62 2c 20 30 78 30 63 2c 20 30 78  , 0x0b, 0x0c, 0x
04d0: 30 64 2c 20 30 78 30 65 2c 20 30 78 30 66 2c 0a  0d, 0x0e, 0x0f,.
04e0: 20 20 30 78 30 30 2c 20 30 78 30 31 2c 20 30 78    0x00, 0x01, 0x
04f0: 30 32 2c 20 30 78 30 33 2c 20 30 78 30 34 2c 20  02, 0x03, 0x04, 
0500: 30 78 30 35 2c 20 30 78 30 36 2c 20 30 78 30 37  0x05, 0x06, 0x07
0510: 2c 0a 20 20 30 78 30 30 2c 20 30 78 30 31 2c 20  ,.  0x00, 0x01, 
0520: 30 78 30 32 2c 20 30 78 30 33 2c 20 30 78 30 30  0x02, 0x03, 0x00
0530: 2c 20 30 78 30 31 2c 20 30 78 30 30 2c 20 30 78  , 0x01, 0x00, 0x
0540: 30 30 2c 0a 7d 3b 0a 0a 23 64 65 66 69 6e 65 20  00,.};..#define 
0550: 52 45 41 44 5f 55 54 46 38 28 7a 49 6e 2c 20 7a  READ_UTF8(zIn, z
0560: 54 65 72 6d 2c 20 63 29 20 20 20 20 20 20 20 20  Term, c)        
0570: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
0580: 20 20 20 5c 0a 20 20 63 20 3d 20 2a 28 7a 49 6e     \.  c = *(zIn
0590: 2b 2b 29 3b 20 20 20 20 20 20 20 20 20 20 20 20  ++);            
05a0: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
05b0: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
05c0: 5c 0a 20 20 69 66 28 20 63 3e 3d 30 78 63 30 20  \.  if( c>=0xc0 
05d0: 29 7b 20 20 20 20 20 20 20 20 20 20 20 20 20 20  ){              
05e0: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
05f0: 20 20 20 20 20 20 20 20 20 20 20 20 20 5c 0a 20               \. 
0600: 20 20 20 63 20 3d 20 73 71 6c 69 74 65 33 55 74     c = sqlite3Ut
0610: 66 38 54 72 61 6e 73 31 5b 63 2d 30 78 63 30 5d  f8Trans1[c-0xc0]
0620: 3b 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20  ;               
0630: 20 20 20 20 20 20 20 20 20 20 5c 0a 20 20 20 20            \.    
0640: 77 68 69 6c 65 28 20 7a 49 6e 21 3d 7a 54 65 72  while( zIn!=zTer
0650: 6d 20 26 26 20 28 2a 7a 49 6e 20 26 20 30 78 63  m && (*zIn & 0xc
0660: 30 29 3d 3d 30 78 38 30 20 29 7b 20 20 20 20 20  0)==0x80 ){     
0670: 20 20 20 20 20 20 20 5c 0a 20 20 20 20 20 20 63         \.      c
0680: 20 3d 20 28 63 3c 3c 36 29 20 2b 20 28 30 78 33   = (c<<6) + (0x3
0690: 66 20 26 20 2a 28 7a 49 6e 2b 2b 29 29 3b 20 20  f & *(zIn++));  
06a0: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
06b0: 20 20 20 20 5c 0a 20 20 20 20 7d 20 20 20 20 20      \.    }     
06c0: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
06d0: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
06e0: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
06f0: 20 5c 0a 20 20 20 20 69 66 28 20 63 3c 30 78 38   \.    if( c<0x8
0700: 30 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20  0               
0710: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
0720: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 5c 0a                \.
0730: 20 20 20 20 20 20 20 20 7c 7c 20 28 63 26 30 78          || (c&0x
0740: 46 46 46 46 46 38 30 30 29 3d 3d 30 78 44 38 30  FFFFF800)==0xD80
0750: 30 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20  0               
0760: 20 20 20 20 20 20 20 20 20 20 20 5c 0a 20 20 20             \.   
0770: 20 20 20 20 20 7c 7c 20 28 63 26 30 78 46 46 46       || (c&0xFFF
0780: 46 46 46 46 45 29 3d 3d 30 78 46 46 46 45 20 29  FFFFE)==0xFFFE )
0790: 7b 20 20 63 20 3d 20 30 78 46 46 46 44 3b 20 7d  {  c = 0xFFFD; }
07a0: 20 20 20 20 20 20 20 20 5c 0a 20 20 7d 0a 0a 23          \.  }..#
07b0: 64 65 66 69 6e 65 20 57 52 49 54 45 5f 55 54 46  define WRITE_UTF
07c0: 38 28 7a 4f 75 74 2c 20 63 29 20 7b 20 20 20 20  8(zOut, c) {    
07d0: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
07e0: 20 20 20 20 20 20 5c 0a 20 20 69 66 28 20 63 3c        \.  if( c<
07f0: 30 78 30 30 30 38 30 20 29 7b 20 20 20 20 20 20  0x00080 ){      
0800: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
0810: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 5c                 \
0820: 0a 20 20 20 20 2a 7a 4f 75 74 2b 2b 20 3d 20 28  .    *zOut++ = (
0830: 75 38 29 28 63 26 30 78 46 46 29 3b 20 20 20 20  u8)(c&0xFF);    
0840: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
0850: 20 20 20 20 20 20 20 20 5c 0a 20 20 7d 20 20 20          \.  }   
0860: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
0870: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
0880: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
0890: 20 5c 0a 20 20 65 6c 73 65 20 69 66 28 20 63 3c   \.  else if( c<
08a0: 30 78 30 30 38 30 30 20 29 7b 20 20 20 20 20 20  0x00800 ){      
08b0: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
08c0: 20 20 20 20 20 20 20 20 20 20 5c 0a 20 20 20 20            \.    
08d0: 2a 7a 4f 75 74 2b 2b 20 3d 20 30 78 43 30 20 2b  *zOut++ = 0xC0 +
08e0: 20 28 75 38 29 28 28 63 3e 3e 36 29 26 30 78 31   (u8)((c>>6)&0x1
08f0: 46 29 3b 20 20 20 20 20 20 20 20 20 20 20 20 20  F);             
0900: 20 20 20 5c 0a 20 20 20 20 2a 7a 4f 75 74 2b 2b     \.    *zOut++
0910: 20 3d 20 30 78 38 30 20 2b 20 28 75 38 29 28 63   = 0x80 + (u8)(c
0920: 20 26 20 30 78 33 46 29 3b 20 20 20 20 20 20 20   & 0x3F);       
0930: 20 20 20 20 20 20 20 20 20 20 20 20 5c 0a 20 20              \.  
0940: 7d 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20  }               
0950: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
0960: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
0970: 20 20 20 20 20 5c 0a 20 20 65 6c 73 65 20 69 66       \.  else if
0980: 28 20 63 3c 30 78 31 30 30 30 30 20 29 7b 20 20  ( c<0x10000 ){  
0990: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
09a0: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 5c 0a                \.
09b0: 20 20 20 20 2a 7a 4f 75 74 2b 2b 20 3d 20 30 78      *zOut++ = 0x
09c0: 45 30 20 2b 20 28 75 38 29 28 28 63 3e 3e 31 32  E0 + (u8)((c>>12
09d0: 29 26 30 78 30 46 29 3b 20 20 20 20 20 20 20 20  )&0x0F);        
09e0: 20 20 20 20 20 20 20 5c 0a 20 20 20 20 2a 7a 4f         \.    *zO
09f0: 75 74 2b 2b 20 3d 20 30 78 38 30 20 2b 20 28 75  ut++ = 0x80 + (u
0a00: 38 29 28 28 63 3e 3e 36 29 20 26 20 30 78 33 46  8)((c>>6) & 0x3F
0a10: 29 3b 20 20 20 20 20 20 20 20 20 20 20 20 20 20  );              
0a20: 5c 0a 20 20 20 20 2a 7a 4f 75 74 2b 2b 20 3d 20  \.    *zOut++ = 
0a30: 30 78 38 30 20 2b 20 28 75 38 29 28 63 20 26 20  0x80 + (u8)(c & 
0a40: 30 78 33 46 29 3b 20 20 20 20 20 20 20 20 20 20  0x3F);          
0a50: 20 20 20 20 20 20 20 20 20 5c 0a 20 20 7d 65 6c           \.  }el
0a60: 73 65 7b 20 20 20 20 20 20 20 20 20 20 20 20 20  se{             
0a70: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
0a80: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
0a90: 20 20 5c 0a 20 20 20 20 2a 7a 4f 75 74 2b 2b 20    \.    *zOut++ 
0aa0: 3d 20 30 78 46 30 20 2b 20 28 75 38 29 28 28 63  = 0xF0 + (u8)((c
0ab0: 3e 3e 31 38 29 20 26 20 30 78 30 37 29 3b 20 20  >>18) & 0x07);  
0ac0: 20 20 20 20 20 20 20 20 20 20 20 5c 0a 20 20 20             \.   
0ad0: 20 2a 7a 4f 75 74 2b 2b 20 3d 20 30 78 38 30 20   *zOut++ = 0x80 
0ae0: 2b 20 28 75 38 29 28 28 63 3e 3e 31 32 29 20 26  + (u8)((c>>12) &
0af0: 20 30 78 33 46 29 3b 20 20 20 20 20 20 20 20 20   0x3F);         
0b00: 20 20 20 20 5c 0a 20 20 20 20 2a 7a 4f 75 74 2b      \.    *zOut+
0b10: 2b 20 3d 20 30 78 38 30 20 2b 20 28 75 38 29 28  + = 0x80 + (u8)(
0b20: 28 63 3e 3e 36 29 20 26 20 30 78 33 46 29 3b 20  (c>>6) & 0x3F); 
0b30: 20 20 20 20 20 20 20 20 20 20 20 20 20 5c 0a 20               \. 
0b40: 20 20 20 2a 7a 4f 75 74 2b 2b 20 3d 20 30 78 38     *zOut++ = 0x8
0b50: 30 20 2b 20 28 75 38 29 28 63 20 26 20 30 78 33  0 + (u8)(c & 0x3
0b60: 46 29 3b 20 20 20 20 20 20 20 20 20 20 20 20 20  F);             
0b70: 20 20 20 20 20 20 5c 0a 20 20 7d 20 20 20 20 20        \.  }     
0b80: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
0b90: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
0ba0: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 5c                 \
0bb0: 0a 7d 0a 0a 23 65 6e 64 69 66 20 2f 2a 20 69 66  .}..#endif /* if
0bc0: 6e 64 65 66 20 53 51 4c 49 54 45 5f 41 4d 41 4c  ndef SQLITE_AMAL
0bd0: 47 41 4d 41 54 49 4f 4e 20 2a 2f 0a 0a 74 79 70  GAMATION */..typ
0be0: 65 64 65 66 20 73 74 72 75 63 74 20 75 6e 69 63  edef struct unic
0bf0: 6f 64 65 5f 74 6f 6b 65 6e 69 7a 65 72 20 75 6e  ode_tokenizer un
0c00: 69 63 6f 64 65 5f 74 6f 6b 65 6e 69 7a 65 72 3b  icode_tokenizer;
0c10: 0a 74 79 70 65 64 65 66 20 73 74 72 75 63 74 20  .typedef struct 
0c20: 75 6e 69 63 6f 64 65 5f 63 75 72 73 6f 72 20 75  unicode_cursor u
0c30: 6e 69 63 6f 64 65 5f 63 75 72 73 6f 72 3b 0a 0a  nicode_cursor;..
0c40: 73 74 72 75 63 74 20 75 6e 69 63 6f 64 65 5f 74  struct unicode_t
0c50: 6f 6b 65 6e 69 7a 65 72 20 7b 0a 20 20 73 71 6c  okenizer {.  sql
0c60: 69 74 65 33 5f 74 6f 6b 65 6e 69 7a 65 72 20 62  ite3_tokenizer b
0c70: 61 73 65 3b 0a 20 20 69 6e 74 20 62 52 65 6d 6f  ase;.  int bRemo
0c80: 76 65 44 69 61 63 72 69 74 69 63 3b 0a 20 20 69  veDiacritic;.  i
0c90: 6e 74 20 6e 45 78 63 65 70 74 69 6f 6e 3b 0a 20  nt nException;. 
0ca0: 20 69 6e 74 20 2a 61 69 45 78 63 65 70 74 69 6f   int *aiExceptio
0cb0: 6e 3b 0a 7d 3b 0a 0a 73 74 72 75 63 74 20 75 6e  n;.};..struct un
0cc0: 69 63 6f 64 65 5f 63 75 72 73 6f 72 20 7b 0a 20  icode_cursor {. 
0cd0: 20 73 71 6c 69 74 65 33 5f 74 6f 6b 65 6e 69 7a   sqlite3_tokeniz
0ce0: 65 72 5f 63 75 72 73 6f 72 20 62 61 73 65 3b 0a  er_cursor base;.
0cf0: 20 20 63 6f 6e 73 74 20 75 6e 73 69 67 6e 65 64    const unsigned
0d00: 20 63 68 61 72 20 2a 61 49 6e 70 75 74 3b 20 20   char *aInput;  
0d10: 20 20 2f 2a 20 49 6e 70 75 74 20 74 65 78 74 20    /* Input text 
0d20: 62 65 69 6e 67 20 74 6f 6b 65 6e 69 7a 65 64 20  being tokenized 
0d30: 2a 2f 0a 20 20 69 6e 74 20 6e 49 6e 70 75 74 3b  */.  int nInput;
0d40: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
0d50: 20 20 20 20 20 2f 2a 20 53 69 7a 65 20 6f 66 20       /* Size of 
0d60: 61 49 6e 70 75 74 5b 5d 20 69 6e 20 62 79 74 65  aInput[] in byte
0d70: 73 20 2a 2f 0a 20 20 69 6e 74 20 69 4f 66 66 3b  s */.  int iOff;
0d80: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
0d90: 20 20 20 20 20 20 20 2f 2a 20 43 75 72 72 65 6e         /* Curren
0da0: 74 20 6f 66 66 73 65 74 20 77 69 74 68 69 6e 20  t offset within 
0db0: 61 49 6e 70 75 74 5b 5d 20 2a 2f 0a 20 20 69 6e  aInput[] */.  in
0dc0: 74 20 69 54 6f 6b 65 6e 3b 20 20 20 20 20 20 20  t iToken;       
0dd0: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 2f 2a                /*
0de0: 20 49 6e 64 65 78 20 6f 66 20 6e 65 78 74 20 74   Index of next t
0df0: 6f 6b 65 6e 20 74 6f 20 62 65 20 72 65 74 75 72  oken to be retur
0e00: 6e 65 64 20 2a 2f 0a 20 20 63 68 61 72 20 2a 7a  ned */.  char *z
0e10: 54 6f 6b 65 6e 3b 20 20 20 20 20 20 20 20 20 20  Token;          
0e20: 20 20 20 20 20 20 20 20 20 2f 2a 20 73 74 6f 72           /* stor
0e30: 61 67 65 20 66 6f 72 20 63 75 72 72 65 6e 74 20  age for current 
0e40: 74 6f 6b 65 6e 20 2a 2f 0a 20 20 69 6e 74 20 6e  token */.  int n
0e50: 41 6c 6c 6f 63 3b 20 20 20 20 20 20 20 20 20 20  Alloc;          
0e60: 20 20 20 20 20 20 20 20 20 20 20 2f 2a 20 73 70             /* sp
0e70: 61 63 65 20 61 6c 6c 6f 63 61 74 65 64 20 61 74  ace allocated at
0e80: 20 7a 54 6f 6b 65 6e 20 2a 2f 0a 7d 3b 0a 0a 0a   zToken */.};...
0e90: 2f 2a 0a 2a 2a 20 44 65 73 74 72 6f 79 20 61 20  /*.** Destroy a 
0ea0: 74 6f 6b 65 6e 69 7a 65 72 20 61 6c 6c 6f 63 61  tokenizer alloca
0eb0: 74 65 64 20 62 79 20 75 6e 69 63 6f 64 65 43 72  ted by unicodeCr
0ec0: 65 61 74 65 28 29 2e 0a 2a 2f 0a 73 74 61 74 69  eate()..*/.stati
0ed0: 63 20 69 6e 74 20 75 6e 69 63 6f 64 65 44 65 73  c int unicodeDes
0ee0: 74 72 6f 79 28 73 71 6c 69 74 65 33 5f 74 6f 6b  troy(sqlite3_tok
0ef0: 65 6e 69 7a 65 72 20 2a 70 54 6f 6b 65 6e 69 7a  enizer *pTokeniz
0f00: 65 72 29 7b 0a 20 20 69 66 28 20 70 54 6f 6b 65  er){.  if( pToke
0f10: 6e 69 7a 65 72 20 29 7b 0a 20 20 20 20 75 6e 69  nizer ){.    uni
0f20: 63 6f 64 65 5f 74 6f 6b 65 6e 69 7a 65 72 20 2a  code_tokenizer *
0f30: 70 20 3d 20 28 75 6e 69 63 6f 64 65 5f 74 6f 6b  p = (unicode_tok
0f40: 65 6e 69 7a 65 72 20 2a 29 70 54 6f 6b 65 6e 69  enizer *)pTokeni
0f50: 7a 65 72 3b 0a 20 20 20 20 73 71 6c 69 74 65 33  zer;.    sqlite3
0f60: 5f 66 72 65 65 28 70 2d 3e 61 69 45 78 63 65 70  _free(p->aiExcep
0f70: 74 69 6f 6e 29 3b 0a 20 20 20 20 73 71 6c 69 74  tion);.    sqlit
0f80: 65 33 5f 66 72 65 65 28 70 29 3b 0a 20 20 7d 0a  e3_free(p);.  }.
0f90: 20 20 72 65 74 75 72 6e 20 53 51 4c 49 54 45 5f    return SQLITE_
0fa0: 4f 4b 3b 0a 7d 0a 0a 2f 2a 0a 2a 2a 20 41 73 20  OK;.}../*.** As 
0fb0: 70 61 72 74 20 6f 66 20 61 20 74 6f 6b 65 6e 63  part of a tokenc
0fc0: 68 61 72 73 3d 20 6f 72 20 73 65 70 61 72 61 74  hars= or separat
0fd0: 6f 72 73 3d 20 6f 70 74 69 6f 6e 2c 20 74 68 65  ors= option, the
0fe0: 20 43 52 45 41 54 45 20 56 49 52 54 55 41 4c 20   CREATE VIRTUAL 
0ff0: 54 41 42 4c 45 0a 2a 2a 20 73 74 61 74 65 6d 65  TABLE.** stateme
1000: 6e 74 20 68 61 73 20 73 70 65 63 69 66 69 65 64  nt has specified
1010: 20 74 68 61 74 20 74 68 65 20 74 6f 6b 65 6e 69   that the tokeni
1020: 7a 65 72 20 66 6f 72 20 74 68 69 73 20 74 61 62  zer for this tab
1030: 6c 65 20 73 68 61 6c 6c 20 63 6f 6e 73 69 64 65  le shall conside
1040: 72 0a 2a 2a 20 61 6c 6c 20 63 68 61 72 61 63 74  r.** all charact
1050: 65 72 73 20 69 6e 20 73 74 72 69 6e 67 20 7a 49  ers in string zI
1060: 6e 2f 6e 49 6e 20 74 6f 20 62 65 20 73 65 70 61  n/nIn to be sepa
1070: 72 61 74 6f 72 73 20 28 69 66 20 62 41 6c 6e 75  rators (if bAlnu
1080: 6d 3d 3d 30 29 20 6f 72 0a 2a 2a 20 74 6f 6b 65  m==0) or.** toke
1090: 6e 20 63 68 61 72 61 63 74 65 72 73 20 28 69 66  n characters (if
10a0: 20 62 41 6c 6e 75 6d 3d 3d 31 29 2e 0a 2a 2a 0a   bAlnum==1)..**.
10b0: 2a 2a 20 46 6f 72 20 65 61 63 68 20 63 6f 64 65  ** For each code
10c0: 70 6f 69 6e 74 20 69 6e 20 74 68 65 20 7a 49 6e  point in the zIn
10d0: 2f 6e 49 6e 20 73 74 72 69 6e 67 2c 20 74 68 69  /nIn string, thi
10e0: 73 20 66 75 6e 63 74 69 6f 6e 20 63 68 65 63 6b  s function check
10f0: 73 20 69 66 20 74 68 65 0a 2a 2a 20 73 71 6c 69  s if the.** sqli
1100: 74 65 33 46 74 73 55 6e 69 63 6f 64 65 49 73 61  te3FtsUnicodeIsa
1110: 6c 6e 75 6d 28 29 20 66 75 6e 63 74 69 6f 6e 20  lnum() function 
1120: 61 6c 72 65 61 64 79 20 72 65 74 75 72 6e 73 20  already returns 
1130: 74 68 65 20 64 65 73 69 72 65 64 20 72 65 73 75  the desired resu
1140: 6c 74 2e 0a 2a 2a 20 49 66 20 73 6f 2c 20 6e 6f  lt..** If so, no
1150: 20 61 63 74 69 6f 6e 20 69 73 20 74 61 6b 65 6e   action is taken
1160: 2e 20 4f 74 68 65 72 77 69 73 65 2c 20 74 68 65  . Otherwise, the
1170: 20 63 6f 64 65 70 6f 69 6e 74 20 69 73 20 61 64   codepoint is ad
1180: 64 65 64 20 74 6f 20 74 68 65 20 0a 2a 2a 20 75  ded to the .** u
1190: 6e 69 63 6f 64 65 5f 74 6f 6b 65 6e 69 7a 65 72  nicode_tokenizer
11a0: 2e 61 69 45 78 63 65 70 74 69 6f 6e 5b 5d 20 61  .aiException[] a
11b0: 72 72 61 79 2e 20 46 6f 72 20 74 68 65 20 70 75  rray. For the pu
11c0: 72 70 6f 73 65 73 20 6f 66 20 74 6f 6b 65 6e 69  rposes of tokeni
11d0: 7a 61 74 69 6f 6e 2c 0a 2a 2a 20 74 68 65 20 72  zation,.** the r
11e0: 65 74 75 72 6e 20 76 61 6c 75 65 20 6f 66 20 73  eturn value of s
11f0: 71 6c 69 74 65 33 46 74 73 55 6e 69 63 6f 64 65  qlite3FtsUnicode
1200: 49 73 61 6c 6e 75 6d 28 29 20 69 73 20 69 6e 76  Isalnum() is inv
1210: 65 72 74 65 64 20 66 6f 72 20 61 6c 6c 0a 2a 2a  erted for all.**
1220: 20 63 6f 64 65 70 6f 69 6e 74 73 20 69 6e 20 74   codepoints in t
1230: 68 65 20 61 69 45 78 63 65 70 74 69 6f 6e 5b 5d  he aiException[]
1240: 20 61 72 72 61 79 2e 0a 2a 2a 0a 2a 2a 20 49 66   array..**.** If
1250: 20 61 20 73 74 61 6e 64 61 6c 6f 6e 65 20 64 69   a standalone di
1260: 61 63 72 69 74 69 63 20 6d 61 72 6b 20 28 6f 6e  acritic mark (on
1270: 65 20 74 68 61 74 20 73 71 6c 69 74 65 33 46 74  e that sqlite3Ft
1280: 73 55 6e 69 63 6f 64 65 49 73 64 69 61 63 72 69  sUnicodeIsdiacri
1290: 74 69 63 28 29 0a 2a 2a 20 69 64 65 6e 74 69 66  tic().** identif
12a0: 69 65 73 20 61 73 20 61 20 64 69 61 63 72 69 74  ies as a diacrit
12b0: 69 63 29 20 6f 63 63 75 72 73 20 69 6e 20 74 68  ic) occurs in th
12c0: 65 20 7a 49 6e 2f 6e 49 6e 20 73 74 72 69 6e 67  e zIn/nIn string
12d0: 20 69 74 20 69 73 20 69 67 6e 6f 72 65 64 2e 0a   it is ignored..
12e0: 2a 2a 20 49 74 20 69 73 20 6e 6f 74 20 70 6f 73  ** It is not pos
12f0: 73 69 62 6c 65 20 74 6f 20 63 68 61 6e 67 65 20  sible to change 
1300: 74 68 65 20 62 65 68 61 76 69 6f 75 72 20 6f 66  the behaviour of
1310: 20 74 68 65 20 74 6f 6b 65 6e 69 7a 65 72 20 77   the tokenizer w
1320: 69 74 68 20 72 65 73 70 65 63 74 0a 2a 2a 20 74  ith respect.** t
1330: 6f 20 74 68 65 73 65 20 63 6f 64 65 70 6f 69 6e  o these codepoin
1340: 74 73 2e 0a 2a 2f 0a 73 74 61 74 69 63 20 69 6e  ts..*/.static in
1350: 74 20 75 6e 69 63 6f 64 65 41 64 64 45 78 63 65  t unicodeAddExce
1360: 70 74 69 6f 6e 73 28 0a 20 20 75 6e 69 63 6f 64  ptions(.  unicod
1370: 65 5f 74 6f 6b 65 6e 69 7a 65 72 20 2a 70 2c 20  e_tokenizer *p, 
1380: 20 20 20 20 20 20 20 20 20 20 2f 2a 20 54 6f 6b            /* Tok
1390: 65 6e 69 7a 65 72 20 74 6f 20 61 64 64 20 65 78  enizer to add ex
13a0: 63 65 70 74 69 6f 6e 73 20 74 6f 20 2a 2f 0a 20  ceptions to */. 
13b0: 20 69 6e 74 20 62 41 6c 6e 75 6d 2c 20 20 20 20   int bAlnum,    
13c0: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
13d0: 20 2f 2a 20 52 65 70 6c 61 63 65 20 49 73 61 6c   /* Replace Isal
13e0: 6e 75 6d 28 29 20 72 65 74 75 72 6e 20 76 61 6c  num() return val
13f0: 75 65 20 77 69 74 68 20 74 68 69 73 20 2a 2f 0a  ue with this */.
1400: 20 20 63 6f 6e 73 74 20 63 68 61 72 20 2a 7a 49    const char *zI
1410: 6e 2c 20 20 20 20 20 20 20 20 20 20 20 20 20 20  n,              
1420: 20 20 2f 2a 20 41 72 72 61 79 20 6f 66 20 63 68    /* Array of ch
1430: 61 72 61 63 74 65 72 73 20 74 6f 20 6d 61 6b 65  aracters to make
1440: 20 65 78 63 65 70 74 69 6f 6e 73 20 2a 2f 0a 20   exceptions */. 
1450: 20 69 6e 74 20 6e 49 6e 20 20 20 20 20 20 20 20   int nIn        
1460: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
1470: 20 2f 2a 20 4c 65 6e 67 74 68 20 6f 66 20 7a 20   /* Length of z 
1480: 69 6e 20 62 79 74 65 73 20 2a 2f 0a 29 7b 0a 20  in bytes */.){. 
1490: 20 63 6f 6e 73 74 20 75 6e 73 69 67 6e 65 64 20   const unsigned 
14a0: 63 68 61 72 20 2a 7a 20 3d 20 28 63 6f 6e 73 74  char *z = (const
14b0: 20 75 6e 73 69 67 6e 65 64 20 63 68 61 72 20 2a   unsigned char *
14c0: 29 7a 49 6e 3b 0a 20 20 63 6f 6e 73 74 20 75 6e  )zIn;.  const un
14d0: 73 69 67 6e 65 64 20 63 68 61 72 20 2a 7a 54 65  signed char *zTe
14e0: 72 6d 20 3d 20 26 7a 5b 6e 49 6e 5d 3b 0a 20 20  rm = &z[nIn];.  
14f0: 69 6e 74 20 69 43 6f 64 65 3b 0a 20 20 69 6e 74  int iCode;.  int
1500: 20 6e 45 6e 74 72 79 20 3d 20 30 3b 0a 0a 20 20   nEntry = 0;..  
1510: 61 73 73 65 72 74 28 20 62 41 6c 6e 75 6d 3d 3d  assert( bAlnum==
1520: 30 20 7c 7c 20 62 41 6c 6e 75 6d 3d 3d 31 20 29  0 || bAlnum==1 )
1530: 3b 0a 0a 20 20 77 68 69 6c 65 28 20 7a 3c 7a 54  ;..  while( z<zT
1540: 65 72 6d 20 29 7b 0a 20 20 20 20 52 45 41 44 5f  erm ){.    READ_
1550: 55 54 46 38 28 7a 2c 20 7a 54 65 72 6d 2c 20 69  UTF8(z, zTerm, i
1560: 43 6f 64 65 29 3b 0a 20 20 20 20 61 73 73 65 72  Code);.    asser
1570: 74 28 20 28 73 71 6c 69 74 65 33 46 74 73 55 6e  t( (sqlite3FtsUn
1580: 69 63 6f 64 65 49 73 61 6c 6e 75 6d 28 69 43 6f  icodeIsalnum(iCo
1590: 64 65 29 20 26 20 30 78 46 46 46 46 46 46 46 45  de) & 0xFFFFFFFE
15a0: 29 3d 3d 30 20 29 3b 0a 20 20 20 20 69 66 28 20  )==0 );.    if( 
15b0: 73 71 6c 69 74 65 33 46 74 73 55 6e 69 63 6f 64  sqlite3FtsUnicod
15c0: 65 49 73 61 6c 6e 75 6d 28 69 43 6f 64 65 29 21  eIsalnum(iCode)!
15d0: 3d 62 41 6c 6e 75 6d 20 0a 20 20 20 20 20 26 26  =bAlnum .     &&
15e0: 20 73 71 6c 69 74 65 33 46 74 73 55 6e 69 63 6f   sqlite3FtsUnico
15f0: 64 65 49 73 64 69 61 63 72 69 74 69 63 28 69 43  deIsdiacritic(iC
1600: 6f 64 65 29 3d 3d 30 20 0a 20 20 20 20 29 7b 0a  ode)==0 .    ){.
1610: 20 20 20 20 20 20 6e 45 6e 74 72 79 2b 2b 3b 0a        nEntry++;.
1620: 20 20 20 20 7d 0a 20 20 7d 0a 0a 20 20 69 66 28      }.  }..  if(
1630: 20 6e 45 6e 74 72 79 20 29 7b 0a 20 20 20 20 69   nEntry ){.    i
1640: 6e 74 20 2a 61 4e 65 77 3b 20 20 20 20 20 20 20  nt *aNew;       
1650: 20 20 20 20 20 20 20 20 20 20 20 20 20 2f 2a 20               /* 
1660: 4e 65 77 20 61 69 45 78 63 65 70 74 69 6f 6e 5b  New aiException[
1670: 5d 20 61 72 72 61 79 20 2a 2f 0a 20 20 20 20 69  ] array */.    i
1680: 6e 74 20 6e 4e 65 77 3b 20 20 20 20 20 20 20 20  nt nNew;        
1690: 20 20 20 20 20 20 20 20 20 20 20 20 20 2f 2a 20               /* 
16a0: 4e 75 6d 62 65 72 20 6f 66 20 76 61 6c 69 64 20  Number of valid 
16b0: 65 6e 74 72 69 65 73 20 69 6e 20 61 72 72 61 79  entries in array
16c0: 20 61 4e 65 77 5b 5d 20 2a 2f 0a 0a 20 20 20 20   aNew[] */..    
16d0: 61 4e 65 77 20 3d 20 73 71 6c 69 74 65 33 5f 72  aNew = sqlite3_r
16e0: 65 61 6c 6c 6f 63 28 70 2d 3e 61 69 45 78 63 65  ealloc(p->aiExce
16f0: 70 74 69 6f 6e 2c 20 28 70 2d 3e 6e 45 78 63 65  ption, (p->nExce
1700: 70 74 69 6f 6e 2b 6e 45 6e 74 72 79 29 2a 73 69  ption+nEntry)*si
1710: 7a 65 6f 66 28 69 6e 74 29 29 3b 0a 20 20 20 20  zeof(int));.    
1720: 69 66 28 20 61 4e 65 77 3d 3d 30 20 29 20 72 65  if( aNew==0 ) re
1730: 74 75 72 6e 20 53 51 4c 49 54 45 5f 4e 4f 4d 45  turn SQLITE_NOME
1740: 4d 3b 0a 20 20 20 20 6e 4e 65 77 20 3d 20 70 2d  M;.    nNew = p-
1750: 3e 6e 45 78 63 65 70 74 69 6f 6e 3b 0a 0a 20 20  >nException;..  
1760: 20 20 7a 20 3d 20 28 63 6f 6e 73 74 20 75 6e 73    z = (const uns
1770: 69 67 6e 65 64 20 63 68 61 72 20 2a 29 7a 49 6e  igned char *)zIn
1780: 3b 0a 20 20 20 20 77 68 69 6c 65 28 20 7a 3c 7a  ;.    while( z<z
1790: 54 65 72 6d 20 29 7b 0a 20 20 20 20 20 20 52 45  Term ){.      RE
17a0: 41 44 5f 55 54 46 38 28 7a 2c 20 7a 54 65 72 6d  AD_UTF8(z, zTerm
17b0: 2c 20 69 43 6f 64 65 29 3b 0a 20 20 20 20 20 20  , iCode);.      
17c0: 69 66 28 20 73 71 6c 69 74 65 33 46 74 73 55 6e  if( sqlite3FtsUn
17d0: 69 63 6f 64 65 49 73 61 6c 6e 75 6d 28 69 43 6f  icodeIsalnum(iCo
17e0: 64 65 29 21 3d 62 41 6c 6e 75 6d 20 0a 20 20 20  de)!=bAlnum .   
17f0: 20 20 20 20 26 26 20 73 71 6c 69 74 65 33 46 74      && sqlite3Ft
1800: 73 55 6e 69 63 6f 64 65 49 73 64 69 61 63 72 69  sUnicodeIsdiacri
1810: 74 69 63 28 69 43 6f 64 65 29 3d 3d 30 0a 20 20  tic(iCode)==0.  
1820: 20 20 20 20 29 7b 0a 20 20 20 20 20 20 20 20 69      ){.        i
1830: 6e 74 20 69 2c 20 6a 3b 0a 20 20 20 20 20 20 20  nt i, j;.       
1840: 20 66 6f 72 28 69 3d 30 3b 20 69 3c 6e 4e 65 77   for(i=0; i<nNew
1850: 20 26 26 20 61 4e 65 77 5b 69 5d 3c 69 43 6f 64   && aNew[i]<iCod
1860: 65 3b 20 69 2b 2b 29 3b 0a 20 20 20 20 20 20 20  e; i++);.       
1870: 20 66 6f 72 28 6a 3d 6e 4e 65 77 3b 20 6a 3e 69   for(j=nNew; j>i
1880: 3b 20 6a 2d 2d 29 20 61 4e 65 77 5b 6a 5d 20 3d  ; j--) aNew[j] =
1890: 20 61 4e 65 77 5b 6a 2d 31 5d 3b 0a 20 20 20 20   aNew[j-1];.    
18a0: 20 20 20 20 61 4e 65 77 5b 69 5d 20 3d 20 69 43      aNew[i] = iC
18b0: 6f 64 65 3b 0a 20 20 20 20 20 20 20 20 6e 4e 65  ode;.        nNe
18c0: 77 2b 2b 3b 0a 20 20 20 20 20 20 7d 0a 20 20 20  w++;.      }.   
18d0: 20 7d 0a 20 20 20 20 70 2d 3e 61 69 45 78 63 65   }.    p->aiExce
18e0: 70 74 69 6f 6e 20 3d 20 61 4e 65 77 3b 0a 20 20  ption = aNew;.  
18f0: 20 20 70 2d 3e 6e 45 78 63 65 70 74 69 6f 6e 20    p->nException 
1900: 3d 20 6e 4e 65 77 3b 0a 20 20 7d 0a 0a 20 20 72  = nNew;.  }..  r
1910: 65 74 75 72 6e 20 53 51 4c 49 54 45 5f 4f 4b 3b  eturn SQLITE_OK;
1920: 0a 7d 0a 0a 2f 2a 0a 2a 2a 20 52 65 74 75 72 6e  .}../*.** Return
1930: 20 74 72 75 65 20 69 66 20 74 68 65 20 70 2d 3e   true if the p->
1940: 61 69 45 78 63 65 70 74 69 6f 6e 5b 5d 20 61 72  aiException[] ar
1950: 72 61 79 20 63 6f 6e 74 61 69 6e 73 20 74 68 65  ray contains the
1960: 20 76 61 6c 75 65 20 69 43 6f 64 65 2e 0a 2a 2f   value iCode..*/
1970: 0a 73 74 61 74 69 63 20 69 6e 74 20 75 6e 69 63  .static int unic
1980: 6f 64 65 49 73 45 78 63 65 70 74 69 6f 6e 28 75  odeIsException(u
1990: 6e 69 63 6f 64 65 5f 74 6f 6b 65 6e 69 7a 65 72  nicode_tokenizer
19a0: 20 2a 70 2c 20 69 6e 74 20 69 43 6f 64 65 29 7b   *p, int iCode){
19b0: 0a 20 20 69 66 28 20 70 2d 3e 6e 45 78 63 65 70  .  if( p->nExcep
19c0: 74 69 6f 6e 3e 30 20 29 7b 0a 20 20 20 20 69 6e  tion>0 ){.    in
19d0: 74 20 2a 61 20 3d 20 70 2d 3e 61 69 45 78 63 65  t *a = p->aiExce
19e0: 70 74 69 6f 6e 3b 0a 20 20 20 20 69 6e 74 20 69  ption;.    int i
19f0: 4c 6f 20 3d 20 30 3b 0a 20 20 20 20 69 6e 74 20  Lo = 0;.    int 
1a00: 69 48 69 20 3d 20 70 2d 3e 6e 45 78 63 65 70 74  iHi = p->nExcept
1a10: 69 6f 6e 2d 31 3b 0a 0a 20 20 20 20 77 68 69 6c  ion-1;..    whil
1a20: 65 28 20 69 48 69 3e 3d 69 4c 6f 20 29 7b 0a 20  e( iHi>=iLo ){. 
1a30: 20 20 20 20 20 69 6e 74 20 69 54 65 73 74 20 3d       int iTest =
1a40: 20 28 69 48 69 20 2b 20 69 4c 6f 29 20 2f 20 32   (iHi + iLo) / 2
1a50: 3b 0a 20 20 20 20 20 20 69 66 28 20 69 43 6f 64  ;.      if( iCod
1a60: 65 3d 3d 61 5b 69 54 65 73 74 5d 20 29 7b 0a 20  e==a[iTest] ){. 
1a70: 20 20 20 20 20 20 20 72 65 74 75 72 6e 20 31 3b         return 1;
1a80: 0a 20 20 20 20 20 20 7d 65 6c 73 65 20 69 66 28  .      }else if(
1a90: 20 69 43 6f 64 65 3e 61 5b 69 54 65 73 74 5d 20   iCode>a[iTest] 
1aa0: 29 7b 0a 20 20 20 20 20 20 20 20 69 4c 6f 20 3d  ){.        iLo =
1ab0: 20 69 54 65 73 74 2b 31 3b 0a 20 20 20 20 20 20   iTest+1;.      
1ac0: 7d 65 6c 73 65 7b 0a 20 20 20 20 20 20 20 20 69  }else{.        i
1ad0: 48 69 20 3d 20 69 54 65 73 74 2d 31 3b 0a 20 20  Hi = iTest-1;.  
1ae0: 20 20 20 20 7d 0a 20 20 20 20 7d 0a 20 20 7d 0a      }.    }.  }.
1af0: 0a 20 20 72 65 74 75 72 6e 20 30 3b 0a 7d 0a 0a  .  return 0;.}..
1b00: 2f 2a 0a 2a 2a 20 52 65 74 75 72 6e 20 74 72 75  /*.** Return tru
1b10: 65 20 69 66 2c 20 66 6f 72 20 74 68 65 20 70 75  e if, for the pu
1b20: 72 70 6f 73 65 73 20 6f 66 20 74 6f 6b 65 6e 69  rposes of tokeni
1b30: 7a 61 74 69 6f 6e 2c 20 63 6f 64 65 70 6f 69 6e  zation, codepoin
1b40: 74 20 69 43 6f 64 65 20 69 73 0a 2a 2a 20 63 6f  t iCode is.** co
1b50: 6e 73 69 64 65 72 65 64 20 61 20 74 6f 6b 65 6e  nsidered a token
1b60: 20 63 68 61 72 61 63 74 65 72 20 28 6e 6f 74 20   character (not 
1b70: 61 20 73 65 70 61 72 61 74 6f 72 29 2e 0a 2a 2f  a separator)..*/
1b80: 0a 73 74 61 74 69 63 20 69 6e 74 20 75 6e 69 63  .static int unic
1b90: 6f 64 65 49 73 41 6c 6e 75 6d 28 75 6e 69 63 6f  odeIsAlnum(unico
1ba0: 64 65 5f 74 6f 6b 65 6e 69 7a 65 72 20 2a 70 2c  de_tokenizer *p,
1bb0: 20 69 6e 74 20 69 43 6f 64 65 29 7b 0a 20 20 61   int iCode){.  a
1bc0: 73 73 65 72 74 28 20 28 73 71 6c 69 74 65 33 46  ssert( (sqlite3F
1bd0: 74 73 55 6e 69 63 6f 64 65 49 73 61 6c 6e 75 6d  tsUnicodeIsalnum
1be0: 28 69 43 6f 64 65 29 20 26 20 30 78 46 46 46 46  (iCode) & 0xFFFF
1bf0: 46 46 46 45 29 3d 3d 30 20 29 3b 0a 20 20 72 65  FFFE)==0 );.  re
1c00: 74 75 72 6e 20 73 71 6c 69 74 65 33 46 74 73 55  turn sqlite3FtsU
1c10: 6e 69 63 6f 64 65 49 73 61 6c 6e 75 6d 28 69 43  nicodeIsalnum(iC
1c20: 6f 64 65 29 20 5e 20 75 6e 69 63 6f 64 65 49 73  ode) ^ unicodeIs
1c30: 45 78 63 65 70 74 69 6f 6e 28 70 2c 20 69 43 6f  Exception(p, iCo
1c40: 64 65 29 3b 0a 7d 0a 0a 2f 2a 0a 2a 2a 20 43 72  de);.}../*.** Cr
1c50: 65 61 74 65 20 61 20 6e 65 77 20 74 6f 6b 65 6e  eate a new token
1c60: 69 7a 65 72 20 69 6e 73 74 61 6e 63 65 2e 0a 2a  izer instance..*
1c70: 2f 0a 73 74 61 74 69 63 20 69 6e 74 20 75 6e 69  /.static int uni
1c80: 63 6f 64 65 43 72 65 61 74 65 28 0a 20 20 69 6e  codeCreate(.  in
1c90: 74 20 6e 41 72 67 2c 20 20 20 20 20 20 20 20 20  t nArg,         
1ca0: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 2f 2a                /*
1cb0: 20 53 69 7a 65 20 6f 66 20 61 72 72 61 79 20 61   Size of array a
1cc0: 72 67 76 5b 5d 20 2a 2f 0a 20 20 63 6f 6e 73 74  rgv[] */.  const
1cd0: 20 63 68 61 72 20 2a 20 63 6f 6e 73 74 20 2a 61   char * const *a
1ce0: 7a 41 72 67 2c 20 20 20 20 20 20 2f 2a 20 54 6f  zArg,      /* To
1cf0: 6b 65 6e 69 7a 65 72 20 63 72 65 61 74 69 6f 6e  kenizer creation
1d00: 20 61 72 67 75 6d 65 6e 74 73 20 2a 2f 0a 20 20   arguments */.  
1d10: 73 71 6c 69 74 65 33 5f 74 6f 6b 65 6e 69 7a 65  sqlite3_tokenize
1d20: 72 20 2a 2a 70 70 20 20 20 20 20 20 20 20 20 20  r **pp          
1d30: 2f 2a 20 4f 55 54 3a 20 4e 65 77 20 74 6f 6b 65  /* OUT: New toke
1d40: 6e 69 7a 65 72 20 68 61 6e 64 6c 65 20 2a 2f 0a  nizer handle */.
1d50: 29 7b 0a 20 20 75 6e 69 63 6f 64 65 5f 74 6f 6b  ){.  unicode_tok
1d60: 65 6e 69 7a 65 72 20 2a 70 4e 65 77 3b 20 20 20  enizer *pNew;   
1d70: 20 20 20 20 20 2f 2a 20 4e 65 77 20 74 6f 6b 65       /* New toke
1d80: 6e 69 7a 65 72 20 6f 62 6a 65 63 74 20 2a 2f 0a  nizer object */.
1d90: 20 20 69 6e 74 20 69 3b 0a 20 20 69 6e 74 20 72    int i;.  int r
1da0: 63 20 3d 20 53 51 4c 49 54 45 5f 4f 4b 3b 0a 0a  c = SQLITE_OK;..
1db0: 20 20 70 4e 65 77 20 3d 20 28 75 6e 69 63 6f 64    pNew = (unicod
1dc0: 65 5f 74 6f 6b 65 6e 69 7a 65 72 20 2a 29 20 73  e_tokenizer *) s
1dd0: 71 6c 69 74 65 33 5f 6d 61 6c 6c 6f 63 28 73 69  qlite3_malloc(si
1de0: 7a 65 6f 66 28 75 6e 69 63 6f 64 65 5f 74 6f 6b  zeof(unicode_tok
1df0: 65 6e 69 7a 65 72 29 29 3b 0a 20 20 69 66 28 20  enizer));.  if( 
1e00: 70 4e 65 77 3d 3d 4e 55 4c 4c 20 29 20 72 65 74  pNew==NULL ) ret
1e10: 75 72 6e 20 53 51 4c 49 54 45 5f 4e 4f 4d 45 4d  urn SQLITE_NOMEM
1e20: 3b 0a 20 20 6d 65 6d 73 65 74 28 70 4e 65 77 2c  ;.  memset(pNew,
1e30: 20 30 2c 20 73 69 7a 65 6f 66 28 75 6e 69 63 6f   0, sizeof(unico
1e40: 64 65 5f 74 6f 6b 65 6e 69 7a 65 72 29 29 3b 0a  de_tokenizer));.
1e50: 20 20 70 4e 65 77 2d 3e 62 52 65 6d 6f 76 65 44    pNew->bRemoveD
1e60: 69 61 63 72 69 74 69 63 20 3d 20 31 3b 0a 0a 20  iacritic = 1;.. 
1e70: 20 66 6f 72 28 69 3d 30 3b 20 72 63 3d 3d 53 51   for(i=0; rc==SQ
1e80: 4c 49 54 45 5f 4f 4b 20 26 26 20 69 3c 6e 41 72  LITE_OK && i<nAr
1e90: 67 3b 20 69 2b 2b 29 7b 0a 20 20 20 20 63 6f 6e  g; i++){.    con
1ea0: 73 74 20 63 68 61 72 20 2a 7a 20 3d 20 61 7a 41  st char *z = azA
1eb0: 72 67 5b 69 5d 3b 0a 20 20 20 20 69 6e 74 20 6e  rg[i];.    int n
1ec0: 20 3d 20 73 74 72 6c 65 6e 28 7a 29 3b 0a 0a 20   = strlen(z);.. 
1ed0: 20 20 20 69 66 28 20 6e 3d 3d 31 39 20 26 26 20     if( n==19 && 
1ee0: 6d 65 6d 63 6d 70 28 22 72 65 6d 6f 76 65 5f 64  memcmp("remove_d
1ef0: 69 61 63 72 69 74 69 63 73 3d 31 22 2c 20 7a 2c  iacritics=1", z,
1f00: 20 31 39 29 3d 3d 30 20 29 7b 0a 20 20 20 20 20   19)==0 ){.     
1f10: 20 70 4e 65 77 2d 3e 62 52 65 6d 6f 76 65 44 69   pNew->bRemoveDi
1f20: 61 63 72 69 74 69 63 20 3d 20 31 3b 0a 20 20 20  acritic = 1;.   
1f30: 20 7d 0a 20 20 20 20 65 6c 73 65 20 69 66 28 20   }.    else if( 
1f40: 6e 3d 3d 31 39 20 26 26 20 6d 65 6d 63 6d 70 28  n==19 && memcmp(
1f50: 22 72 65 6d 6f 76 65 5f 64 69 61 63 72 69 74 69  "remove_diacriti
1f60: 63 73 3d 30 22 2c 20 7a 2c 20 31 39 29 3d 3d 30  cs=0", z, 19)==0
1f70: 20 29 7b 0a 20 20 20 20 20 20 70 4e 65 77 2d 3e   ){.      pNew->
1f80: 62 52 65 6d 6f 76 65 44 69 61 63 72 69 74 69 63  bRemoveDiacritic
1f90: 20 3d 20 30 3b 0a 20 20 20 20 7d 0a 20 20 20 20   = 0;.    }.    
1fa0: 65 6c 73 65 20 69 66 28 20 6e 3e 3d 31 31 20 26  else if( n>=11 &
1fb0: 26 20 6d 65 6d 63 6d 70 28 22 74 6f 6b 65 6e 63  & memcmp("tokenc
1fc0: 68 61 72 73 3d 22 2c 20 7a 2c 20 31 31 29 3d 3d  hars=", z, 11)==
1fd0: 30 20 29 7b 0a 20 20 20 20 20 20 72 63 20 3d 20  0 ){.      rc = 
1fe0: 75 6e 69 63 6f 64 65 41 64 64 45 78 63 65 70 74  unicodeAddExcept
1ff0: 69 6f 6e 73 28 70 4e 65 77 2c 20 31 2c 20 26 7a  ions(pNew, 1, &z
2000: 5b 31 31 5d 2c 20 6e 2d 31 31 29 3b 0a 20 20 20  [11], n-11);.   
2010: 20 7d 0a 20 20 20 20 65 6c 73 65 20 69 66 28 20   }.    else if( 
2020: 6e 3e 3d 31 31 20 26 26 20 6d 65 6d 63 6d 70 28  n>=11 && memcmp(
2030: 22 73 65 70 61 72 61 74 6f 72 73 3d 22 2c 20 7a  "separators=", z
2040: 2c 20 31 31 29 3d 3d 30 20 29 7b 0a 20 20 20 20  , 11)==0 ){.    
2050: 20 20 72 63 20 3d 20 75 6e 69 63 6f 64 65 41 64    rc = unicodeAd
2060: 64 45 78 63 65 70 74 69 6f 6e 73 28 70 4e 65 77  dExceptions(pNew
2070: 2c 20 30 2c 20 26 7a 5b 31 31 5d 2c 20 6e 2d 31  , 0, &z[11], n-1
2080: 31 29 3b 0a 20 20 20 20 7d 0a 20 20 20 20 65 6c  1);.    }.    el
2090: 73 65 7b 0a 20 20 20 20 20 20 2f 2a 20 55 6e 72  se{.      /* Unr
20a0: 65 63 6f 67 6e 69 7a 65 64 20 61 72 67 75 6d 65  ecognized argume
20b0: 6e 74 20 2a 2f 0a 20 20 20 20 20 20 72 63 20 20  nt */.      rc  
20c0: 3d 20 53 51 4c 49 54 45 5f 45 52 52 4f 52 3b 0a  = SQLITE_ERROR;.
20d0: 20 20 20 20 7d 0a 20 20 7d 0a 0a 20 20 69 66 28      }.  }..  if(
20e0: 20 72 63 21 3d 53 51 4c 49 54 45 5f 4f 4b 20 29   rc!=SQLITE_OK )
20f0: 7b 0a 20 20 20 20 75 6e 69 63 6f 64 65 44 65 73  {.    unicodeDes
2100: 74 72 6f 79 28 28 73 71 6c 69 74 65 33 5f 74 6f  troy((sqlite3_to
2110: 6b 65 6e 69 7a 65 72 20 2a 29 70 4e 65 77 29 3b  kenizer *)pNew);
2120: 0a 20 20 20 20 70 4e 65 77 20 3d 20 30 3b 0a 20  .    pNew = 0;. 
2130: 20 7d 0a 20 20 2a 70 70 20 3d 20 28 73 71 6c 69   }.  *pp = (sqli
2140: 74 65 33 5f 74 6f 6b 65 6e 69 7a 65 72 20 2a 29  te3_tokenizer *)
2150: 70 4e 65 77 3b 0a 20 20 72 65 74 75 72 6e 20 72  pNew;.  return r
2160: 63 3b 0a 7d 0a 0a 2f 2a 0a 2a 2a 20 50 72 65 70  c;.}../*.** Prep
2170: 61 72 65 20 74 6f 20 62 65 67 69 6e 20 74 6f 6b  are to begin tok
2180: 65 6e 69 7a 69 6e 67 20 61 20 70 61 72 74 69 63  enizing a partic
2190: 75 6c 61 72 20 73 74 72 69 6e 67 2e 20 20 54 68  ular string.  Th
21a0: 65 20 69 6e 70 75 74 0a 2a 2a 20 73 74 72 69 6e  e input.** strin
21b0: 67 20 74 6f 20 62 65 20 74 6f 6b 65 6e 69 7a 65  g to be tokenize
21c0: 64 20 69 73 20 70 49 6e 70 75 74 5b 30 2e 2e 6e  d is pInput[0..n
21d0: 42 79 74 65 73 2d 31 5d 2e 20 20 41 20 63 75 72  Bytes-1].  A cur
21e0: 73 6f 72 0a 2a 2a 20 75 73 65 64 20 74 6f 20 69  sor.** used to i
21f0: 6e 63 72 65 6d 65 6e 74 61 6c 6c 79 20 74 6f 6b  ncrementally tok
2200: 65 6e 69 7a 65 20 74 68 69 73 20 73 74 72 69 6e  enize this strin
2210: 67 20 69 73 20 72 65 74 75 72 6e 65 64 20 69 6e  g is returned in
2220: 20 0a 2a 2a 20 2a 70 70 43 75 72 73 6f 72 2e 0a   .** *ppCursor..
2230: 2a 2f 0a 73 74 61 74 69 63 20 69 6e 74 20 75 6e  */.static int un
2240: 69 63 6f 64 65 4f 70 65 6e 28 0a 20 20 73 71 6c  icodeOpen(.  sql
2250: 69 74 65 33 5f 74 6f 6b 65 6e 69 7a 65 72 20 2a  ite3_tokenizer *
2260: 70 2c 20 20 20 20 20 20 20 20 20 20 20 2f 2a 20  p,           /* 
2270: 54 68 65 20 74 6f 6b 65 6e 69 7a 65 72 20 2a 2f  The tokenizer */
2280: 0a 20 20 63 6f 6e 73 74 20 63 68 61 72 20 2a 61  .  const char *a
2290: 49 6e 70 75 74 2c 20 20 20 20 20 20 20 20 20 20  Input,          
22a0: 20 20 20 2f 2a 20 49 6e 70 75 74 20 73 74 72 69     /* Input stri
22b0: 6e 67 20 2a 2f 0a 20 20 69 6e 74 20 6e 49 6e 70  ng */.  int nInp
22c0: 75 74 2c 20 20 20 20 20 20 20 20 20 20 20 20 20  ut,             
22d0: 20 20 20 20 20 20 20 20 2f 2a 20 53 69 7a 65 20          /* Size 
22e0: 6f 66 20 73 74 72 69 6e 67 20 61 49 6e 70 75 74  of string aInput
22f0: 20 69 6e 20 62 79 74 65 73 20 2a 2f 0a 20 20 73   in bytes */.  s
2300: 71 6c 69 74 65 33 5f 74 6f 6b 65 6e 69 7a 65 72  qlite3_tokenizer
2310: 5f 63 75 72 73 6f 72 20 2a 2a 70 70 20 20 20 2f  _cursor **pp   /
2320: 2a 20 4f 55 54 3a 20 4e 65 77 20 63 75 72 73 6f  * OUT: New curso
2330: 72 20 6f 62 6a 65 63 74 20 2a 2f 0a 29 7b 0a 20  r object */.){. 
2340: 20 75 6e 69 63 6f 64 65 5f 63 75 72 73 6f 72 20   unicode_cursor 
2350: 2a 70 43 73 72 3b 0a 0a 20 20 70 43 73 72 20 3d  *pCsr;..  pCsr =
2360: 20 28 75 6e 69 63 6f 64 65 5f 63 75 72 73 6f 72   (unicode_cursor
2370: 20 2a 29 73 71 6c 69 74 65 33 5f 6d 61 6c 6c 6f   *)sqlite3_mallo
2380: 63 28 73 69 7a 65 6f 66 28 75 6e 69 63 6f 64 65  c(sizeof(unicode
2390: 5f 63 75 72 73 6f 72 29 29 3b 0a 20 20 69 66 28  _cursor));.  if(
23a0: 20 70 43 73 72 3d 3d 30 20 29 7b 0a 20 20 20 20   pCsr==0 ){.    
23b0: 72 65 74 75 72 6e 20 53 51 4c 49 54 45 5f 4e 4f  return SQLITE_NO
23c0: 4d 45 4d 3b 0a 20 20 7d 0a 20 20 6d 65 6d 73 65  MEM;.  }.  memse
23d0: 74 28 70 43 73 72 2c 20 30 2c 20 73 69 7a 65 6f  t(pCsr, 0, sizeo
23e0: 66 28 75 6e 69 63 6f 64 65 5f 63 75 72 73 6f 72  f(unicode_cursor
23f0: 29 29 3b 0a 0a 20 20 70 43 73 72 2d 3e 61 49 6e  ));..  pCsr->aIn
2400: 70 75 74 20 3d 20 28 63 6f 6e 73 74 20 75 6e 73  put = (const uns
2410: 69 67 6e 65 64 20 63 68 61 72 20 2a 29 61 49 6e  igned char *)aIn
2420: 70 75 74 3b 0a 20 20 69 66 28 20 61 49 6e 70 75  put;.  if( aInpu
2430: 74 3d 3d 30 20 29 7b 0a 20 20 20 20 70 43 73 72  t==0 ){.    pCsr
2440: 2d 3e 6e 49 6e 70 75 74 20 3d 20 30 3b 0a 20 20  ->nInput = 0;.  
2450: 7d 65 6c 73 65 20 69 66 28 20 6e 49 6e 70 75 74  }else if( nInput
2460: 3c 30 20 29 7b 0a 20 20 20 20 70 43 73 72 2d 3e  <0 ){.    pCsr->
2470: 6e 49 6e 70 75 74 20 3d 20 28 69 6e 74 29 73 74  nInput = (int)st
2480: 72 6c 65 6e 28 61 49 6e 70 75 74 29 3b 0a 20 20  rlen(aInput);.  
2490: 7d 65 6c 73 65 7b 0a 20 20 20 20 70 43 73 72 2d  }else{.    pCsr-
24a0: 3e 6e 49 6e 70 75 74 20 3d 20 6e 49 6e 70 75 74  >nInput = nInput
24b0: 3b 0a 20 20 7d 0a 0a 20 20 2a 70 70 20 3d 20 26  ;.  }..  *pp = &
24c0: 70 43 73 72 2d 3e 62 61 73 65 3b 0a 20 20 55 4e  pCsr->base;.  UN
24d0: 55 53 45 44 5f 50 41 52 41 4d 45 54 45 52 28 70  USED_PARAMETER(p
24e0: 29 3b 0a 20 20 72 65 74 75 72 6e 20 53 51 4c 49  );.  return SQLI
24f0: 54 45 5f 4f 4b 3b 0a 7d 0a 0a 2f 2a 0a 2a 2a 20  TE_OK;.}../*.** 
2500: 43 6c 6f 73 65 20 61 20 74 6f 6b 65 6e 69 7a 61  Close a tokeniza
2510: 74 69 6f 6e 20 63 75 72 73 6f 72 20 70 72 65 76  tion cursor prev
2520: 69 6f 75 73 6c 79 20 6f 70 65 6e 65 64 20 62 79  iously opened by
2530: 20 61 20 63 61 6c 6c 20 74 6f 0a 2a 2a 20 73 69   a call to.** si
2540: 6d 70 6c 65 4f 70 65 6e 28 29 20 61 62 6f 76 65  mpleOpen() above
2550: 2e 0a 2a 2f 0a 73 74 61 74 69 63 20 69 6e 74 20  ..*/.static int 
2560: 75 6e 69 63 6f 64 65 43 6c 6f 73 65 28 73 71 6c  unicodeClose(sql
2570: 69 74 65 33 5f 74 6f 6b 65 6e 69 7a 65 72 5f 63  ite3_tokenizer_c
2580: 75 72 73 6f 72 20 2a 70 43 75 72 73 6f 72 29 7b  ursor *pCursor){
2590: 0a 20 20 75 6e 69 63 6f 64 65 5f 63 75 72 73 6f  .  unicode_curso
25a0: 72 20 2a 70 43 73 72 20 3d 20 28 75 6e 69 63 6f  r *pCsr = (unico
25b0: 64 65 5f 63 75 72 73 6f 72 20 2a 29 20 70 43 75  de_cursor *) pCu
25c0: 72 73 6f 72 3b 0a 20 20 73 71 6c 69 74 65 33 5f  rsor;.  sqlite3_
25d0: 66 72 65 65 28 70 43 73 72 2d 3e 7a 54 6f 6b 65  free(pCsr->zToke
25e0: 6e 29 3b 0a 20 20 73 71 6c 69 74 65 33 5f 66 72  n);.  sqlite3_fr
25f0: 65 65 28 70 43 73 72 29 3b 0a 20 20 72 65 74 75  ee(pCsr);.  retu
2600: 72 6e 20 53 51 4c 49 54 45 5f 4f 4b 3b 0a 7d 0a  rn SQLITE_OK;.}.
2610: 0a 2f 2a 0a 2a 2a 20 45 78 74 72 61 63 74 20 74  ./*.** Extract t
2620: 68 65 20 6e 65 78 74 20 74 6f 6b 65 6e 20 66 72  he next token fr
2630: 6f 6d 20 61 20 74 6f 6b 65 6e 69 7a 61 74 69 6f  om a tokenizatio
2640: 6e 20 63 75 72 73 6f 72 2e 20 20 54 68 65 20 63  n cursor.  The c
2650: 75 72 73 6f 72 20 6d 75 73 74 0a 2a 2a 20 68 61  ursor must.** ha
2660: 76 65 20 62 65 65 6e 20 6f 70 65 6e 65 64 20 62  ve been opened b
2670: 79 20 61 20 70 72 69 6f 72 20 63 61 6c 6c 20 74  y a prior call t
2680: 6f 20 73 69 6d 70 6c 65 4f 70 65 6e 28 29 2e 0a  o simpleOpen()..
2690: 2a 2f 0a 73 74 61 74 69 63 20 69 6e 74 20 75 6e  */.static int un
26a0: 69 63 6f 64 65 4e 65 78 74 28 0a 20 20 73 71 6c  icodeNext(.  sql
26b0: 69 74 65 33 5f 74 6f 6b 65 6e 69 7a 65 72 5f 63  ite3_tokenizer_c
26c0: 75 72 73 6f 72 20 2a 70 43 2c 20 20 20 2f 2a 20  ursor *pC,   /* 
26d0: 43 75 72 73 6f 72 20 72 65 74 75 72 6e 65 64 20  Cursor returned 
26e0: 62 79 20 73 69 6d 70 6c 65 4f 70 65 6e 20 2a 2f  by simpleOpen */
26f0: 0a 20 20 63 6f 6e 73 74 20 63 68 61 72 20 2a 2a  .  const char **
2700: 70 61 54 6f 6b 65 6e 2c 20 20 20 20 20 20 20 20  paToken,        
2710: 20 20 20 2f 2a 20 4f 55 54 3a 20 54 6f 6b 65 6e     /* OUT: Token
2720: 20 74 65 78 74 20 2a 2f 0a 20 20 69 6e 74 20 2a   text */.  int *
2730: 70 6e 54 6f 6b 65 6e 2c 20 20 20 20 20 20 20 20  pnToken,        
2740: 20 20 20 20 20 20 20 20 20 20 20 2f 2a 20 4f 55             /* OU
2750: 54 3a 20 4e 75 6d 62 65 72 20 6f 66 20 62 79 74  T: Number of byt
2760: 65 73 20 61 74 20 2a 70 61 54 6f 6b 65 6e 20 2a  es at *paToken *
2770: 2f 0a 20 20 69 6e 74 20 2a 70 69 53 74 61 72 74  /.  int *piStart
2780: 2c 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20  ,               
2790: 20 20 20 20 2f 2a 20 4f 55 54 3a 20 53 74 61 72      /* OUT: Star
27a0: 74 69 6e 67 20 6f 66 66 73 65 74 20 6f 66 20 74  ting offset of t
27b0: 6f 6b 65 6e 20 2a 2f 0a 20 20 69 6e 74 20 2a 70  oken */.  int *p
27c0: 69 45 6e 64 2c 20 20 20 20 20 20 20 20 20 20 20  iEnd,           
27d0: 20 20 20 20 20 20 20 20 20 20 2f 2a 20 4f 55 54            /* OUT
27e0: 3a 20 45 6e 64 69 6e 67 20 6f 66 66 73 65 74 20  : Ending offset 
27f0: 6f 66 20 74 6f 6b 65 6e 20 2a 2f 0a 20 20 69 6e  of token */.  in
2800: 74 20 2a 70 69 50 6f 73 20 20 20 20 20 20 20 20  t *piPos        
2810: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 2f 2a                /*
2820: 20 4f 55 54 3a 20 50 6f 73 69 74 69 6f 6e 20 69   OUT: Position i
2830: 6e 74 65 67 65 72 20 6f 66 20 74 6f 6b 65 6e 20  nteger of token 
2840: 2a 2f 0a 29 7b 0a 20 20 75 6e 69 63 6f 64 65 5f  */.){.  unicode_
2850: 63 75 72 73 6f 72 20 2a 70 43 73 72 20 3d 20 28  cursor *pCsr = (
2860: 75 6e 69 63 6f 64 65 5f 63 75 72 73 6f 72 20 2a  unicode_cursor *
2870: 29 70 43 3b 0a 20 20 75 6e 69 63 6f 64 65 5f 74  )pC;.  unicode_t
2880: 6f 6b 65 6e 69 7a 65 72 20 2a 70 20 3d 20 28 28  okenizer *p = ((
2890: 75 6e 69 63 6f 64 65 5f 74 6f 6b 65 6e 69 7a 65  unicode_tokenize
28a0: 72 20 2a 29 70 43 73 72 2d 3e 62 61 73 65 2e 70  r *)pCsr->base.p
28b0: 54 6f 6b 65 6e 69 7a 65 72 29 3b 0a 20 20 69 6e  Tokenizer);.  in
28c0: 74 20 69 43 6f 64 65 3b 0a 20 20 63 68 61 72 20  t iCode;.  char 
28d0: 2a 7a 4f 75 74 3b 0a 20 20 63 6f 6e 73 74 20 75  *zOut;.  const u
28e0: 6e 73 69 67 6e 65 64 20 63 68 61 72 20 2a 7a 20  nsigned char *z 
28f0: 3d 20 26 70 43 73 72 2d 3e 61 49 6e 70 75 74 5b  = &pCsr->aInput[
2900: 70 43 73 72 2d 3e 69 4f 66 66 5d 3b 0a 20 20 63  pCsr->iOff];.  c
2910: 6f 6e 73 74 20 75 6e 73 69 67 6e 65 64 20 63 68  onst unsigned ch
2920: 61 72 20 2a 7a 53 74 61 72 74 20 3d 20 7a 3b 0a  ar *zStart = z;.
2930: 20 20 63 6f 6e 73 74 20 75 6e 73 69 67 6e 65 64    const unsigned
2940: 20 63 68 61 72 20 2a 7a 45 6e 64 3b 0a 20 20 63   char *zEnd;.  c
2950: 6f 6e 73 74 20 75 6e 73 69 67 6e 65 64 20 63 68  onst unsigned ch
2960: 61 72 20 2a 7a 54 65 72 6d 20 3d 20 26 70 43 73  ar *zTerm = &pCs
2970: 72 2d 3e 61 49 6e 70 75 74 5b 70 43 73 72 2d 3e  r->aInput[pCsr->
2980: 6e 49 6e 70 75 74 5d 3b 0a 0a 20 20 2f 2a 20 53  nInput];..  /* S
2990: 63 61 6e 20 70 61 73 74 20 61 6e 79 20 64 65 6c  can past any del
29a0: 69 6d 69 74 65 72 20 63 68 61 72 61 63 74 65 72  imiter character
29b0: 73 20 62 65 66 6f 72 65 20 74 68 65 20 73 74 61  s before the sta
29c0: 72 74 20 6f 66 20 74 68 65 20 6e 65 78 74 20 74  rt of the next t
29d0: 6f 6b 65 6e 2e 0a 20 20 2a 2a 20 52 65 74 75 72  oken..  ** Retur
29e0: 6e 20 53 51 4c 49 54 45 5f 44 4f 4e 45 20 65 61  n SQLITE_DONE ea
29f0: 72 6c 79 20 69 66 20 74 68 69 73 20 74 61 6b 65  rly if this take
2a00: 73 20 75 73 20 61 6c 6c 20 74 68 65 20 77 61 79  s us all the way
2a10: 20 74 6f 20 74 68 65 20 65 6e 64 20 6f 66 20 0a   to the end of .
2a20: 20 20 2a 2a 20 74 68 65 20 69 6e 70 75 74 2e 20    ** the input. 
2a30: 20 2a 2f 0a 20 20 77 68 69 6c 65 28 20 7a 3c 7a   */.  while( z<z
2a40: 54 65 72 6d 20 29 7b 0a 20 20 20 20 52 45 41 44  Term ){.    READ
2a50: 5f 55 54 46 38 28 7a 2c 20 7a 54 65 72 6d 2c 20  _UTF8(z, zTerm, 
2a60: 69 43 6f 64 65 29 3b 0a 20 20 20 20 69 66 28 20  iCode);.    if( 
2a70: 75 6e 69 63 6f 64 65 49 73 41 6c 6e 75 6d 28 70  unicodeIsAlnum(p
2a80: 2c 20 69 43 6f 64 65 29 20 29 20 62 72 65 61 6b  , iCode) ) break
2a90: 3b 0a 20 20 20 20 7a 53 74 61 72 74 20 3d 20 7a  ;.    zStart = z
2aa0: 3b 0a 20 20 7d 0a 20 20 69 66 28 20 7a 53 74 61  ;.  }.  if( zSta
2ab0: 72 74 3e 3d 7a 54 65 72 6d 20 29 20 72 65 74 75  rt>=zTerm ) retu
2ac0: 72 6e 20 53 51 4c 49 54 45 5f 44 4f 4e 45 3b 0a  rn SQLITE_DONE;.
2ad0: 0a 20 20 7a 4f 75 74 20 3d 20 70 43 73 72 2d 3e  .  zOut = pCsr->
2ae0: 7a 54 6f 6b 65 6e 3b 0a 20 20 64 6f 20 7b 0a 20  zToken;.  do {. 
2af0: 20 20 20 69 6e 74 20 69 4f 75 74 3b 0a 0a 20 20     int iOut;..  
2b00: 20 20 2f 2a 20 47 72 6f 77 20 74 68 65 20 6f 75    /* Grow the ou
2b10: 74 70 75 74 20 62 75 66 66 65 72 20 69 66 20 72  tput buffer if r
2b20: 65 71 75 69 72 65 64 2e 20 2a 2f 0a 20 20 20 20  equired. */.    
2b30: 69 66 28 20 28 7a 4f 75 74 2d 70 43 73 72 2d 3e  if( (zOut-pCsr->
2b40: 7a 54 6f 6b 65 6e 29 3e 3d 28 70 43 73 72 2d 3e  zToken)>=(pCsr->
2b50: 6e 41 6c 6c 6f 63 2d 34 29 20 29 7b 0a 20 20 20  nAlloc-4) ){.   
2b60: 20 20 20 63 68 61 72 20 2a 7a 4e 65 77 20 3d 20     char *zNew = 
2b70: 73 71 6c 69 74 65 33 5f 72 65 61 6c 6c 6f 63 28  sqlite3_realloc(
2b80: 70 43 73 72 2d 3e 7a 54 6f 6b 65 6e 2c 20 70 43  pCsr->zToken, pC
2b90: 73 72 2d 3e 6e 41 6c 6c 6f 63 2b 36 34 29 3b 0a  sr->nAlloc+64);.
2ba0: 20 20 20 20 20 20 69 66 28 20 21 7a 4e 65 77 20        if( !zNew 
2bb0: 29 20 72 65 74 75 72 6e 20 53 51 4c 49 54 45 5f  ) return SQLITE_
2bc0: 4e 4f 4d 45 4d 3b 0a 20 20 20 20 20 20 7a 4f 75  NOMEM;.      zOu
2bd0: 74 20 3d 20 26 7a 4e 65 77 5b 7a 4f 75 74 20 2d  t = &zNew[zOut -
2be0: 20 70 43 73 72 2d 3e 7a 54 6f 6b 65 6e 5d 3b 0a   pCsr->zToken];.
2bf0: 20 20 20 20 20 20 70 43 73 72 2d 3e 7a 54 6f 6b        pCsr->zTok
2c00: 65 6e 20 3d 20 7a 4e 65 77 3b 0a 20 20 20 20 20  en = zNew;.     
2c10: 20 70 43 73 72 2d 3e 6e 41 6c 6c 6f 63 20 2b 3d   pCsr->nAlloc +=
2c20: 20 36 34 3b 0a 20 20 20 20 7d 0a 0a 20 20 20 20   64;.    }..    
2c30: 2f 2a 20 57 72 69 74 65 20 74 68 65 20 66 6f 6c  /* Write the fol
2c40: 64 65 64 20 63 61 73 65 20 6f 66 20 74 68 65 20  ded case of the 
2c50: 6c 61 73 74 20 63 68 61 72 61 63 74 65 72 20 72  last character r
2c60: 65 61 64 20 74 6f 20 74 68 65 20 6f 75 74 70 75  ead to the outpu
2c70: 74 20 2a 2f 0a 20 20 20 20 7a 45 6e 64 20 3d 20  t */.    zEnd = 
2c80: 7a 3b 0a 20 20 20 20 69 4f 75 74 20 3d 20 73 71  z;.    iOut = sq
2c90: 6c 69 74 65 33 46 74 73 55 6e 69 63 6f 64 65 46  lite3FtsUnicodeF
2ca0: 6f 6c 64 28 69 43 6f 64 65 2c 20 70 2d 3e 62 52  old(iCode, p->bR
2cb0: 65 6d 6f 76 65 44 69 61 63 72 69 74 69 63 29 3b  emoveDiacritic);
2cc0: 0a 20 20 20 20 69 66 28 20 69 4f 75 74 20 29 7b  .    if( iOut ){
2cd0: 0a 20 20 20 20 20 20 57 52 49 54 45 5f 55 54 46  .      WRITE_UTF
2ce0: 38 28 7a 4f 75 74 2c 20 69 4f 75 74 29 3b 0a 20  8(zOut, iOut);. 
2cf0: 20 20 20 7d 0a 0a 20 20 20 20 2f 2a 20 49 66 20     }..    /* If 
2d00: 74 68 65 20 63 75 72 73 6f 72 20 69 73 20 6e 6f  the cursor is no
2d10: 74 20 61 74 20 45 4f 46 2c 20 72 65 61 64 20 74  t at EOF, read t
2d20: 68 65 20 6e 65 78 74 20 63 68 61 72 61 63 74 65  he next characte
2d30: 72 20 2a 2f 0a 20 20 20 20 69 66 28 20 7a 3e 3d  r */.    if( z>=
2d40: 7a 54 65 72 6d 20 29 20 62 72 65 61 6b 3b 0a 20  zTerm ) break;. 
2d50: 20 20 20 52 45 41 44 5f 55 54 46 38 28 7a 2c 20     READ_UTF8(z, 
2d60: 7a 54 65 72 6d 2c 20 69 43 6f 64 65 29 3b 0a 20  zTerm, iCode);. 
2d70: 20 7d 77 68 69 6c 65 28 20 75 6e 69 63 6f 64 65   }while( unicode
2d80: 49 73 41 6c 6e 75 6d 28 70 2c 20 69 43 6f 64 65  IsAlnum(p, iCode
2d90: 29 20 0a 20 20 20 20 20 20 20 7c 7c 20 73 71 6c  ) .       || sql
2da0: 69 74 65 33 46 74 73 55 6e 69 63 6f 64 65 49 73  ite3FtsUnicodeIs
2db0: 64 69 61 63 72 69 74 69 63 28 69 43 6f 64 65 29  diacritic(iCode)
2dc0: 0a 20 20 29 3b 0a 0a 20 20 2f 2a 20 53 65 74 20  .  );..  /* Set 
2dd0: 74 68 65 20 6f 75 74 70 75 74 20 76 61 72 69 61  the output varia
2de0: 62 6c 65 73 20 61 6e 64 20 72 65 74 75 72 6e 2e  bles and return.
2df0: 20 2a 2f 0a 20 20 70 43 73 72 2d 3e 69 4f 66 66   */.  pCsr->iOff
2e00: 20 3d 20 28 7a 20 2d 20 70 43 73 72 2d 3e 61 49   = (z - pCsr->aI
2e10: 6e 70 75 74 29 3b 0a 20 20 2a 70 61 54 6f 6b 65  nput);.  *paToke
2e20: 6e 20 3d 20 70 43 73 72 2d 3e 7a 54 6f 6b 65 6e  n = pCsr->zToken
2e30: 3b 0a 20 20 2a 70 6e 54 6f 6b 65 6e 20 3d 20 7a  ;.  *pnToken = z
2e40: 4f 75 74 20 2d 20 70 43 73 72 2d 3e 7a 54 6f 6b  Out - pCsr->zTok
2e50: 65 6e 3b 0a 20 20 2a 70 69 53 74 61 72 74 20 3d  en;.  *piStart =
2e60: 20 28 7a 53 74 61 72 74 20 2d 20 70 43 73 72 2d   (zStart - pCsr-
2e70: 3e 61 49 6e 70 75 74 29 3b 0a 20 20 2a 70 69 45  >aInput);.  *piE
2e80: 6e 64 20 3d 20 28 7a 45 6e 64 20 2d 20 70 43 73  nd = (zEnd - pCs
2e90: 72 2d 3e 61 49 6e 70 75 74 29 3b 0a 20 20 2a 70  r->aInput);.  *p
2ea0: 69 50 6f 73 20 3d 20 70 43 73 72 2d 3e 69 54 6f  iPos = pCsr->iTo
2eb0: 6b 65 6e 2b 2b 3b 0a 20 20 72 65 74 75 72 6e 20  ken++;.  return 
2ec0: 53 51 4c 49 54 45 5f 4f 4b 3b 0a 7d 0a 0a 2f 2a  SQLITE_OK;.}../*
2ed0: 0a 2a 2a 20 53 65 74 20 2a 70 70 4d 6f 64 75 6c  .** Set *ppModul
2ee0: 65 20 74 6f 20 61 20 70 6f 69 6e 74 65 72 20 74  e to a pointer t
2ef0: 6f 20 74 68 65 20 73 71 6c 69 74 65 33 5f 74 6f  o the sqlite3_to
2f00: 6b 65 6e 69 7a 65 72 5f 6d 6f 64 75 6c 65 20 0a  kenizer_module .
2f10: 2a 2a 20 73 74 72 75 63 74 75 72 65 20 66 6f 72  ** structure for
2f20: 20 74 68 65 20 75 6e 69 63 6f 64 65 20 74 6f 6b   the unicode tok
2f30: 65 6e 69 7a 65 72 2e 0a 2a 2f 0a 76 6f 69 64 20  enizer..*/.void 
2f40: 73 71 6c 69 74 65 33 46 74 73 33 55 6e 69 63 6f  sqlite3Fts3Unico
2f50: 64 65 54 6f 6b 65 6e 69 7a 65 72 28 73 71 6c 69  deTokenizer(sqli
2f60: 74 65 33 5f 74 6f 6b 65 6e 69 7a 65 72 5f 6d 6f  te3_tokenizer_mo
2f70: 64 75 6c 65 20 63 6f 6e 73 74 20 2a 2a 70 70 4d  dule const **ppM
2f80: 6f 64 75 6c 65 29 7b 0a 20 20 73 74 61 74 69 63  odule){.  static
2f90: 20 63 6f 6e 73 74 20 73 71 6c 69 74 65 33 5f 74   const sqlite3_t
2fa0: 6f 6b 65 6e 69 7a 65 72 5f 6d 6f 64 75 6c 65 20  okenizer_module 
2fb0: 6d 6f 64 75 6c 65 20 3d 20 7b 0a 20 20 20 20 30  module = {.    0
2fc0: 2c 0a 20 20 20 20 75 6e 69 63 6f 64 65 43 72 65  ,.    unicodeCre
2fd0: 61 74 65 2c 0a 20 20 20 20 75 6e 69 63 6f 64 65  ate,.    unicode
2fe0: 44 65 73 74 72 6f 79 2c 0a 20 20 20 20 75 6e 69  Destroy,.    uni
2ff0: 63 6f 64 65 4f 70 65 6e 2c 0a 20 20 20 20 75 6e  codeOpen,.    un
3000: 69 63 6f 64 65 43 6c 6f 73 65 2c 0a 20 20 20 20  icodeClose,.    
3010: 75 6e 69 63 6f 64 65 4e 65 78 74 2c 0a 20 20 20  unicodeNext,.   
3020: 20 30 2c 0a 20 20 7d 3b 0a 20 20 2a 70 70 4d 6f   0,.  };.  *ppMo
3030: 64 75 6c 65 20 3d 20 26 6d 6f 64 75 6c 65 3b 0a  dule = &module;.
3040: 7d 0a 0a 23 65 6e 64 69 66 20 2f 2a 20 21 64 65  }..#endif /* !de
3050: 66 69 6e 65 64 28 53 51 4c 49 54 45 5f 43 4f 52  fined(SQLITE_COR
3060: 45 29 20 7c 7c 20 64 65 66 69 6e 65 64 28 53 51  E) || defined(SQ
3070: 4c 49 54 45 5f 45 4e 41 42 4c 45 5f 46 54 53 33  LITE_ENABLE_FTS3
3080: 29 20 2a 2f 0a 23 65 6e 64 69 66 20 2f 2a 20 69  ) */.#endif /* i
3090: 66 6e 64 65 66 20 53 51 4c 49 54 45 5f 45 4e 41  fndef SQLITE_ENA
30a0: 42 4c 45 5f 46 54 53 34 5f 55 4e 49 43 4f 44 45  BLE_FTS4_UNICODE
30b0: 36 31 20 2a 2f 0a                                61 */.