/ Hex Artifact Content
Login

Artifact 525a3bd9a7564603c5c061b7de55403a565307758a94600e8a2f6b00d1c40d9d:


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 6e  enizer..*/..#ifn
01c0: 64 65 66 20 53 51 4c 49 54 45 5f 44 49 53 41 42  def SQLITE_DISAB
01d0: 4c 45 5f 46 54 53 33 5f 55 4e 49 43 4f 44 45 0a  LE_FTS3_UNICODE.
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 72 20 6f 66 20  the behavior of 
1310: 74 68 65 20 74 6f 6b 65 6e 69 7a 65 72 20 77 69  the tokenizer wi
1320: 74 68 20 72 65 73 70 65 63 74 0a 2a 2a 20 74 6f  th respect.** to
1330: 20 74 68 65 73 65 20 63 6f 64 65 70 6f 69 6e 74   these codepoint
1340: 73 2e 0a 2a 2f 0a 73 74 61 74 69 63 20 69 6e 74  s..*/.static int
1350: 20 75 6e 69 63 6f 64 65 41 64 64 45 78 63 65 70   unicodeAddExcep
1360: 74 69 6f 6e 73 28 0a 20 20 75 6e 69 63 6f 64 65  tions(.  unicode
1370: 5f 74 6f 6b 65 6e 69 7a 65 72 20 2a 70 2c 20 20  _tokenizer *p,  
1380: 20 20 20 20 20 20 20 20 20 2f 2a 20 54 6f 6b 65           /* Toke
1390: 6e 69 7a 65 72 20 74 6f 20 61 64 64 20 65 78 63  nizer to add exc
13a0: 65 70 74 69 6f 6e 73 20 74 6f 20 2a 2f 0a 20 20  eptions to */.  
13b0: 69 6e 74 20 62 41 6c 6e 75 6d 2c 20 20 20 20 20  int bAlnum,     
13c0: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
13d0: 2f 2a 20 52 65 70 6c 61 63 65 20 49 73 61 6c 6e  /* Replace Isaln
13e0: 75 6d 28 29 20 72 65 74 75 72 6e 20 76 61 6c 75  um() return valu
13f0: 65 20 77 69 74 68 20 74 68 69 73 20 2a 2f 0a 20  e with this */. 
1400: 20 63 6f 6e 73 74 20 63 68 61 72 20 2a 7a 49 6e   const char *zIn
1410: 2c 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20  ,               
1420: 20 2f 2a 20 41 72 72 61 79 20 6f 66 20 63 68 61   /* Array of cha
1430: 72 61 63 74 65 72 73 20 74 6f 20 6d 61 6b 65 20  racters to make 
1440: 65 78 63 65 70 74 69 6f 6e 73 20 2a 2f 0a 20 20  exceptions */.  
1450: 69 6e 74 20 6e 49 6e 20 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: 2f 2a 20 4c 65 6e 67 74 68 20 6f 66 20 7a 20 69  /* Length of z i
1480: 6e 20 62 79 74 65 73 20 2a 2f 0a 29 7b 0a 20 20  n bytes */.){.  
1490: 63 6f 6e 73 74 20 75 6e 73 69 67 6e 65 64 20 63  const unsigned c
14a0: 68 61 72 20 2a 7a 20 3d 20 28 63 6f 6e 73 74 20  har *z = (const 
14b0: 75 6e 73 69 67 6e 65 64 20 63 68 61 72 20 2a 29  unsigned char *)
14c0: 7a 49 6e 3b 0a 20 20 63 6f 6e 73 74 20 75 6e 73  zIn;.  const uns
14d0: 69 67 6e 65 64 20 63 68 61 72 20 2a 7a 54 65 72  igned char *zTer
14e0: 6d 20 3d 20 26 7a 5b 6e 49 6e 5d 3b 0a 20 20 75  m = &z[nIn];.  u
14f0: 6e 73 69 67 6e 65 64 20 69 6e 74 20 69 43 6f 64  nsigned int iCod
1500: 65 3b 0a 20 20 69 6e 74 20 6e 45 6e 74 72 79 20  e;.  int nEntry 
1510: 3d 20 30 3b 0a 0a 20 20 61 73 73 65 72 74 28 20  = 0;..  assert( 
1520: 62 41 6c 6e 75 6d 3d 3d 30 20 7c 7c 20 62 41 6c  bAlnum==0 || bAl
1530: 6e 75 6d 3d 3d 31 20 29 3b 0a 0a 20 20 77 68 69  num==1 );..  whi
1540: 6c 65 28 20 7a 3c 7a 54 65 72 6d 20 29 7b 0a 20  le( z<zTerm ){. 
1550: 20 20 20 52 45 41 44 5f 55 54 46 38 28 7a 2c 20     READ_UTF8(z, 
1560: 7a 54 65 72 6d 2c 20 69 43 6f 64 65 29 3b 0a 20  zTerm, iCode);. 
1570: 20 20 20 61 73 73 65 72 74 28 20 28 73 71 6c 69     assert( (sqli
1580: 74 65 33 46 74 73 55 6e 69 63 6f 64 65 49 73 61  te3FtsUnicodeIsa
1590: 6c 6e 75 6d 28 28 69 6e 74 29 69 43 6f 64 65 29  lnum((int)iCode)
15a0: 20 26 20 30 78 46 46 46 46 46 46 46 45 29 3d 3d   & 0xFFFFFFFE)==
15b0: 30 20 29 3b 0a 20 20 20 20 69 66 28 20 73 71 6c  0 );.    if( sql
15c0: 69 74 65 33 46 74 73 55 6e 69 63 6f 64 65 49 73  ite3FtsUnicodeIs
15d0: 61 6c 6e 75 6d 28 28 69 6e 74 29 69 43 6f 64 65  alnum((int)iCode
15e0: 29 21 3d 62 41 6c 6e 75 6d 20 0a 20 20 20 20 20  )!=bAlnum .     
15f0: 26 26 20 73 71 6c 69 74 65 33 46 74 73 55 6e 69  && sqlite3FtsUni
1600: 63 6f 64 65 49 73 64 69 61 63 72 69 74 69 63 28  codeIsdiacritic(
1610: 28 69 6e 74 29 69 43 6f 64 65 29 3d 3d 30 20 0a  (int)iCode)==0 .
1620: 20 20 20 20 29 7b 0a 20 20 20 20 20 20 6e 45 6e      ){.      nEn
1630: 74 72 79 2b 2b 3b 0a 20 20 20 20 7d 0a 20 20 7d  try++;.    }.  }
1640: 0a 0a 20 20 69 66 28 20 6e 45 6e 74 72 79 20 29  ..  if( nEntry )
1650: 7b 0a 20 20 20 20 69 6e 74 20 2a 61 4e 65 77 3b  {.    int *aNew;
1660: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
1670: 20 20 20 20 2f 2a 20 4e 65 77 20 61 69 45 78 63      /* New aiExc
1680: 65 70 74 69 6f 6e 5b 5d 20 61 72 72 61 79 20 2a  eption[] array *
1690: 2f 0a 20 20 20 20 69 6e 74 20 6e 4e 65 77 3b 20  /.    int nNew; 
16a0: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20                  
16b0: 20 20 20 20 2f 2a 20 4e 75 6d 62 65 72 20 6f 66      /* Number of
16c0: 20 76 61 6c 69 64 20 65 6e 74 72 69 65 73 20 69   valid entries i
16d0: 6e 20 61 72 72 61 79 20 61 4e 65 77 5b 5d 20 2a  n array aNew[] *
16e0: 2f 0a 0a 20 20 20 20 61 4e 65 77 20 3d 20 73 71  /..    aNew = sq
16f0: 6c 69 74 65 33 5f 72 65 61 6c 6c 6f 63 28 70 2d  lite3_realloc(p-
1700: 3e 61 69 45 78 63 65 70 74 69 6f 6e 2c 20 28 70  >aiException, (p
1710: 2d 3e 6e 45 78 63 65 70 74 69 6f 6e 2b 6e 45 6e  ->nException+nEn
1720: 74 72 79 29 2a 73 69 7a 65 6f 66 28 69 6e 74 29  try)*sizeof(int)
1730: 29 3b 0a 20 20 20 20 69 66 28 20 61 4e 65 77 3d  );.    if( aNew=
1740: 3d 30 20 29 20 72 65 74 75 72 6e 20 53 51 4c 49  =0 ) return SQLI
1750: 54 45 5f 4e 4f 4d 45 4d 3b 0a 20 20 20 20 6e 4e  TE_NOMEM;.    nN
1760: 65 77 20 3d 20 70 2d 3e 6e 45 78 63 65 70 74 69  ew = p->nExcepti
1770: 6f 6e 3b 0a 0a 20 20 20 20 7a 20 3d 20 28 63 6f  on;..    z = (co
1780: 6e 73 74 20 75 6e 73 69 67 6e 65 64 20 63 68 61  nst unsigned cha
1790: 72 20 2a 29 7a 49 6e 3b 0a 20 20 20 20 77 68 69  r *)zIn;.    whi
17a0: 6c 65 28 20 7a 3c 7a 54 65 72 6d 20 29 7b 0a 20  le( z<zTerm ){. 
17b0: 20 20 20 20 20 52 45 41 44 5f 55 54 46 38 28 7a       READ_UTF8(z
17c0: 2c 20 7a 54 65 72 6d 2c 20 69 43 6f 64 65 29 3b  , zTerm, iCode);
17d0: 0a 20 20 20 20 20 20 69 66 28 20 73 71 6c 69 74  .      if( sqlit
17e0: 65 33 46 74 73 55 6e 69 63 6f 64 65 49 73 61 6c  e3FtsUnicodeIsal
17f0: 6e 75 6d 28 28 69 6e 74 29 69 43 6f 64 65 29 21  num((int)iCode)!
1800: 3d 62 41 6c 6e 75 6d 20 0a 20 20 20 20 20 20 20  =bAlnum .       
1810: 26 26 20 73 71 6c 69 74 65 33 46 74 73 55 6e 69  && sqlite3FtsUni
1820: 63 6f 64 65 49 73 64 69 61 63 72 69 74 69 63 28  codeIsdiacritic(
1830: 28 69 6e 74 29 69 43 6f 64 65 29 3d 3d 30 0a 20  (int)iCode)==0. 
1840: 20 20 20 20 20 29 7b 0a 20 20 20 20 20 20 20 20       ){.        
1850: 69 6e 74 20 69 2c 20 6a 3b 0a 20 20 20 20 20 20  int i, j;.      
1860: 20 20 66 6f 72 28 69 3d 30 3b 20 69 3c 6e 4e 65    for(i=0; i<nNe
1870: 77 20 26 26 20 61 4e 65 77 5b 69 5d 3c 28 69 6e  w && aNew[i]<(in
1880: 74 29 69 43 6f 64 65 3b 20 69 2b 2b 29 3b 0a 20  t)iCode; i++);. 
1890: 20 20 20 20 20 20 20 66 6f 72 28 6a 3d 6e 4e 65         for(j=nNe
18a0: 77 3b 20 6a 3e 69 3b 20 6a 2d 2d 29 20 61 4e 65  w; j>i; j--) aNe
18b0: 77 5b 6a 5d 20 3d 20 61 4e 65 77 5b 6a 2d 31 5d  w[j] = aNew[j-1]
18c0: 3b 0a 20 20 20 20 20 20 20 20 61 4e 65 77 5b 69  ;.        aNew[i
18d0: 5d 20 3d 20 28 69 6e 74 29 69 43 6f 64 65 3b 0a  ] = (int)iCode;.
18e0: 20 20 20 20 20 20 20 20 6e 4e 65 77 2b 2b 3b 0a          nNew++;.
18f0: 20 20 20 20 20 20 7d 0a 20 20 20 20 7d 0a 20 20        }.    }.  
1900: 20 20 70 2d 3e 61 69 45 78 63 65 70 74 69 6f 6e    p->aiException
1910: 20 3d 20 61 4e 65 77 3b 0a 20 20 20 20 70 2d 3e   = aNew;.    p->
1920: 6e 45 78 63 65 70 74 69 6f 6e 20 3d 20 6e 4e 65  nException = nNe
1930: 77 3b 0a 20 20 7d 0a 0a 20 20 72 65 74 75 72 6e  w;.  }..  return
1940: 20 53 51 4c 49 54 45 5f 4f 4b 3b 0a 7d 0a 0a 2f   SQLITE_OK;.}../
1950: 2a 0a 2a 2a 20 52 65 74 75 72 6e 20 74 72 75 65  *.** Return true
1960: 20 69 66 20 74 68 65 20 70 2d 3e 61 69 45 78 63   if the p->aiExc
1970: 65 70 74 69 6f 6e 5b 5d 20 61 72 72 61 79 20 63  eption[] array c
1980: 6f 6e 74 61 69 6e 73 20 74 68 65 20 76 61 6c 75  ontains the valu
1990: 65 20 69 43 6f 64 65 2e 0a 2a 2f 0a 73 74 61 74  e iCode..*/.stat
19a0: 69 63 20 69 6e 74 20 75 6e 69 63 6f 64 65 49 73  ic int unicodeIs
19b0: 45 78 63 65 70 74 69 6f 6e 28 75 6e 69 63 6f 64  Exception(unicod
19c0: 65 5f 74 6f 6b 65 6e 69 7a 65 72 20 2a 70 2c 20  e_tokenizer *p, 
19d0: 69 6e 74 20 69 43 6f 64 65 29 7b 0a 20 20 69 66  int iCode){.  if
19e0: 28 20 70 2d 3e 6e 45 78 63 65 70 74 69 6f 6e 3e  ( p->nException>
19f0: 30 20 29 7b 0a 20 20 20 20 69 6e 74 20 2a 61 20  0 ){.    int *a 
1a00: 3d 20 70 2d 3e 61 69 45 78 63 65 70 74 69 6f 6e  = p->aiException
1a10: 3b 0a 20 20 20 20 69 6e 74 20 69 4c 6f 20 3d 20  ;.    int iLo = 
1a20: 30 3b 0a 20 20 20 20 69 6e 74 20 69 48 69 20 3d  0;.    int iHi =
1a30: 20 70 2d 3e 6e 45 78 63 65 70 74 69 6f 6e 2d 31   p->nException-1
1a40: 3b 0a 0a 20 20 20 20 77 68 69 6c 65 28 20 69 48  ;..    while( iH
1a50: 69 3e 3d 69 4c 6f 20 29 7b 0a 20 20 20 20 20 20  i>=iLo ){.      
1a60: 69 6e 74 20 69 54 65 73 74 20 3d 20 28 69 48 69  int iTest = (iHi
1a70: 20 2b 20 69 4c 6f 29 20 2f 20 32 3b 0a 20 20 20   + iLo) / 2;.   
1a80: 20 20 20 69 66 28 20 69 43 6f 64 65 3d 3d 61 5b     if( iCode==a[
1a90: 69 54 65 73 74 5d 20 29 7b 0a 20 20 20 20 20 20  iTest] ){.      
1aa0: 20 20 72 65 74 75 72 6e 20 31 3b 0a 20 20 20 20    return 1;.    
1ab0: 20 20 7d 65 6c 73 65 20 69 66 28 20 69 43 6f 64    }else if( iCod
1ac0: 65 3e 61 5b 69 54 65 73 74 5d 20 29 7b 0a 20 20  e>a[iTest] ){.  
1ad0: 20 20 20 20 20 20 69 4c 6f 20 3d 20 69 54 65 73        iLo = iTes
1ae0: 74 2b 31 3b 0a 20 20 20 20 20 20 7d 65 6c 73 65  t+1;.      }else
1af0: 7b 0a 20 20 20 20 20 20 20 20 69 48 69 20 3d 20  {.        iHi = 
1b00: 69 54 65 73 74 2d 31 3b 0a 20 20 20 20 20 20 7d  iTest-1;.      }
1b10: 0a 20 20 20 20 7d 0a 20 20 7d 0a 0a 20 20 72 65  .    }.  }..  re
1b20: 74 75 72 6e 20 30 3b 0a 7d 0a 0a 2f 2a 0a 2a 2a  turn 0;.}../*.**
1b30: 20 52 65 74 75 72 6e 20 74 72 75 65 20 69 66 2c   Return true if,
1b40: 20 66 6f 72 20 74 68 65 20 70 75 72 70 6f 73 65   for the purpose
1b50: 73 20 6f 66 20 74 6f 6b 65 6e 69 7a 61 74 69 6f  s of tokenizatio
1b60: 6e 2c 20 63 6f 64 65 70 6f 69 6e 74 20 69 43 6f  n, codepoint iCo
1b70: 64 65 20 69 73 0a 2a 2a 20 63 6f 6e 73 69 64 65  de is.** conside
1b80: 72 65 64 20 61 20 74 6f 6b 65 6e 20 63 68 61 72  red a token char
1b90: 61 63 74 65 72 20 28 6e 6f 74 20 61 20 73 65 70  acter (not a sep
1ba0: 61 72 61 74 6f 72 29 2e 0a 2a 2f 0a 73 74 61 74  arator)..*/.stat
1bb0: 69 63 20 69 6e 74 20 75 6e 69 63 6f 64 65 49 73  ic int unicodeIs
1bc0: 41 6c 6e 75 6d 28 75 6e 69 63 6f 64 65 5f 74 6f  Alnum(unicode_to
1bd0: 6b 65 6e 69 7a 65 72 20 2a 70 2c 20 69 6e 74 20  kenizer *p, int 
1be0: 69 43 6f 64 65 29 7b 0a 20 20 61 73 73 65 72 74  iCode){.  assert
1bf0: 28 20 28 73 71 6c 69 74 65 33 46 74 73 55 6e 69  ( (sqlite3FtsUni
1c00: 63 6f 64 65 49 73 61 6c 6e 75 6d 28 69 43 6f 64  codeIsalnum(iCod
1c10: 65 29 20 26 20 30 78 46 46 46 46 46 46 46 45 29  e) & 0xFFFFFFFE)
1c20: 3d 3d 30 20 29 3b 0a 20 20 72 65 74 75 72 6e 20  ==0 );.  return 
1c30: 73 71 6c 69 74 65 33 46 74 73 55 6e 69 63 6f 64  sqlite3FtsUnicod
1c40: 65 49 73 61 6c 6e 75 6d 28 69 43 6f 64 65 29 20  eIsalnum(iCode) 
1c50: 5e 20 75 6e 69 63 6f 64 65 49 73 45 78 63 65 70  ^ unicodeIsExcep
1c60: 74 69 6f 6e 28 70 2c 20 69 43 6f 64 65 29 3b 0a  tion(p, iCode);.
1c70: 7d 0a 0a 2f 2a 0a 2a 2a 20 43 72 65 61 74 65 20  }../*.** Create 
1c80: 61 20 6e 65 77 20 74 6f 6b 65 6e 69 7a 65 72 20  a new tokenizer 
1c90: 69 6e 73 74 61 6e 63 65 2e 0a 2a 2f 0a 73 74 61  instance..*/.sta
1ca0: 74 69 63 20 69 6e 74 20 75 6e 69 63 6f 64 65 43  tic int unicodeC
1cb0: 72 65 61 74 65 28 0a 20 20 69 6e 74 20 6e 41 72  reate(.  int nAr
1cc0: 67 2c 20 20 20 20 20 20 20 20 20 20 20 20 20 20  g,              
1cd0: 20 20 20 20 20 20 20 20 20 2f 2a 20 53 69 7a 65           /* Size
1ce0: 20 6f 66 20 61 72 72 61 79 20 61 72 67 76 5b 5d   of array argv[]
1cf0: 20 2a 2f 0a 20 20 63 6f 6e 73 74 20 63 68 61 72   */.  const char
1d00: 20 2a 20 63 6f 6e 73 74 20 2a 61 7a 41 72 67 2c   * const *azArg,
1d10: 20 20 20 20 20 20 2f 2a 20 54 6f 6b 65 6e 69 7a        /* Tokeniz
1d20: 65 72 20 63 72 65 61 74 69 6f 6e 20 61 72 67 75  er creation argu
1d30: 6d 65 6e 74 73 20 2a 2f 0a 20 20 73 71 6c 69 74  ments */.  sqlit
1d40: 65 33 5f 74 6f 6b 65 6e 69 7a 65 72 20 2a 2a 70  e3_tokenizer **p
1d50: 70 20 20 20 20 20 20 20 20 20 20 2f 2a 20 4f 55  p          /* OU
1d60: 54 3a 20 4e 65 77 20 74 6f 6b 65 6e 69 7a 65 72  T: New tokenizer
1d70: 20 68 61 6e 64 6c 65 20 2a 2f 0a 29 7b 0a 20 20   handle */.){.  
1d80: 75 6e 69 63 6f 64 65 5f 74 6f 6b 65 6e 69 7a 65  unicode_tokenize
1d90: 72 20 2a 70 4e 65 77 3b 20 20 20 20 20 20 20 20  r *pNew;        
1da0: 2f 2a 20 4e 65 77 20 74 6f 6b 65 6e 69 7a 65 72  /* New tokenizer
1db0: 20 6f 62 6a 65 63 74 20 2a 2f 0a 20 20 69 6e 74   object */.  int
1dc0: 20 69 3b 0a 20 20 69 6e 74 20 72 63 20 3d 20 53   i;.  int rc = S
1dd0: 51 4c 49 54 45 5f 4f 4b 3b 0a 0a 20 20 70 4e 65  QLITE_OK;..  pNe
1de0: 77 20 3d 20 28 75 6e 69 63 6f 64 65 5f 74 6f 6b  w = (unicode_tok
1df0: 65 6e 69 7a 65 72 20 2a 29 20 73 71 6c 69 74 65  enizer *) sqlite
1e00: 33 5f 6d 61 6c 6c 6f 63 28 73 69 7a 65 6f 66 28  3_malloc(sizeof(
1e10: 75 6e 69 63 6f 64 65 5f 74 6f 6b 65 6e 69 7a 65  unicode_tokenize
1e20: 72 29 29 3b 0a 20 20 69 66 28 20 70 4e 65 77 3d  r));.  if( pNew=
1e30: 3d 4e 55 4c 4c 20 29 20 72 65 74 75 72 6e 20 53  =NULL ) return S
1e40: 51 4c 49 54 45 5f 4e 4f 4d 45 4d 3b 0a 20 20 6d  QLITE_NOMEM;.  m
1e50: 65 6d 73 65 74 28 70 4e 65 77 2c 20 30 2c 20 73  emset(pNew, 0, s
1e60: 69 7a 65 6f 66 28 75 6e 69 63 6f 64 65 5f 74 6f  izeof(unicode_to
1e70: 6b 65 6e 69 7a 65 72 29 29 3b 0a 20 20 70 4e 65  kenizer));.  pNe
1e80: 77 2d 3e 62 52 65 6d 6f 76 65 44 69 61 63 72 69  w->bRemoveDiacri
1e90: 74 69 63 20 3d 20 31 3b 0a 0a 20 20 66 6f 72 28  tic = 1;..  for(
1ea0: 69 3d 30 3b 20 72 63 3d 3d 53 51 4c 49 54 45 5f  i=0; rc==SQLITE_
1eb0: 4f 4b 20 26 26 20 69 3c 6e 41 72 67 3b 20 69 2b  OK && i<nArg; i+
1ec0: 2b 29 7b 0a 20 20 20 20 63 6f 6e 73 74 20 63 68  +){.    const ch
1ed0: 61 72 20 2a 7a 20 3d 20 61 7a 41 72 67 5b 69 5d  ar *z = azArg[i]
1ee0: 3b 0a 20 20 20 20 69 6e 74 20 6e 20 3d 20 28 69  ;.    int n = (i
1ef0: 6e 74 29 73 74 72 6c 65 6e 28 7a 29 3b 0a 0a 20  nt)strlen(z);.. 
1f00: 20 20 20 69 66 28 20 6e 3d 3d 31 39 20 26 26 20     if( n==19 && 
1f10: 6d 65 6d 63 6d 70 28 22 72 65 6d 6f 76 65 5f 64  memcmp("remove_d
1f20: 69 61 63 72 69 74 69 63 73 3d 31 22 2c 20 7a 2c  iacritics=1", z,
1f30: 20 31 39 29 3d 3d 30 20 29 7b 0a 20 20 20 20 20   19)==0 ){.     
1f40: 20 70 4e 65 77 2d 3e 62 52 65 6d 6f 76 65 44 69   pNew->bRemoveDi
1f50: 61 63 72 69 74 69 63 20 3d 20 31 3b 0a 20 20 20  acritic = 1;.   
1f60: 20 7d 0a 20 20 20 20 65 6c 73 65 20 69 66 28 20   }.    else if( 
1f70: 6e 3d 3d 31 39 20 26 26 20 6d 65 6d 63 6d 70 28  n==19 && memcmp(
1f80: 22 72 65 6d 6f 76 65 5f 64 69 61 63 72 69 74 69  "remove_diacriti
1f90: 63 73 3d 30 22 2c 20 7a 2c 20 31 39 29 3d 3d 30  cs=0", z, 19)==0
1fa0: 20 29 7b 0a 20 20 20 20 20 20 70 4e 65 77 2d 3e   ){.      pNew->
1fb0: 62 52 65 6d 6f 76 65 44 69 61 63 72 69 74 69 63  bRemoveDiacritic
1fc0: 20 3d 20 30 3b 0a 20 20 20 20 7d 0a 20 20 20 20   = 0;.    }.    
1fd0: 65 6c 73 65 20 69 66 28 20 6e 3e 3d 31 31 20 26  else if( n>=11 &
1fe0: 26 20 6d 65 6d 63 6d 70 28 22 74 6f 6b 65 6e 63  & memcmp("tokenc
1ff0: 68 61 72 73 3d 22 2c 20 7a 2c 20 31 31 29 3d 3d  hars=", z, 11)==
2000: 30 20 29 7b 0a 20 20 20 20 20 20 72 63 20 3d 20  0 ){.      rc = 
2010: 75 6e 69 63 6f 64 65 41 64 64 45 78 63 65 70 74  unicodeAddExcept
2020: 69 6f 6e 73 28 70 4e 65 77 2c 20 31 2c 20 26 7a  ions(pNew, 1, &z
2030: 5b 31 31 5d 2c 20 6e 2d 31 31 29 3b 0a 20 20 20  [11], n-11);.   
2040: 20 7d 0a 20 20 20 20 65 6c 73 65 20 69 66 28 20   }.    else if( 
2050: 6e 3e 3d 31 31 20 26 26 20 6d 65 6d 63 6d 70 28  n>=11 && memcmp(
2060: 22 73 65 70 61 72 61 74 6f 72 73 3d 22 2c 20 7a  "separators=", z
2070: 2c 20 31 31 29 3d 3d 30 20 29 7b 0a 20 20 20 20  , 11)==0 ){.    
2080: 20 20 72 63 20 3d 20 75 6e 69 63 6f 64 65 41 64    rc = unicodeAd
2090: 64 45 78 63 65 70 74 69 6f 6e 73 28 70 4e 65 77  dExceptions(pNew
20a0: 2c 20 30 2c 20 26 7a 5b 31 31 5d 2c 20 6e 2d 31  , 0, &z[11], n-1
20b0: 31 29 3b 0a 20 20 20 20 7d 0a 20 20 20 20 65 6c  1);.    }.    el
20c0: 73 65 7b 0a 20 20 20 20 20 20 2f 2a 20 55 6e 72  se{.      /* Unr
20d0: 65 63 6f 67 6e 69 7a 65 64 20 61 72 67 75 6d 65  ecognized argume
20e0: 6e 74 20 2a 2f 0a 20 20 20 20 20 20 72 63 20 20  nt */.      rc  
20f0: 3d 20 53 51 4c 49 54 45 5f 45 52 52 4f 52 3b 0a  = SQLITE_ERROR;.
2100: 20 20 20 20 7d 0a 20 20 7d 0a 0a 20 20 69 66 28      }.  }..  if(
2110: 20 72 63 21 3d 53 51 4c 49 54 45 5f 4f 4b 20 29   rc!=SQLITE_OK )
2120: 7b 0a 20 20 20 20 75 6e 69 63 6f 64 65 44 65 73  {.    unicodeDes
2130: 74 72 6f 79 28 28 73 71 6c 69 74 65 33 5f 74 6f  troy((sqlite3_to
2140: 6b 65 6e 69 7a 65 72 20 2a 29 70 4e 65 77 29 3b  kenizer *)pNew);
2150: 0a 20 20 20 20 70 4e 65 77 20 3d 20 30 3b 0a 20  .    pNew = 0;. 
2160: 20 7d 0a 20 20 2a 70 70 20 3d 20 28 73 71 6c 69   }.  *pp = (sqli
2170: 74 65 33 5f 74 6f 6b 65 6e 69 7a 65 72 20 2a 29  te3_tokenizer *)
2180: 70 4e 65 77 3b 0a 20 20 72 65 74 75 72 6e 20 72  pNew;.  return r
2190: 63 3b 0a 7d 0a 0a 2f 2a 0a 2a 2a 20 50 72 65 70  c;.}../*.** Prep
21a0: 61 72 65 20 74 6f 20 62 65 67 69 6e 20 74 6f 6b  are to begin tok
21b0: 65 6e 69 7a 69 6e 67 20 61 20 70 61 72 74 69 63  enizing a partic
21c0: 75 6c 61 72 20 73 74 72 69 6e 67 2e 20 20 54 68  ular string.  Th
21d0: 65 20 69 6e 70 75 74 0a 2a 2a 20 73 74 72 69 6e  e input.** strin
21e0: 67 20 74 6f 20 62 65 20 74 6f 6b 65 6e 69 7a 65  g to be tokenize
21f0: 64 20 69 73 20 70 49 6e 70 75 74 5b 30 2e 2e 6e  d is pInput[0..n
2200: 42 79 74 65 73 2d 31 5d 2e 20 20 41 20 63 75 72  Bytes-1].  A cur
2210: 73 6f 72 0a 2a 2a 20 75 73 65 64 20 74 6f 20 69  sor.** used to i
2220: 6e 63 72 65 6d 65 6e 74 61 6c 6c 79 20 74 6f 6b  ncrementally tok
2230: 65 6e 69 7a 65 20 74 68 69 73 20 73 74 72 69 6e  enize this strin
2240: 67 20 69 73 20 72 65 74 75 72 6e 65 64 20 69 6e  g is returned in
2250: 20 0a 2a 2a 20 2a 70 70 43 75 72 73 6f 72 2e 0a   .** *ppCursor..
2260: 2a 2f 0a 73 74 61 74 69 63 20 69 6e 74 20 75 6e  */.static int un
2270: 69 63 6f 64 65 4f 70 65 6e 28 0a 20 20 73 71 6c  icodeOpen(.  sql
2280: 69 74 65 33 5f 74 6f 6b 65 6e 69 7a 65 72 20 2a  ite3_tokenizer *
2290: 70 2c 20 20 20 20 20 20 20 20 20 20 20 2f 2a 20  p,           /* 
22a0: 54 68 65 20 74 6f 6b 65 6e 69 7a 65 72 20 2a 2f  The tokenizer */
22b0: 0a 20 20 63 6f 6e 73 74 20 63 68 61 72 20 2a 61  .  const char *a
22c0: 49 6e 70 75 74 2c 20 20 20 20 20 20 20 20 20 20  Input,          
22d0: 20 20 20 2f 2a 20 49 6e 70 75 74 20 73 74 72 69     /* Input stri
22e0: 6e 67 20 2a 2f 0a 20 20 69 6e 74 20 6e 49 6e 70  ng */.  int nInp
22f0: 75 74 2c 20 20 20 20 20 20 20 20 20 20 20 20 20  ut,             
2300: 20 20 20 20 20 20 20 20 2f 2a 20 53 69 7a 65 20          /* Size 
2310: 6f 66 20 73 74 72 69 6e 67 20 61 49 6e 70 75 74  of string aInput
2320: 20 69 6e 20 62 79 74 65 73 20 2a 2f 0a 20 20 73   in bytes */.  s
2330: 71 6c 69 74 65 33 5f 74 6f 6b 65 6e 69 7a 65 72  qlite3_tokenizer
2340: 5f 63 75 72 73 6f 72 20 2a 2a 70 70 20 20 20 2f  _cursor **pp   /
2350: 2a 20 4f 55 54 3a 20 4e 65 77 20 63 75 72 73 6f  * OUT: New curso
2360: 72 20 6f 62 6a 65 63 74 20 2a 2f 0a 29 7b 0a 20  r object */.){. 
2370: 20 75 6e 69 63 6f 64 65 5f 63 75 72 73 6f 72 20   unicode_cursor 
2380: 2a 70 43 73 72 3b 0a 0a 20 20 70 43 73 72 20 3d  *pCsr;..  pCsr =
2390: 20 28 75 6e 69 63 6f 64 65 5f 63 75 72 73 6f 72   (unicode_cursor
23a0: 20 2a 29 73 71 6c 69 74 65 33 5f 6d 61 6c 6c 6f   *)sqlite3_mallo
23b0: 63 28 73 69 7a 65 6f 66 28 75 6e 69 63 6f 64 65  c(sizeof(unicode
23c0: 5f 63 75 72 73 6f 72 29 29 3b 0a 20 20 69 66 28  _cursor));.  if(
23d0: 20 70 43 73 72 3d 3d 30 20 29 7b 0a 20 20 20 20   pCsr==0 ){.    
23e0: 72 65 74 75 72 6e 20 53 51 4c 49 54 45 5f 4e 4f  return SQLITE_NO
23f0: 4d 45 4d 3b 0a 20 20 7d 0a 20 20 6d 65 6d 73 65  MEM;.  }.  memse
2400: 74 28 70 43 73 72 2c 20 30 2c 20 73 69 7a 65 6f  t(pCsr, 0, sizeo
2410: 66 28 75 6e 69 63 6f 64 65 5f 63 75 72 73 6f 72  f(unicode_cursor
2420: 29 29 3b 0a 0a 20 20 70 43 73 72 2d 3e 61 49 6e  ));..  pCsr->aIn
2430: 70 75 74 20 3d 20 28 63 6f 6e 73 74 20 75 6e 73  put = (const uns
2440: 69 67 6e 65 64 20 63 68 61 72 20 2a 29 61 49 6e  igned char *)aIn
2450: 70 75 74 3b 0a 20 20 69 66 28 20 61 49 6e 70 75  put;.  if( aInpu
2460: 74 3d 3d 30 20 29 7b 0a 20 20 20 20 70 43 73 72  t==0 ){.    pCsr
2470: 2d 3e 6e 49 6e 70 75 74 20 3d 20 30 3b 0a 20 20  ->nInput = 0;.  
2480: 7d 65 6c 73 65 20 69 66 28 20 6e 49 6e 70 75 74  }else if( nInput
2490: 3c 30 20 29 7b 0a 20 20 20 20 70 43 73 72 2d 3e  <0 ){.    pCsr->
24a0: 6e 49 6e 70 75 74 20 3d 20 28 69 6e 74 29 73 74  nInput = (int)st
24b0: 72 6c 65 6e 28 61 49 6e 70 75 74 29 3b 0a 20 20  rlen(aInput);.  
24c0: 7d 65 6c 73 65 7b 0a 20 20 20 20 70 43 73 72 2d  }else{.    pCsr-
24d0: 3e 6e 49 6e 70 75 74 20 3d 20 6e 49 6e 70 75 74  >nInput = nInput
24e0: 3b 0a 20 20 7d 0a 0a 20 20 2a 70 70 20 3d 20 26  ;.  }..  *pp = &
24f0: 70 43 73 72 2d 3e 62 61 73 65 3b 0a 20 20 55 4e  pCsr->base;.  UN
2500: 55 53 45 44 5f 50 41 52 41 4d 45 54 45 52 28 70  USED_PARAMETER(p
2510: 29 3b 0a 20 20 72 65 74 75 72 6e 20 53 51 4c 49  );.  return SQLI
2520: 54 45 5f 4f 4b 3b 0a 7d 0a 0a 2f 2a 0a 2a 2a 20  TE_OK;.}../*.** 
2530: 43 6c 6f 73 65 20 61 20 74 6f 6b 65 6e 69 7a 61  Close a tokeniza
2540: 74 69 6f 6e 20 63 75 72 73 6f 72 20 70 72 65 76  tion cursor prev
2550: 69 6f 75 73 6c 79 20 6f 70 65 6e 65 64 20 62 79  iously opened by
2560: 20 61 20 63 61 6c 6c 20 74 6f 0a 2a 2a 20 73 69   a call to.** si
2570: 6d 70 6c 65 4f 70 65 6e 28 29 20 61 62 6f 76 65  mpleOpen() above
2580: 2e 0a 2a 2f 0a 73 74 61 74 69 63 20 69 6e 74 20  ..*/.static int 
2590: 75 6e 69 63 6f 64 65 43 6c 6f 73 65 28 73 71 6c  unicodeClose(sql
25a0: 69 74 65 33 5f 74 6f 6b 65 6e 69 7a 65 72 5f 63  ite3_tokenizer_c
25b0: 75 72 73 6f 72 20 2a 70 43 75 72 73 6f 72 29 7b  ursor *pCursor){
25c0: 0a 20 20 75 6e 69 63 6f 64 65 5f 63 75 72 73 6f  .  unicode_curso
25d0: 72 20 2a 70 43 73 72 20 3d 20 28 75 6e 69 63 6f  r *pCsr = (unico
25e0: 64 65 5f 63 75 72 73 6f 72 20 2a 29 20 70 43 75  de_cursor *) pCu
25f0: 72 73 6f 72 3b 0a 20 20 73 71 6c 69 74 65 33 5f  rsor;.  sqlite3_
2600: 66 72 65 65 28 70 43 73 72 2d 3e 7a 54 6f 6b 65  free(pCsr->zToke
2610: 6e 29 3b 0a 20 20 73 71 6c 69 74 65 33 5f 66 72  n);.  sqlite3_fr
2620: 65 65 28 70 43 73 72 29 3b 0a 20 20 72 65 74 75  ee(pCsr);.  retu
2630: 72 6e 20 53 51 4c 49 54 45 5f 4f 4b 3b 0a 7d 0a  rn SQLITE_OK;.}.
2640: 0a 2f 2a 0a 2a 2a 20 45 78 74 72 61 63 74 20 74  ./*.** Extract t
2650: 68 65 20 6e 65 78 74 20 74 6f 6b 65 6e 20 66 72  he next token fr
2660: 6f 6d 20 61 20 74 6f 6b 65 6e 69 7a 61 74 69 6f  om a tokenizatio
2670: 6e 20 63 75 72 73 6f 72 2e 20 20 54 68 65 20 63  n cursor.  The c
2680: 75 72 73 6f 72 20 6d 75 73 74 0a 2a 2a 20 68 61  ursor must.** ha
2690: 76 65 20 62 65 65 6e 20 6f 70 65 6e 65 64 20 62  ve been opened b
26a0: 79 20 61 20 70 72 69 6f 72 20 63 61 6c 6c 20 74  y a prior call t
26b0: 6f 20 73 69 6d 70 6c 65 4f 70 65 6e 28 29 2e 0a  o simpleOpen()..
26c0: 2a 2f 0a 73 74 61 74 69 63 20 69 6e 74 20 75 6e  */.static int un
26d0: 69 63 6f 64 65 4e 65 78 74 28 0a 20 20 73 71 6c  icodeNext(.  sql
26e0: 69 74 65 33 5f 74 6f 6b 65 6e 69 7a 65 72 5f 63  ite3_tokenizer_c
26f0: 75 72 73 6f 72 20 2a 70 43 2c 20 20 20 2f 2a 20  ursor *pC,   /* 
2700: 43 75 72 73 6f 72 20 72 65 74 75 72 6e 65 64 20  Cursor returned 
2710: 62 79 20 73 69 6d 70 6c 65 4f 70 65 6e 20 2a 2f  by simpleOpen */
2720: 0a 20 20 63 6f 6e 73 74 20 63 68 61 72 20 2a 2a  .  const char **
2730: 70 61 54 6f 6b 65 6e 2c 20 20 20 20 20 20 20 20  paToken,        
2740: 20 20 20 2f 2a 20 4f 55 54 3a 20 54 6f 6b 65 6e     /* OUT: Token
2750: 20 74 65 78 74 20 2a 2f 0a 20 20 69 6e 74 20 2a   text */.  int *
2760: 70 6e 54 6f 6b 65 6e 2c 20 20 20 20 20 20 20 20  pnToken,        
2770: 20 20 20 20 20 20 20 20 20 20 20 2f 2a 20 4f 55             /* OU
2780: 54 3a 20 4e 75 6d 62 65 72 20 6f 66 20 62 79 74  T: Number of byt
2790: 65 73 20 61 74 20 2a 70 61 54 6f 6b 65 6e 20 2a  es at *paToken *
27a0: 2f 0a 20 20 69 6e 74 20 2a 70 69 53 74 61 72 74  /.  int *piStart
27b0: 2c 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20  ,               
27c0: 20 20 20 20 2f 2a 20 4f 55 54 3a 20 53 74 61 72      /* OUT: Star
27d0: 74 69 6e 67 20 6f 66 66 73 65 74 20 6f 66 20 74  ting offset of t
27e0: 6f 6b 65 6e 20 2a 2f 0a 20 20 69 6e 74 20 2a 70  oken */.  int *p
27f0: 69 45 6e 64 2c 20 20 20 20 20 20 20 20 20 20 20  iEnd,           
2800: 20 20 20 20 20 20 20 20 20 20 2f 2a 20 4f 55 54            /* OUT
2810: 3a 20 45 6e 64 69 6e 67 20 6f 66 66 73 65 74 20  : Ending offset 
2820: 6f 66 20 74 6f 6b 65 6e 20 2a 2f 0a 20 20 69 6e  of token */.  in
2830: 74 20 2a 70 69 50 6f 73 20 20 20 20 20 20 20 20  t *piPos        
2840: 20 20 20 20 20 20 20 20 20 20 20 20 20 20 2f 2a                /*
2850: 20 4f 55 54 3a 20 50 6f 73 69 74 69 6f 6e 20 69   OUT: Position i
2860: 6e 74 65 67 65 72 20 6f 66 20 74 6f 6b 65 6e 20  nteger of token 
2870: 2a 2f 0a 29 7b 0a 20 20 75 6e 69 63 6f 64 65 5f  */.){.  unicode_
2880: 63 75 72 73 6f 72 20 2a 70 43 73 72 20 3d 20 28  cursor *pCsr = (
2890: 75 6e 69 63 6f 64 65 5f 63 75 72 73 6f 72 20 2a  unicode_cursor *
28a0: 29 70 43 3b 0a 20 20 75 6e 69 63 6f 64 65 5f 74  )pC;.  unicode_t
28b0: 6f 6b 65 6e 69 7a 65 72 20 2a 70 20 3d 20 28 28  okenizer *p = ((
28c0: 75 6e 69 63 6f 64 65 5f 74 6f 6b 65 6e 69 7a 65  unicode_tokenize
28d0: 72 20 2a 29 70 43 73 72 2d 3e 62 61 73 65 2e 70  r *)pCsr->base.p
28e0: 54 6f 6b 65 6e 69 7a 65 72 29 3b 0a 20 20 75 6e  Tokenizer);.  un
28f0: 73 69 67 6e 65 64 20 69 6e 74 20 69 43 6f 64 65  signed int iCode
2900: 20 3d 20 30 3b 0a 20 20 63 68 61 72 20 2a 7a 4f   = 0;.  char *zO
2910: 75 74 3b 0a 20 20 63 6f 6e 73 74 20 75 6e 73 69  ut;.  const unsi
2920: 67 6e 65 64 20 63 68 61 72 20 2a 7a 20 3d 20 26  gned char *z = &
2930: 70 43 73 72 2d 3e 61 49 6e 70 75 74 5b 70 43 73  pCsr->aInput[pCs
2940: 72 2d 3e 69 4f 66 66 5d 3b 0a 20 20 63 6f 6e 73  r->iOff];.  cons
2950: 74 20 75 6e 73 69 67 6e 65 64 20 63 68 61 72 20  t unsigned char 
2960: 2a 7a 53 74 61 72 74 20 3d 20 7a 3b 0a 20 20 63  *zStart = z;.  c
2970: 6f 6e 73 74 20 75 6e 73 69 67 6e 65 64 20 63 68  onst unsigned ch
2980: 61 72 20 2a 7a 45 6e 64 3b 0a 20 20 63 6f 6e 73  ar *zEnd;.  cons
2990: 74 20 75 6e 73 69 67 6e 65 64 20 63 68 61 72 20  t unsigned char 
29a0: 2a 7a 54 65 72 6d 20 3d 20 26 70 43 73 72 2d 3e  *zTerm = &pCsr->
29b0: 61 49 6e 70 75 74 5b 70 43 73 72 2d 3e 6e 49 6e  aInput[pCsr->nIn
29c0: 70 75 74 5d 3b 0a 0a 20 20 2f 2a 20 53 63 61 6e  put];..  /* Scan
29d0: 20 70 61 73 74 20 61 6e 79 20 64 65 6c 69 6d 69   past any delimi
29e0: 74 65 72 20 63 68 61 72 61 63 74 65 72 73 20 62  ter characters b
29f0: 65 66 6f 72 65 20 74 68 65 20 73 74 61 72 74 20  efore the start 
2a00: 6f 66 20 74 68 65 20 6e 65 78 74 20 74 6f 6b 65  of the next toke
2a10: 6e 2e 0a 20 20 2a 2a 20 52 65 74 75 72 6e 20 53  n..  ** Return S
2a20: 51 4c 49 54 45 5f 44 4f 4e 45 20 65 61 72 6c 79  QLITE_DONE early
2a30: 20 69 66 20 74 68 69 73 20 74 61 6b 65 73 20 75   if this takes u
2a40: 73 20 61 6c 6c 20 74 68 65 20 77 61 79 20 74 6f  s all the way to
2a50: 20 74 68 65 20 65 6e 64 20 6f 66 20 0a 20 20 2a   the end of .  *
2a60: 2a 20 74 68 65 20 69 6e 70 75 74 2e 20 20 2a 2f  * the input.  */
2a70: 0a 20 20 77 68 69 6c 65 28 20 7a 3c 7a 54 65 72  .  while( z<zTer
2a80: 6d 20 29 7b 0a 20 20 20 20 52 45 41 44 5f 55 54  m ){.    READ_UT
2a90: 46 38 28 7a 2c 20 7a 54 65 72 6d 2c 20 69 43 6f  F8(z, zTerm, iCo
2aa0: 64 65 29 3b 0a 20 20 20 20 69 66 28 20 75 6e 69  de);.    if( uni
2ab0: 63 6f 64 65 49 73 41 6c 6e 75 6d 28 70 2c 20 28  codeIsAlnum(p, (
2ac0: 69 6e 74 29 69 43 6f 64 65 29 20 29 20 62 72 65  int)iCode) ) bre
2ad0: 61 6b 3b 0a 20 20 20 20 7a 53 74 61 72 74 20 3d  ak;.    zStart =
2ae0: 20 7a 3b 0a 20 20 7d 0a 20 20 69 66 28 20 7a 53   z;.  }.  if( zS
2af0: 74 61 72 74 3e 3d 7a 54 65 72 6d 20 29 20 72 65  tart>=zTerm ) re
2b00: 74 75 72 6e 20 53 51 4c 49 54 45 5f 44 4f 4e 45  turn SQLITE_DONE
2b10: 3b 0a 0a 20 20 7a 4f 75 74 20 3d 20 70 43 73 72  ;..  zOut = pCsr
2b20: 2d 3e 7a 54 6f 6b 65 6e 3b 0a 20 20 64 6f 20 7b  ->zToken;.  do {
2b30: 0a 20 20 20 20 69 6e 74 20 69 4f 75 74 3b 0a 0a  .    int iOut;..
2b40: 20 20 20 20 2f 2a 20 47 72 6f 77 20 74 68 65 20      /* Grow the 
2b50: 6f 75 74 70 75 74 20 62 75 66 66 65 72 20 69 66  output buffer if
2b60: 20 72 65 71 75 69 72 65 64 2e 20 2a 2f 0a 20 20   required. */.  
2b70: 20 20 69 66 28 20 28 7a 4f 75 74 2d 70 43 73 72    if( (zOut-pCsr
2b80: 2d 3e 7a 54 6f 6b 65 6e 29 3e 3d 28 70 43 73 72  ->zToken)>=(pCsr
2b90: 2d 3e 6e 41 6c 6c 6f 63 2d 34 29 20 29 7b 0a 20  ->nAlloc-4) ){. 
2ba0: 20 20 20 20 20 63 68 61 72 20 2a 7a 4e 65 77 20       char *zNew 
2bb0: 3d 20 73 71 6c 69 74 65 33 5f 72 65 61 6c 6c 6f  = sqlite3_reallo
2bc0: 63 28 70 43 73 72 2d 3e 7a 54 6f 6b 65 6e 2c 20  c(pCsr->zToken, 
2bd0: 70 43 73 72 2d 3e 6e 41 6c 6c 6f 63 2b 36 34 29  pCsr->nAlloc+64)
2be0: 3b 0a 20 20 20 20 20 20 69 66 28 20 21 7a 4e 65  ;.      if( !zNe
2bf0: 77 20 29 20 72 65 74 75 72 6e 20 53 51 4c 49 54  w ) return SQLIT
2c00: 45 5f 4e 4f 4d 45 4d 3b 0a 20 20 20 20 20 20 7a  E_NOMEM;.      z
2c10: 4f 75 74 20 3d 20 26 7a 4e 65 77 5b 7a 4f 75 74  Out = &zNew[zOut
2c20: 20 2d 20 70 43 73 72 2d 3e 7a 54 6f 6b 65 6e 5d   - pCsr->zToken]
2c30: 3b 0a 20 20 20 20 20 20 70 43 73 72 2d 3e 7a 54  ;.      pCsr->zT
2c40: 6f 6b 65 6e 20 3d 20 7a 4e 65 77 3b 0a 20 20 20  oken = zNew;.   
2c50: 20 20 20 70 43 73 72 2d 3e 6e 41 6c 6c 6f 63 20     pCsr->nAlloc 
2c60: 2b 3d 20 36 34 3b 0a 20 20 20 20 7d 0a 0a 20 20  += 64;.    }..  
2c70: 20 20 2f 2a 20 57 72 69 74 65 20 74 68 65 20 66    /* Write the f
2c80: 6f 6c 64 65 64 20 63 61 73 65 20 6f 66 20 74 68  olded case of th
2c90: 65 20 6c 61 73 74 20 63 68 61 72 61 63 74 65 72  e last character
2ca0: 20 72 65 61 64 20 74 6f 20 74 68 65 20 6f 75 74   read to the out
2cb0: 70 75 74 20 2a 2f 0a 20 20 20 20 7a 45 6e 64 20  put */.    zEnd 
2cc0: 3d 20 7a 3b 0a 20 20 20 20 69 4f 75 74 20 3d 20  = z;.    iOut = 
2cd0: 73 71 6c 69 74 65 33 46 74 73 55 6e 69 63 6f 64  sqlite3FtsUnicod
2ce0: 65 46 6f 6c 64 28 28 69 6e 74 29 69 43 6f 64 65  eFold((int)iCode
2cf0: 2c 20 70 2d 3e 62 52 65 6d 6f 76 65 44 69 61 63  , p->bRemoveDiac
2d00: 72 69 74 69 63 29 3b 0a 20 20 20 20 69 66 28 20  ritic);.    if( 
2d10: 69 4f 75 74 20 29 7b 0a 20 20 20 20 20 20 57 52  iOut ){.      WR
2d20: 49 54 45 5f 55 54 46 38 28 7a 4f 75 74 2c 20 69  ITE_UTF8(zOut, i
2d30: 4f 75 74 29 3b 0a 20 20 20 20 7d 0a 0a 20 20 20  Out);.    }..   
2d40: 20 2f 2a 20 49 66 20 74 68 65 20 63 75 72 73 6f   /* If the curso
2d50: 72 20 69 73 20 6e 6f 74 20 61 74 20 45 4f 46 2c  r is not at EOF,
2d60: 20 72 65 61 64 20 74 68 65 20 6e 65 78 74 20 63   read the next c
2d70: 68 61 72 61 63 74 65 72 20 2a 2f 0a 20 20 20 20  haracter */.    
2d80: 69 66 28 20 7a 3e 3d 7a 54 65 72 6d 20 29 20 62  if( z>=zTerm ) b
2d90: 72 65 61 6b 3b 0a 20 20 20 20 52 45 41 44 5f 55  reak;.    READ_U
2da0: 54 46 38 28 7a 2c 20 7a 54 65 72 6d 2c 20 69 43  TF8(z, zTerm, iC
2db0: 6f 64 65 29 3b 0a 20 20 7d 77 68 69 6c 65 28 20  ode);.  }while( 
2dc0: 75 6e 69 63 6f 64 65 49 73 41 6c 6e 75 6d 28 70  unicodeIsAlnum(p
2dd0: 2c 20 28 69 6e 74 29 69 43 6f 64 65 29 20 0a 20  , (int)iCode) . 
2de0: 20 20 20 20 20 20 7c 7c 20 73 71 6c 69 74 65 33        || sqlite3
2df0: 46 74 73 55 6e 69 63 6f 64 65 49 73 64 69 61 63  FtsUnicodeIsdiac
2e00: 72 69 74 69 63 28 28 69 6e 74 29 69 43 6f 64 65  ritic((int)iCode
2e10: 29 0a 20 20 29 3b 0a 0a 20 20 2f 2a 20 53 65 74  ).  );..  /* Set
2e20: 20 74 68 65 20 6f 75 74 70 75 74 20 76 61 72 69   the output vari
2e30: 61 62 6c 65 73 20 61 6e 64 20 72 65 74 75 72 6e  ables and return
2e40: 2e 20 2a 2f 0a 20 20 70 43 73 72 2d 3e 69 4f 66  . */.  pCsr->iOf
2e50: 66 20 3d 20 28 69 6e 74 29 28 7a 20 2d 20 70 43  f = (int)(z - pC
2e60: 73 72 2d 3e 61 49 6e 70 75 74 29 3b 0a 20 20 2a  sr->aInput);.  *
2e70: 70 61 54 6f 6b 65 6e 20 3d 20 70 43 73 72 2d 3e  paToken = pCsr->
2e80: 7a 54 6f 6b 65 6e 3b 0a 20 20 2a 70 6e 54 6f 6b  zToken;.  *pnTok
2e90: 65 6e 20 3d 20 28 69 6e 74 29 28 7a 4f 75 74 20  en = (int)(zOut 
2ea0: 2d 20 70 43 73 72 2d 3e 7a 54 6f 6b 65 6e 29 3b  - pCsr->zToken);
2eb0: 0a 20 20 2a 70 69 53 74 61 72 74 20 3d 20 28 69  .  *piStart = (i
2ec0: 6e 74 29 28 7a 53 74 61 72 74 20 2d 20 70 43 73  nt)(zStart - pCs
2ed0: 72 2d 3e 61 49 6e 70 75 74 29 3b 0a 20 20 2a 70  r->aInput);.  *p
2ee0: 69 45 6e 64 20 3d 20 28 69 6e 74 29 28 7a 45 6e  iEnd = (int)(zEn
2ef0: 64 20 2d 20 70 43 73 72 2d 3e 61 49 6e 70 75 74  d - pCsr->aInput
2f00: 29 3b 0a 20 20 2a 70 69 50 6f 73 20 3d 20 70 43  );.  *piPos = pC
2f10: 73 72 2d 3e 69 54 6f 6b 65 6e 2b 2b 3b 0a 20 20  sr->iToken++;.  
2f20: 72 65 74 75 72 6e 20 53 51 4c 49 54 45 5f 4f 4b  return SQLITE_OK
2f30: 3b 0a 7d 0a 0a 2f 2a 0a 2a 2a 20 53 65 74 20 2a  ;.}../*.** Set *
2f40: 70 70 4d 6f 64 75 6c 65 20 74 6f 20 61 20 70 6f  ppModule to a po
2f50: 69 6e 74 65 72 20 74 6f 20 74 68 65 20 73 71 6c  inter to the sql
2f60: 69 74 65 33 5f 74 6f 6b 65 6e 69 7a 65 72 5f 6d  ite3_tokenizer_m
2f70: 6f 64 75 6c 65 20 0a 2a 2a 20 73 74 72 75 63 74  odule .** struct
2f80: 75 72 65 20 66 6f 72 20 74 68 65 20 75 6e 69 63  ure for the unic
2f90: 6f 64 65 20 74 6f 6b 65 6e 69 7a 65 72 2e 0a 2a  ode tokenizer..*
2fa0: 2f 0a 76 6f 69 64 20 73 71 6c 69 74 65 33 46 74  /.void sqlite3Ft
2fb0: 73 33 55 6e 69 63 6f 64 65 54 6f 6b 65 6e 69 7a  s3UnicodeTokeniz
2fc0: 65 72 28 73 71 6c 69 74 65 33 5f 74 6f 6b 65 6e  er(sqlite3_token
2fd0: 69 7a 65 72 5f 6d 6f 64 75 6c 65 20 63 6f 6e 73  izer_module cons
2fe0: 74 20 2a 2a 70 70 4d 6f 64 75 6c 65 29 7b 0a 20  t **ppModule){. 
2ff0: 20 73 74 61 74 69 63 20 63 6f 6e 73 74 20 73 71   static const sq
3000: 6c 69 74 65 33 5f 74 6f 6b 65 6e 69 7a 65 72 5f  lite3_tokenizer_
3010: 6d 6f 64 75 6c 65 20 6d 6f 64 75 6c 65 20 3d 20  module module = 
3020: 7b 0a 20 20 20 20 30 2c 0a 20 20 20 20 75 6e 69  {.    0,.    uni
3030: 63 6f 64 65 43 72 65 61 74 65 2c 0a 20 20 20 20  codeCreate,.    
3040: 75 6e 69 63 6f 64 65 44 65 73 74 72 6f 79 2c 0a  unicodeDestroy,.
3050: 20 20 20 20 75 6e 69 63 6f 64 65 4f 70 65 6e 2c      unicodeOpen,
3060: 0a 20 20 20 20 75 6e 69 63 6f 64 65 43 6c 6f 73  .    unicodeClos
3070: 65 2c 0a 20 20 20 20 75 6e 69 63 6f 64 65 4e 65  e,.    unicodeNe
3080: 78 74 2c 0a 20 20 20 20 30 2c 0a 20 20 7d 3b 0a  xt,.    0,.  };.
3090: 20 20 2a 70 70 4d 6f 64 75 6c 65 20 3d 20 26 6d    *ppModule = &m
30a0: 6f 64 75 6c 65 3b 0a 7d 0a 0a 23 65 6e 64 69 66  odule;.}..#endif
30b0: 20 2f 2a 20 21 64 65 66 69 6e 65 64 28 53 51 4c   /* !defined(SQL
30c0: 49 54 45 5f 43 4f 52 45 29 20 7c 7c 20 64 65 66  ITE_CORE) || def
30d0: 69 6e 65 64 28 53 51 4c 49 54 45 5f 45 4e 41 42  ined(SQLITE_ENAB
30e0: 4c 45 5f 46 54 53 33 29 20 2a 2f 0a 23 65 6e 64  LE_FTS3) */.#end
30f0: 69 66 20 2f 2a 20 69 66 6e 64 65 66 20 53 51 4c  if /* ifndef SQL
3100: 49 54 45 5f 44 49 53 41 42 4c 45 5f 46 54 53 33  ITE_DISABLE_FTS3
3110: 5f 55 4e 49 43 4f 44 45 20 2a 2f 0a              _UNICODE */.