mirror of
https://github.com/ClickHouse/ClickHouse.git
synced 2024-11-05 15:21:43 +00:00
1007 lines
28 KiB
C++
1007 lines
28 KiB
C++
#pragma once
|
||
|
||
#include <DB/DataTypes/DataTypeString.h>
|
||
#include <DB/Columns/ColumnString.h>
|
||
#include <DB/Columns/ColumnConst.h>
|
||
#include <DB/Functions/FunctionsString.h>
|
||
#include <DB/Functions/FunctionsStringSearch.h>
|
||
#include <DB/Functions/FunctionsStringArray.h>
|
||
|
||
|
||
namespace DB
|
||
{
|
||
|
||
/** Функции работы с URL.
|
||
* Все функции работают не по RFC - то есть, максимально упрощены ради производительности.
|
||
*
|
||
* Функции, извлекающие часть URL-а.
|
||
* Если в URL-е нет ничего похожего, то возвращается пустая строка.
|
||
*
|
||
* domain
|
||
* domainWithoutWWW
|
||
* topLevelDomain
|
||
* protocol
|
||
* path
|
||
* queryString
|
||
* fragment
|
||
* queryStringAndFragment
|
||
*
|
||
* Функции, удаляющие часть из URL-а.
|
||
* Если в URL-е нет ничего похожего, то URL остаётся без изменений.
|
||
*
|
||
* cutWWW
|
||
* cutFragment
|
||
* cutQueryString
|
||
* cutQueryStringAndFragment
|
||
*
|
||
* Извлечь значение параметра в URL, если он есть. Вернуть пустую строку, если его нет.
|
||
* Если таких параметров много - вернуть значение первого. Значение не разэскейпливается.
|
||
*
|
||
* extractURLParameter(URL, name)
|
||
*
|
||
* Извлечь все параметры из URL в виде массива строк вида name=value.
|
||
* extractURLParameters(URL)
|
||
*
|
||
* Извлечь все имена параметров из URL в виде массива строк
|
||
* extractURLParameterNames(URL)
|
||
*
|
||
* Убрать указанный параметр из URL.
|
||
* cutURLParameter(URL, name)
|
||
*
|
||
* Получить массив иерархии URL. См. функцию nextURLInHierarchy в URLParser.
|
||
* URLHierarchy(URL)
|
||
*/
|
||
|
||
typedef const char * Pos;
|
||
|
||
struct ExtractProtocol
|
||
{
|
||
static size_t getReserveLengthForElement() { return strlen("https") + 1; }
|
||
|
||
static void execute(Pos data, size_t size, Pos & res_data, size_t & res_size)
|
||
{
|
||
res_data = data;
|
||
res_size = 0;
|
||
|
||
Pos pos = data;
|
||
|
||
while ((*pos >= 'a' && *pos <= 'z') || (*pos >= 'A' && *pos <= 'Z') || (*pos >= '0' && *pos <= '9'))
|
||
++pos;
|
||
|
||
if (pos == data || pos + 3 >= data + size)
|
||
return;
|
||
|
||
if (pos[0] == ':')
|
||
res_size = pos - data;
|
||
}
|
||
};
|
||
|
||
template <bool without_www>
|
||
struct ExtractDomain
|
||
{
|
||
static size_t getReserveLengthForElement() { return 15; }
|
||
|
||
static void execute(Pos data, size_t size, Pos & res_data, size_t & res_size)
|
||
{
|
||
res_data = data;
|
||
res_size = 0;
|
||
|
||
Pos pos = data;
|
||
Pos end = pos + size;
|
||
|
||
Pos tmp;
|
||
size_t protocol_length;
|
||
ExtractProtocol::execute(data, size, tmp, protocol_length);
|
||
pos += protocol_length + 3;
|
||
|
||
if (pos[-1] != '/' || pos[-2] != '/')
|
||
return;
|
||
|
||
if (without_www && pos + 4 < end && !strncmp(pos, "www.", 4))
|
||
pos += 4;
|
||
|
||
Pos domain_begin = pos;
|
||
|
||
while (pos < end && *pos != '/' && *pos != ':' && *pos != '?' && *pos != '#')
|
||
++pos;
|
||
|
||
if (pos == domain_begin)
|
||
return;
|
||
|
||
res_data = domain_begin;
|
||
res_size = pos - domain_begin;
|
||
}
|
||
};
|
||
|
||
struct ExtractFirstSignificantSubdomain
|
||
{
|
||
static size_t getReserveLengthForElement() { return 10; }
|
||
|
||
static void execute(const Pos data, const size_t size, Pos & res_data, size_t & res_size, Pos * out_domain_end = nullptr)
|
||
{
|
||
res_data = data;
|
||
res_size = 0;
|
||
|
||
Pos tmp;
|
||
size_t domain_length;
|
||
ExtractDomain<true>::execute(data, size, tmp, domain_length);
|
||
|
||
if (domain_length == 0)
|
||
return;
|
||
|
||
if (out_domain_end)
|
||
*out_domain_end = tmp + domain_length;
|
||
|
||
/// cut useless dot
|
||
if (tmp[domain_length - 1] == '.')
|
||
--domain_length;
|
||
|
||
res_data = tmp;
|
||
res_size = domain_length;
|
||
|
||
auto begin = tmp;
|
||
auto end = begin + domain_length;
|
||
const char * last_3_periods[3]{};
|
||
auto pos = static_cast<const char *>(memchr(begin, '.', domain_length));
|
||
|
||
while (pos)
|
||
{
|
||
last_3_periods[2] = last_3_periods[1];
|
||
last_3_periods[1] = last_3_periods[0];
|
||
last_3_periods[0] = pos;
|
||
pos = static_cast<const char *>(memchr(pos + 1, '.', end - pos - 1));
|
||
}
|
||
|
||
if (!last_3_periods[0])
|
||
return;
|
||
|
||
if (!last_3_periods[1])
|
||
{
|
||
res_size = last_3_periods[0] - begin;
|
||
return;
|
||
}
|
||
|
||
if (!last_3_periods[2])
|
||
last_3_periods[2] = begin - 1;
|
||
|
||
if (!strncmp(last_3_periods[1] + 1, "com", 3) ||
|
||
!strncmp(last_3_periods[1] + 1, "net", 3) ||
|
||
!strncmp(last_3_periods[1] + 1, "org", 3) ||
|
||
!strncmp(last_3_periods[1] + 1, "co", 2))
|
||
{
|
||
res_data += last_3_periods[2] + 1 - begin;
|
||
res_size = last_3_periods[1] - last_3_periods[2] - 1;
|
||
return;
|
||
}
|
||
|
||
res_data += last_3_periods[1] + 1 - begin;
|
||
res_size = last_3_periods[0] - last_3_periods[1] - 1;
|
||
}
|
||
};
|
||
|
||
struct CutToFirstSignificantSubdomain
|
||
{
|
||
static size_t getReserveLengthForElement() { return 15; }
|
||
|
||
static void execute(const Pos data, const size_t size, Pos & res_data, size_t & res_size)
|
||
{
|
||
res_data = data;
|
||
res_size = 0;
|
||
|
||
Pos tmp_data;
|
||
size_t tmp_length;
|
||
Pos domain_end;
|
||
ExtractFirstSignificantSubdomain::execute(data, size, tmp_data, tmp_length, &domain_end);
|
||
|
||
if (tmp_length == 0)
|
||
return;
|
||
|
||
res_data = tmp_data;
|
||
res_size = domain_end - tmp_data;
|
||
}
|
||
};
|
||
|
||
struct ExtractTopLevelDomain
|
||
{
|
||
static size_t getReserveLengthForElement() { return 5; }
|
||
|
||
static void execute(Pos data, size_t size, Pos & res_data, size_t & res_size)
|
||
{
|
||
res_data = data;
|
||
res_size = 0;
|
||
|
||
Pos pos = data;
|
||
Pos end = pos + size;
|
||
|
||
Pos tmp;
|
||
size_t protocol_length;
|
||
ExtractProtocol::execute(data, size, tmp, protocol_length);
|
||
pos += protocol_length + 3;
|
||
|
||
if (pos[-1] != '/' || pos[-2] != '/')
|
||
return;
|
||
|
||
Pos domain_begin = pos;
|
||
|
||
while (pos < end && *pos != '/' && *pos != ':' && *pos != '?' && *pos != '#')
|
||
++pos;
|
||
|
||
if (pos == domain_begin)
|
||
return;
|
||
|
||
Pos last_dot = reinterpret_cast<Pos>(memrchr(domain_begin, '.', pos - domain_begin));
|
||
|
||
if (!last_dot)
|
||
return;
|
||
|
||
/// Для IPv4-адресов не выделяем ничего.
|
||
if (last_dot[1] <= '9')
|
||
return;
|
||
|
||
res_data = last_dot + 1;
|
||
res_size = pos - res_data;
|
||
}
|
||
};
|
||
|
||
struct ExtractPath
|
||
{
|
||
static size_t getReserveLengthForElement() { return 25; }
|
||
|
||
static void execute(Pos data, size_t size, Pos & res_data, size_t & res_size)
|
||
{
|
||
res_data = data;
|
||
res_size = 0;
|
||
|
||
Pos pos = data;
|
||
Pos end = pos + size;
|
||
|
||
if (nullptr != (pos = strchr(data, '/')) && pos[1] == '/' && nullptr != (pos = strchr(pos + 2, '/')))
|
||
{
|
||
Pos query_string_or_fragment = strpbrk(pos, "?#");
|
||
|
||
res_data = pos;
|
||
res_size = (query_string_or_fragment ? query_string_or_fragment : end) - res_data;
|
||
}
|
||
}
|
||
};
|
||
|
||
struct ExtractPathFull
|
||
{
|
||
static size_t getReserveLengthForElement() { return 30; }
|
||
|
||
static void execute(const Pos data, const size_t size, Pos & res_data, size_t & res_size)
|
||
{
|
||
res_data = data;
|
||
res_size = 0;
|
||
|
||
Pos pos = data;
|
||
Pos end = pos + size;
|
||
|
||
if (nullptr != (pos = strchr(data, '/')) && pos[1] == '/' && nullptr != (pos = strchr(pos + 2, '/')))
|
||
{
|
||
/// no leading slash
|
||
res_data = pos;
|
||
res_size = end - res_data;
|
||
}
|
||
}
|
||
};
|
||
|
||
template <bool without_leading_char>
|
||
struct ExtractQueryString
|
||
{
|
||
static size_t getReserveLengthForElement() { return 10; }
|
||
|
||
static void execute(Pos data, size_t size, Pos & res_data, size_t & res_size)
|
||
{
|
||
res_data = data;
|
||
res_size = 0;
|
||
|
||
Pos pos = data;
|
||
Pos end = pos + size;
|
||
|
||
if (nullptr != (pos = strchr(data, '?')))
|
||
{
|
||
Pos fragment = strchr(pos, '#');
|
||
|
||
res_data = pos + (without_leading_char ? 1 : 0);
|
||
res_size = (fragment ? fragment : end) - res_data;
|
||
}
|
||
}
|
||
};
|
||
|
||
template <bool without_leading_char>
|
||
struct ExtractFragment
|
||
{
|
||
static size_t getReserveLengthForElement() { return 10; }
|
||
|
||
static void execute(Pos data, size_t size, Pos & res_data, size_t & res_size)
|
||
{
|
||
res_data = data;
|
||
res_size = 0;
|
||
|
||
Pos pos = data;
|
||
Pos end = pos + size;
|
||
|
||
if (nullptr != (pos = strchr(data, '#')))
|
||
{
|
||
res_data = pos + (without_leading_char ? 1 : 0);
|
||
res_size = end - res_data;
|
||
}
|
||
}
|
||
};
|
||
|
||
template <bool without_leading_char>
|
||
struct ExtractQueryStringAndFragment
|
||
{
|
||
static size_t getReserveLengthForElement() { return 20; }
|
||
|
||
static void execute(Pos data, size_t size, Pos & res_data, size_t & res_size)
|
||
{
|
||
res_data = data;
|
||
res_size = 0;
|
||
|
||
Pos pos = data;
|
||
Pos end = pos + size;
|
||
|
||
if (nullptr != (pos = strchr(data, '?')))
|
||
{
|
||
res_data = pos + (without_leading_char ? 1 : 0);
|
||
res_size = end - res_data;
|
||
}
|
||
else if (nullptr != (pos = strchr(data, '#')))
|
||
{
|
||
res_data = pos;
|
||
res_size = end - res_data;
|
||
}
|
||
}
|
||
};
|
||
|
||
/// С точкой на конце.
|
||
struct ExtractWWW
|
||
{
|
||
static void execute(Pos data, size_t size, Pos & res_data, size_t & res_size)
|
||
{
|
||
res_data = data;
|
||
res_size = 0;
|
||
|
||
Pos pos = data;
|
||
Pos end = pos + size;
|
||
|
||
Pos tmp;
|
||
size_t protocol_length;
|
||
ExtractProtocol::execute(data, size, tmp, protocol_length);
|
||
pos += protocol_length + 3;
|
||
|
||
if (pos[-1] != '/' || pos[-2] != '/')
|
||
return;
|
||
|
||
if (pos + 4 < end && !strncmp(pos, "www.", 4))
|
||
{
|
||
res_data = pos;
|
||
res_size = 4;
|
||
}
|
||
}
|
||
};
|
||
|
||
|
||
struct ExtractURLParameterImpl
|
||
{
|
||
static void vector(const ColumnString::Chars_t & data,
|
||
const ColumnString::Offsets_t & offsets,
|
||
std::string pattern,
|
||
ColumnString::Chars_t & res_data, ColumnString::Offsets_t & res_offsets)
|
||
{
|
||
res_data.reserve(data.size() / 5);
|
||
res_offsets.resize(offsets.size());
|
||
|
||
pattern += '=';
|
||
const char * param_str = pattern.c_str();
|
||
size_t param_len = pattern.size();
|
||
|
||
size_t prev_offset = 0;
|
||
size_t res_offset = 0;
|
||
|
||
for (size_t i = 0; i < offsets.size(); ++i)
|
||
{
|
||
size_t cur_offset = offsets[i];
|
||
|
||
const char * pos = nullptr;
|
||
|
||
do
|
||
{
|
||
const char * str = reinterpret_cast<const char *>(&data[prev_offset]);
|
||
|
||
const char * begin = strchr(str, '?');
|
||
if (begin == nullptr)
|
||
break;
|
||
|
||
pos = strstr(begin + 1, param_str);
|
||
if (pos == nullptr)
|
||
break;
|
||
if (pos != begin + 1 && *(pos - 1) != ';' && *(pos - 1) != '&')
|
||
{
|
||
pos = nullptr;
|
||
break;
|
||
}
|
||
|
||
pos += param_len;
|
||
} while (false);
|
||
|
||
if (pos != nullptr)
|
||
{
|
||
const char * end = strpbrk(pos, "&;#");
|
||
if (end == nullptr)
|
||
end = pos + strlen(pos);
|
||
|
||
res_data.resize(res_offset + (end - pos) + 1);
|
||
memcpy(&res_data[res_offset], pos, end - pos);
|
||
res_offset += end - pos;
|
||
}
|
||
else
|
||
{
|
||
res_data.resize(res_offset + 1);
|
||
}
|
||
|
||
res_data[res_offset] = 0;
|
||
++res_offset;
|
||
res_offsets[i] = res_offset;
|
||
|
||
prev_offset = cur_offset;
|
||
}
|
||
}
|
||
};
|
||
|
||
|
||
struct CutURLParameterImpl
|
||
{
|
||
static void vector(const ColumnString::Chars_t & data,
|
||
const ColumnString::Offsets_t & offsets,
|
||
std::string pattern,
|
||
ColumnString::Chars_t & res_data, ColumnString::Offsets_t & res_offsets)
|
||
{
|
||
res_data.reserve(data.size());
|
||
res_offsets.resize(offsets.size());
|
||
|
||
pattern += '=';
|
||
const char * param_str = pattern.c_str();
|
||
size_t param_len = pattern.size();
|
||
|
||
size_t prev_offset = 0;
|
||
size_t res_offset = 0;
|
||
|
||
for (size_t i = 0; i < offsets.size(); ++i)
|
||
{
|
||
size_t cur_offset = offsets[i];
|
||
|
||
const char * url_begin = reinterpret_cast<const char *>(&data[prev_offset]);
|
||
const char * url_end = reinterpret_cast<const char *>(&data[cur_offset]) - 1;
|
||
const char * begin_pos = url_begin;
|
||
const char * end_pos = begin_pos;
|
||
|
||
do
|
||
{
|
||
const char * begin = strchr(url_begin, '?');
|
||
if (begin == nullptr)
|
||
break;
|
||
|
||
const char * pos = strstr(begin + 1, param_str);
|
||
if (pos == nullptr)
|
||
break;
|
||
if (pos != begin + 1 && *(pos - 1) != ';' && *(pos - 1) != '&')
|
||
{
|
||
pos = nullptr;
|
||
break;
|
||
}
|
||
|
||
begin_pos = pos;
|
||
end_pos = begin_pos + param_len;
|
||
|
||
/// Пропустим значение.
|
||
while (*end_pos && *end_pos != ';' && *end_pos != '&' && *end_pos != '#')
|
||
++end_pos;
|
||
|
||
/// Захватим ';' или '&' до или после параметра.
|
||
if (*end_pos == ';' || *end_pos == '&')
|
||
++end_pos;
|
||
else if (*(begin_pos - 1) == ';' || *(begin_pos - 1) == '&')
|
||
--begin_pos;
|
||
} while (false);
|
||
|
||
size_t cut_length = (url_end - url_begin) - (end_pos - begin_pos);
|
||
res_data.resize(res_offset + cut_length + 1);
|
||
memcpy(&res_data[res_offset], url_begin, begin_pos - url_begin);
|
||
memcpy(&res_data[res_offset] + (begin_pos - url_begin), end_pos, url_end - end_pos);
|
||
res_offset += cut_length + 1;
|
||
res_data[res_offset - 1] = 0;
|
||
res_offsets[i] = res_offset;
|
||
|
||
prev_offset = cur_offset;
|
||
}
|
||
}
|
||
};
|
||
|
||
|
||
class ExtractURLParametersImpl
|
||
{
|
||
private:
|
||
Pos pos;
|
||
Pos end;
|
||
bool first;
|
||
|
||
public:
|
||
static constexpr auto name = "extractURLParameters";
|
||
static String getName() { return name; }
|
||
|
||
static void checkArguments(const DataTypes & arguments)
|
||
{
|
||
if (arguments.size() != 1)
|
||
throw Exception("Number of arguments for function " + getName() + " doesn't match: passed "
|
||
+ toString(arguments.size()) + ", should be 1.",
|
||
ErrorCodes::NUMBER_OF_ARGUMENTS_DOESNT_MATCH);
|
||
|
||
if (!typeid_cast<const DataTypeString *>(&*arguments[0]))
|
||
throw Exception("Illegal type " + arguments[0]->getName() + " of first argument of function " + getName() + ". Must be String.",
|
||
ErrorCodes::ILLEGAL_TYPE_OF_ARGUMENT);
|
||
}
|
||
|
||
void init(Block & block, const ColumnNumbers & arguments) {}
|
||
|
||
/// Возвращает позицию аргумента, являющегося столбцом строк
|
||
size_t getStringsArgumentPosition()
|
||
{
|
||
return 0;
|
||
}
|
||
|
||
/// Вызывается для каждой следующей строки.
|
||
void set(Pos pos_, Pos end_)
|
||
{
|
||
pos = pos_;
|
||
end = end_;
|
||
first = true;
|
||
}
|
||
|
||
/// Получить следующий токен, если есть, или вернуть false.
|
||
bool get(Pos & token_begin, Pos & token_end)
|
||
{
|
||
if (pos == nullptr)
|
||
return false;
|
||
|
||
if (first)
|
||
{
|
||
first = false;
|
||
pos = strchr(pos, '?');
|
||
if (pos == nullptr)
|
||
return false;
|
||
++pos;
|
||
}
|
||
|
||
token_begin = pos;
|
||
pos = strchr(pos, '=');
|
||
if (pos == nullptr)
|
||
return false;
|
||
++pos;
|
||
pos = strpbrk(pos, "&;#");
|
||
if (pos == nullptr)
|
||
token_end = end;
|
||
else
|
||
token_end = pos++;
|
||
|
||
return true;
|
||
}
|
||
};
|
||
|
||
class ExtractURLParameterNamesImpl
|
||
{
|
||
private:
|
||
Pos pos;
|
||
Pos end;
|
||
bool first;
|
||
|
||
public:
|
||
static constexpr auto name = "extractURLParameterNames";
|
||
static String getName() { return name; }
|
||
|
||
static void checkArguments(const DataTypes & arguments)
|
||
{
|
||
if (arguments.size() != 1)
|
||
throw Exception("Number of arguments for function " + getName() + " doesn't match: passed "
|
||
+ toString(arguments.size()) + ", should be 1.",
|
||
ErrorCodes::NUMBER_OF_ARGUMENTS_DOESNT_MATCH);
|
||
|
||
if (!typeid_cast<const DataTypeString *>(&*arguments[0]))
|
||
throw Exception("Illegal type " + arguments[0]->getName() + " of first argument of function " + getName() + ". Must be String.",
|
||
ErrorCodes::ILLEGAL_TYPE_OF_ARGUMENT);
|
||
}
|
||
|
||
/// Возвращает позицию аргумента, являющегося столбцом строк
|
||
size_t getStringsArgumentPosition()
|
||
{
|
||
return 0;
|
||
}
|
||
|
||
void init(Block & block, const ColumnNumbers & arguments) {}
|
||
|
||
/// Вызывается для каждой следующей строки.
|
||
void set(Pos pos_, Pos end_)
|
||
{
|
||
pos = pos_;
|
||
end = end_;
|
||
first = true;
|
||
}
|
||
|
||
/// Получить следующий токен, если есть, или вернуть false.
|
||
bool get(Pos & token_begin, Pos & token_end)
|
||
{
|
||
if (pos == nullptr)
|
||
return false;
|
||
|
||
if (first)
|
||
{
|
||
first = false;
|
||
pos = strchr(pos, '?');
|
||
}
|
||
else
|
||
pos = strchr(pos, '&');
|
||
|
||
if (pos == nullptr)
|
||
return false;
|
||
++pos;
|
||
|
||
token_begin = pos;
|
||
|
||
pos = strchr(pos, '=');
|
||
if (pos == nullptr)
|
||
return false;
|
||
else
|
||
token_end = pos++;
|
||
|
||
return true;
|
||
}
|
||
};
|
||
|
||
class URLHierarchyImpl
|
||
{
|
||
private:
|
||
Pos begin;
|
||
Pos pos;
|
||
Pos end;
|
||
|
||
public:
|
||
static constexpr auto name = "URLHierarchy";
|
||
static String getName() { return name; }
|
||
|
||
static void checkArguments(const DataTypes & arguments)
|
||
{
|
||
if (arguments.size() != 1)
|
||
throw Exception("Number of arguments for function " + getName() + " doesn't match: passed "
|
||
+ toString(arguments.size()) + ", should be 1.",
|
||
ErrorCodes::NUMBER_OF_ARGUMENTS_DOESNT_MATCH);
|
||
|
||
if (!typeid_cast<const DataTypeString *>(&*arguments[0]))
|
||
throw Exception("Illegal type " + arguments[0]->getName() + " of first argument of function " + getName() + ". Must be String.",
|
||
ErrorCodes::ILLEGAL_TYPE_OF_ARGUMENT);
|
||
}
|
||
|
||
void init(Block & block, const ColumnNumbers & arguments) {}
|
||
|
||
/// Возвращает позицию аргумента, являющегося столбцом строк
|
||
size_t getStringsArgumentPosition()
|
||
{
|
||
return 0;
|
||
}
|
||
|
||
/// Вызывается для каждой следующей строки.
|
||
void set(Pos pos_, Pos end_)
|
||
{
|
||
begin = pos = pos_;
|
||
end = end_;
|
||
}
|
||
|
||
/// Получить следующий токен, если есть, или вернуть false.
|
||
bool get(Pos & token_begin, Pos & token_end)
|
||
{
|
||
/// Код из URLParser.
|
||
|
||
if (pos == end)
|
||
return false;
|
||
|
||
if (pos == begin)
|
||
{
|
||
/// Распарсим всё, что идёт до пути
|
||
|
||
/// Предположим, что протокол уже переведён в нижний регистр.
|
||
while (pos < end && ((*pos > 'a' && *pos < 'z') || (*pos > '0' && *pos < '9')))
|
||
++pos;
|
||
|
||
/** Будем вычислять иерархию только для URL-ов, в которых есть протокол, и после него идут два слеша.
|
||
* (http, file - подходят, mailto, magnet - не подходят), и после двух слешей ещё хоть что-нибудь есть
|
||
* Для остальных просто вернём полный URL как единственный элемент иерархии.
|
||
*/
|
||
if (pos == begin || pos == end || !(*pos++ == ':' && pos < end && *pos++ == '/' && pos < end && *pos++ == '/' && pos < end))
|
||
{
|
||
pos = end;
|
||
token_begin = begin;
|
||
token_end = end;
|
||
return true;
|
||
}
|
||
|
||
/// Доменом для простоты будем считать всё, что после протокола и двух слешей, до следующего слеша или до ? или до #
|
||
while (pos < end && !(*pos == '/' || *pos == '?' || *pos == '#'))
|
||
++pos;
|
||
|
||
if (pos != end)
|
||
++pos;
|
||
|
||
token_begin = begin;
|
||
token_end = pos;
|
||
|
||
return true;
|
||
}
|
||
|
||
/// Идём до следующего / или ? или #, пропуская все те, что вначале.
|
||
while (pos < end && (*pos == '/' || *pos == '?' || *pos == '#'))
|
||
++pos;
|
||
if (pos == end)
|
||
return false;
|
||
while (pos < end && !(*pos == '/' || *pos == '?' || *pos == '#'))
|
||
++pos;
|
||
|
||
if (pos != end)
|
||
++pos;
|
||
|
||
token_begin = begin;
|
||
token_end = pos;
|
||
|
||
return true;
|
||
}
|
||
};
|
||
|
||
|
||
class URLPathHierarchyImpl
|
||
{
|
||
private:
|
||
Pos begin;
|
||
Pos pos;
|
||
Pos end;
|
||
Pos start;
|
||
|
||
public:
|
||
static constexpr auto name = "URLPathHierarchy";
|
||
static String getName() { return name; }
|
||
|
||
static void checkArguments(const DataTypes & arguments)
|
||
{
|
||
if (arguments.size() != 1)
|
||
throw Exception("Number of arguments for function " + getName() + " doesn't match: passed "
|
||
+ toString(arguments.size()) + ", should be 1.",
|
||
ErrorCodes::NUMBER_OF_ARGUMENTS_DOESNT_MATCH);
|
||
|
||
if (!typeid_cast<const DataTypeString *>(&*arguments[0]))
|
||
throw Exception("Illegal type " + arguments[0]->getName() + " of first argument of function " + getName() + ". Must be String.",
|
||
ErrorCodes::ILLEGAL_TYPE_OF_ARGUMENT);
|
||
}
|
||
|
||
void init(Block & block, const ColumnNumbers & arguments) {}
|
||
|
||
/// Возвращает позицию аргумента, являющегося столбцом строк
|
||
size_t getStringsArgumentPosition()
|
||
{
|
||
return 0;
|
||
}
|
||
|
||
/// Вызывается для каждой следующей строки.
|
||
void set(Pos pos_, Pos end_)
|
||
{
|
||
begin = pos = pos_;
|
||
start = begin;
|
||
end = end_;
|
||
}
|
||
|
||
/// Получить следующий токен, если есть, или вернуть false.
|
||
bool get(Pos & token_begin, Pos & token_end)
|
||
{
|
||
/// Код из URLParser.
|
||
|
||
if (pos == end)
|
||
return false;
|
||
|
||
if (pos == begin)
|
||
{
|
||
/// Распарсим всё, что идёт до пути
|
||
|
||
/// Предположим, что протокол уже переведён в нижний регистр.
|
||
while (pos < end && ((*pos > 'a' && *pos < 'z') || (*pos > '0' && *pos < '9')))
|
||
++pos;
|
||
|
||
/** Будем вычислять иерархию только для URL-ов, в которых есть протокол, и после него идут два слеша.
|
||
* (http, file - подходят, mailto, magnet - не подходят), и после двух слешей ещё хоть что-нибудь есть
|
||
* Для остальных просто вернём пустой массив.
|
||
*/
|
||
if (pos == begin || pos == end || !(*pos++ == ':' && pos < end && *pos++ == '/' && pos < end && *pos++ == '/' && pos < end))
|
||
{
|
||
pos = end;
|
||
return false;
|
||
}
|
||
|
||
/// Доменом для простоты будем считать всё, что после протокола и двух слешей, до следующего слеша или до ? или до #
|
||
while (pos < end && !(*pos == '/' || *pos == '?' || *pos == '#'))
|
||
++pos;
|
||
|
||
start = pos;
|
||
|
||
if (pos != end)
|
||
++pos;
|
||
}
|
||
|
||
/// Идём до следующего / или ? или #, пропуская все те, что вначале.
|
||
while (pos < end && (*pos == '/' || *pos == '?' || *pos == '#'))
|
||
++pos;
|
||
if (pos == end)
|
||
return false;
|
||
while (pos < end && !(*pos == '/' || *pos == '?' || *pos == '#'))
|
||
++pos;
|
||
|
||
if (pos != end)
|
||
++pos;
|
||
|
||
token_begin = start;
|
||
token_end = pos;
|
||
|
||
return true;
|
||
}
|
||
};
|
||
|
||
|
||
/** Выделить кусок строки, используя Extractor.
|
||
*/
|
||
template <typename Extractor>
|
||
struct ExtractSubstringImpl
|
||
{
|
||
static void vector(const ColumnString::Chars_t & data, const ColumnString::Offsets_t & offsets,
|
||
ColumnString::Chars_t & res_data, ColumnString::Offsets_t & res_offsets)
|
||
{
|
||
size_t size = offsets.size();
|
||
res_offsets.resize(size);
|
||
res_data.reserve(size * Extractor::getReserveLengthForElement());
|
||
|
||
size_t prev_offset = 0;
|
||
size_t res_offset = 0;
|
||
|
||
/// Выделенный кусок.
|
||
Pos start;
|
||
size_t length;
|
||
|
||
for (size_t i = 0; i < size; ++i)
|
||
{
|
||
Extractor::execute(reinterpret_cast<const char *>(&data[prev_offset]), offsets[i] - prev_offset - 1, start, length);
|
||
|
||
res_data.resize(res_data.size() + length + 1);
|
||
memcpy(&res_data[res_offset], start, length);
|
||
res_offset += length + 1;
|
||
res_data[res_offset - 1] = 0;
|
||
|
||
res_offsets[i] = res_offset;
|
||
prev_offset = offsets[i];
|
||
}
|
||
}
|
||
|
||
static void constant(const std::string & data,
|
||
std::string & res_data)
|
||
{
|
||
Pos start;
|
||
size_t length;
|
||
Extractor::execute(data.data(), data.size(), start, length);
|
||
res_data.assign(start, length);
|
||
}
|
||
|
||
static void vector_fixed(const ColumnString::Chars_t & data, size_t n,
|
||
ColumnString::Chars_t & res_data)
|
||
{
|
||
throw Exception("Column of type FixedString is not supported by URL functions", ErrorCodes::ILLEGAL_COLUMN);
|
||
}
|
||
};
|
||
|
||
|
||
/** Удалить кусок строки, используя Extractor.
|
||
*/
|
||
template <typename Extractor>
|
||
struct CutSubstringImpl
|
||
{
|
||
static void vector(const ColumnString::Chars_t & data, const ColumnString::Offsets_t & offsets,
|
||
ColumnString::Chars_t & res_data, ColumnString::Offsets_t & res_offsets)
|
||
{
|
||
res_data.reserve(data.size());
|
||
size_t size = offsets.size();
|
||
res_offsets.resize(size);
|
||
|
||
size_t prev_offset = 0;
|
||
size_t res_offset = 0;
|
||
|
||
/// Выделенный кусок.
|
||
Pos start;
|
||
size_t length;
|
||
|
||
for (size_t i = 0; i < size; ++i)
|
||
{
|
||
const char * current = reinterpret_cast<const char *>(&data[prev_offset]);
|
||
Extractor::execute(current, offsets[i] - prev_offset - 1, start, length);
|
||
size_t start_index = start - reinterpret_cast<const char *>(&data[0]);
|
||
|
||
res_data.resize(res_data.size() + offsets[i] - prev_offset - length);
|
||
memcpy(&res_data[res_offset], current, start - current);
|
||
memcpy(&res_data[res_offset + start - current], start + length, offsets[i] - start_index - length);
|
||
res_offset += offsets[i] - prev_offset - length;
|
||
|
||
res_offsets[i] = res_offset;
|
||
prev_offset = offsets[i];
|
||
}
|
||
}
|
||
|
||
static void constant(const std::string & data,
|
||
std::string & res_data)
|
||
{
|
||
Pos start;
|
||
size_t length;
|
||
Extractor::execute(data.data(), data.size(), start, length);
|
||
res_data.reserve(data.size() - length);
|
||
res_data.append(data.data(), start);
|
||
res_data.append(start + length, data.data() + data.size());
|
||
}
|
||
|
||
static void vector_fixed(const ColumnString::Chars_t & data, size_t n,
|
||
ColumnString::Chars_t & res_data)
|
||
{
|
||
throw Exception("Column of type FixedString is not supported by URL functions", ErrorCodes::ILLEGAL_COLUMN);
|
||
}
|
||
};
|
||
|
||
|
||
struct NameProtocol { static constexpr auto name = "protocol"; };
|
||
struct NameDomain { static constexpr auto name = "domain"; };
|
||
struct NameDomainWithoutWWW { static constexpr auto name = "domainWithoutWWW"; };
|
||
struct NameFirstSignificantSubdomain { static constexpr auto name = "firstSignificantSubdomain"; };
|
||
struct NameTopLevelDomain { static constexpr auto name = "topLevelDomain"; };
|
||
struct NamePath { static constexpr auto name = "path"; };
|
||
struct NamePathFull { static constexpr auto name = "pathFull"; };
|
||
struct NameQueryString { static constexpr auto name = "queryString"; };
|
||
struct NameFragment { static constexpr auto name = "fragment"; };
|
||
struct NameQueryStringAndFragment { static constexpr auto name = "queryStringAndFragment"; };
|
||
|
||
struct NameCutToFirstSignificantSubdomain { static constexpr auto name = "cutToFirstSignificantSubdomain"; };
|
||
|
||
struct NameCutWWW { static constexpr auto name = "cutWWW"; };
|
||
struct NameCutQueryString { static constexpr auto name = "cutQueryString"; };
|
||
struct NameCutFragment { static constexpr auto name = "cutFragment"; };
|
||
struct NameCutQueryStringAndFragment { static constexpr auto name = "cutQueryStringAndFragment"; };
|
||
|
||
struct NameExtractURLParameter { static constexpr auto name = "extractURLParameter"; };
|
||
struct NameCutURLParameter { static constexpr auto name = "cutURLParameter"; };
|
||
|
||
typedef FunctionStringToString<ExtractSubstringImpl<ExtractProtocol>, NameProtocol> FunctionProtocol;
|
||
typedef FunctionStringToString<ExtractSubstringImpl<ExtractDomain<false> >, NameDomain> FunctionDomain;
|
||
typedef FunctionStringToString<ExtractSubstringImpl<ExtractDomain<true> >, NameDomainWithoutWWW> FunctionDomainWithoutWWW;
|
||
typedef FunctionStringToString<ExtractSubstringImpl<ExtractFirstSignificantSubdomain>, NameFirstSignificantSubdomain> FunctionFirstSignificantSubdomain;
|
||
typedef FunctionStringToString<ExtractSubstringImpl<ExtractTopLevelDomain>, NameTopLevelDomain> FunctionTopLevelDomain;
|
||
typedef FunctionStringToString<ExtractSubstringImpl<ExtractPath>, NamePath> FunctionPath;
|
||
typedef FunctionStringToString<ExtractSubstringImpl<ExtractPathFull>, NamePathFull> FunctionPathFull;
|
||
typedef FunctionStringToString<ExtractSubstringImpl<ExtractQueryString<true> >, NameQueryString> FunctionQueryString;
|
||
typedef FunctionStringToString<ExtractSubstringImpl<ExtractFragment<true> >, NameFragment> FunctionFragment;
|
||
typedef FunctionStringToString<ExtractSubstringImpl<ExtractQueryStringAndFragment<true> >, NameQueryStringAndFragment> FunctionQueryStringAndFragment;
|
||
|
||
typedef FunctionStringToString<ExtractSubstringImpl<CutToFirstSignificantSubdomain>, NameCutToFirstSignificantSubdomain> FunctionCutToFirstSignificantSubdomain;
|
||
|
||
typedef FunctionStringToString<CutSubstringImpl<ExtractWWW>, NameCutWWW> FunctionCutWWW;
|
||
typedef FunctionStringToString<CutSubstringImpl<ExtractQueryString<false> >, NameCutQueryString> FunctionCutQueryString;
|
||
typedef FunctionStringToString<CutSubstringImpl<ExtractFragment<false> >, NameCutFragment> FunctionCutFragment;
|
||
typedef FunctionStringToString<CutSubstringImpl<ExtractQueryStringAndFragment<false> >, NameCutQueryStringAndFragment> FunctionCutQueryStringAndFragment;
|
||
|
||
typedef FunctionsStringSearchToString<ExtractURLParameterImpl, NameExtractURLParameter> FunctionExtractURLParameter;
|
||
typedef FunctionsStringSearchToString<CutURLParameterImpl, NameCutURLParameter> FunctionCutURLParameter;
|
||
typedef FunctionTokens<ExtractURLParametersImpl> FunctionExtractURLParameters;
|
||
typedef FunctionTokens<ExtractURLParametersImpl> FunctionExtractURLParameters;
|
||
typedef FunctionTokens<URLHierarchyImpl> FunctionURLHierarchy;
|
||
typedef FunctionTokens<URLPathHierarchyImpl> FunctionURLPathHierarchy;
|
||
typedef FunctionTokens<ExtractURLParameterNamesImpl> FunctionExtractURLParameterNames;
|
||
|
||
}
|