/[suikacvs]/markup/html/whatpm/Whatpm/HTML.pm.src
Suika

Diff of /markup/html/whatpm/Whatpm/HTML.pm.src

Parent Directory Parent Directory | Revision Log Revision Log | View Patch Patch

revision 1.55 by wakaba, Sat Aug 11 06:53:38 2007 UTC revision 1.77 by wakaba, Mon Mar 3 10:20:19 2008 UTC
# Line 1  Line 1 
1  package Whatpm::HTML;  package Whatpm::HTML;
2  use strict;  use strict;
3  our $VERSION=do{my @r=(q$Revision$=~/\d+/g);sprintf "%d."."%02d" x $#r,@r};  our $VERSION=do{my @r=(q$Revision$=~/\d+/g);sprintf "%d."."%02d" x $#r,@r};
4    use Error qw(:try);
5    
6  ## ISSUE:  ## ISSUE:
7  ## var doc = implementation.createDocument (null, null, null);  ## var doc = implementation.createDocument (null, null, null);
8  ## doc.write ('');  ## doc.write ('');
9  ## alert (doc.compatMode);  ## alert (doc.compatMode);
10    
11  ## ISSUE: HTML5 revision 967 says that the encoding layer MUST NOT  ## TODO: Control charcters and noncharacters are not allowed (HTML5 revision 1263)
12  ## strip BOM and the HTML layer MUST ignore it.  Whether we can do it  ## TODO: 1252 parse error (revision 1264)
13  ## is not yet clear.  ## TODO: 8859-11 = 874 (revision 1271)
 ## "{U+FEFF}..." in UTF-16BE/UTF-16LE is three or four characters?  
 ## "{U+FEFF}..." in GB18030?  
14    
15  my $permitted_slash_tag_name = {  my $permitted_slash_tag_name = {
16    base => 1,    base => 1,
# Line 19  my $permitted_slash_tag_name = { Line 18  my $permitted_slash_tag_name = {
18    meta => 1,    meta => 1,
19    hr => 1,    hr => 1,
20    br => 1,    br => 1,
21    img=> 1,    img => 1,
22    embed => 1,    embed => 1,
23    param => 1,    param => 1,
24    area => 1,    area => 1,
# Line 84  my $formatting_category = { Line 83  my $formatting_category = {
83  };  };
84  # $phrasing_category: all other elements  # $phrasing_category: all other elements
85    
86    sub parse_byte_string ($$$$;$) {
87      my $self = ref $_[0] ? shift : shift->new;
88      my $charset = shift;
89      my $bytes_s = ref $_[0] ? $_[0] : \($_[0]);
90      my $s;
91      
92      if (defined $charset) {
93        require Encode; ## TODO: decode(utf8) don't delete BOM
94        $s = \ (Encode::decode ($charset, $$bytes_s));
95        $self->{input_encoding} = lc $charset; ## TODO: normalize name
96        $self->{confident} = 1;
97      } else {
98        ## TODO: Implement HTML5 detection algorithm
99        require Whatpm::Charset::UniversalCharDet;
100        $charset = Whatpm::Charset::UniversalCharDet->detect_byte_string
101            (substr ($$bytes_s, 0, 1024));
102        $charset ||= 'windows-1252';
103        $s = \ (Encode::decode ($charset, $$bytes_s));
104        $self->{input_encoding} = $charset;
105        $self->{confident} = 0;
106      }
107    
108      $self->{change_encoding} = sub {
109        my $self = shift;
110        my $charset = lc shift;
111        ## TODO: if $charset is supported
112        ## TODO: normalize charset name
113    
114        ## "Change the encoding" algorithm:
115    
116        ## Step 1    
117        if ($charset eq 'utf-16') { ## ISSUE: UTF-16BE -> UTF-8? UTF-16LE -> UTF-8?
118          $charset = 'utf-8';
119        }
120    
121        ## Step 2
122        if (defined $self->{input_encoding} and
123            $self->{input_encoding} eq $charset) {
124          $self->{confident} = 1;
125          return;
126        }
127    
128        !!!parse-error (type => 'charset label detected:'.$self->{input_encoding}.
129            ':'.$charset, level => 'w');
130    
131        ## Step 3
132        # if (can) {
133          ## change the encoding on the fly.
134          #$self->{confident} = 1;
135          #return;
136        # }
137    
138        ## Step 4
139        throw Whatpm::HTML::RestartParser (charset => $charset);
140      }; # $self->{change_encoding}
141    
142      my @args = @_; shift @args; # $s
143      my $return;
144      try {
145        $return = $self->parse_char_string ($s, @args);  
146      } catch Whatpm::HTML::RestartParser with {
147        my $charset = shift->{charset};
148        $s = \ (Encode::decode ($charset, $$bytes_s));    
149        $self->{input_encoding} = $charset; ## TODO: normalize
150        $self->{confident} = 1;
151        $return = $self->parse_char_string ($s, @args);
152      };
153      return $return;
154    } # parse_byte_string
155    
156    ## NOTE: HTML5 spec says that the encoding layer MUST NOT strip BOM
157    ## and the HTML layer MUST ignore it.  However, we does strip BOM in
158    ## the encoding layer and the HTML layer does not ignore any U+FEFF,
159    ## because the core part of our HTML parser expects a string of character,
160    ## not a string of bytes or code units or anything which might contain a BOM.
161    ## Therefore, any parser interface that accepts a string of bytes,
162    ## such as |parse_byte_string| in this module, must ensure that it does
163    ## strip the BOM and never strip any ZWNBSP.
164    
165    *parse_char_string = \&parse_string;
166    
167  sub parse_string ($$$;$) {  sub parse_string ($$$;$) {
168    my $self = shift->new;    my $self = ref $_[0] ? shift : shift->new;
169    my $s = \$_[0];    my $s = ref $_[0] ? $_[0] : \($_[0]);
170    $self->{document} = $_[1];    $self->{document} = $_[1];
171      @{$self->{document}->child_nodes} = ();
172    
173    ## NOTE: |set_inner_html| copies most of this method's code    ## NOTE: |set_inner_html| copies most of this method's code
174    
175      $self->{confident} = 1 unless exists $self->{confident};
176      $self->{document}->input_encoding ($self->{input_encoding})
177          if defined $self->{input_encoding};
178    
179    my $i = 0;    my $i = 0;
180    my $line = 1;    my $line = 1;
181    my $column = 0;    my $column = 0;
182    $self->{set_next_input_character} = sub {    $self->{set_next_char} = sub {
183      my $self = shift;      my $self = shift;
184    
185      pop @{$self->{prev_input_character}};      pop @{$self->{prev_char}};
186      unshift @{$self->{prev_input_character}}, $self->{next_input_character};      unshift @{$self->{prev_char}}, $self->{next_char};
187    
188      $self->{next_input_character} = -1 and return if $i >= length $$s;      $self->{next_char} = -1 and return if $i >= length $$s;
189      $self->{next_input_character} = ord substr $$s, $i++, 1;      $self->{next_char} = ord substr $$s, $i++, 1;
190      $column++;      $column++;
191            
192      if ($self->{next_input_character} == 0x000A) { # LF      if ($self->{next_char} == 0x000A) { # LF
193        $line++;        $line++;
194        $column = 0;        $column = 0;
195      } elsif ($self->{next_input_character} == 0x000D) { # CR      } elsif ($self->{next_char} == 0x000D) { # CR
196        $i++ if substr ($$s, $i, 1) eq "\x0A";        $i++ if substr ($$s, $i, 1) eq "\x0A";
197        $self->{next_input_character} = 0x000A; # LF # MUST        $self->{next_char} = 0x000A; # LF # MUST
198        $line++;        $line++;
199        $column = 0;        $column = 0;
200      } elsif ($self->{next_input_character} > 0x10FFFF) {      } elsif ($self->{next_char} > 0x10FFFF) {
201        $self->{next_input_character} = 0xFFFD; # REPLACEMENT CHARACTER # MUST        $self->{next_char} = 0xFFFD; # REPLACEMENT CHARACTER # MUST
202      } elsif ($self->{next_input_character} == 0x0000) { # NULL      } elsif ($self->{next_char} == 0x0000) { # NULL
203        !!!parse-error (type => 'NULL');        !!!parse-error (type => 'NULL');
204        $self->{next_input_character} = 0xFFFD; # REPLACEMENT CHARACTER # MUST        $self->{next_char} = 0xFFFD; # REPLACEMENT CHARACTER # MUST
205      }      }
206    };    };
207    $self->{prev_input_character} = [-1, -1, -1];    $self->{prev_char} = [-1, -1, -1];
208    $self->{next_input_character} = -1;    $self->{next_char} = -1;
209    
210    my $onerror = $_[2] || sub {    my $onerror = $_[2] || sub {
211      my (%opt) = @_;      my (%opt) = @_;
# Line 141  sub parse_string ($$$;$) { Line 226  sub parse_string ($$$;$) {
226  sub new ($) {  sub new ($) {
227    my $class = shift;    my $class = shift;
228    my $self = bless {}, $class;    my $self = bless {}, $class;
229    $self->{set_next_input_character} = sub {    $self->{set_next_char} = sub {
230      $self->{next_input_character} = -1;      $self->{next_char} = -1;
231    };    };
232    $self->{parse_error} = sub {    $self->{parse_error} = sub {
233      #      #
234    };    };
235      $self->{change_encoding} = sub {
236        # if ($_[0] is a supported encoding) {
237        #   run "change the encoding" algorithm;
238        #   throw Whatpm::HTML::RestartParser (charset => $new_encoding);
239        # }
240      };
241      $self->{application_cache_selection} = sub {
242        #
243      };
244    return $self;    return $self;
245  } # new  } # new
246    
# Line 159  sub CDATA_CONTENT_MODEL () { CM_LIMITED_ Line 253  sub CDATA_CONTENT_MODEL () { CM_LIMITED_
253  sub RCDATA_CONTENT_MODEL () { CM_ENTITY | CM_LIMITED_MARKUP }  sub RCDATA_CONTENT_MODEL () { CM_ENTITY | CM_LIMITED_MARKUP }
254  sub PCDATA_CONTENT_MODEL () { CM_ENTITY | CM_FULL_MARKUP }  sub PCDATA_CONTENT_MODEL () { CM_ENTITY | CM_FULL_MARKUP }
255    
256    sub DATA_STATE () { 0 }
257    sub ENTITY_DATA_STATE () { 1 }
258    sub TAG_OPEN_STATE () { 2 }
259    sub CLOSE_TAG_OPEN_STATE () { 3 }
260    sub TAG_NAME_STATE () { 4 }
261    sub BEFORE_ATTRIBUTE_NAME_STATE () { 5 }
262    sub ATTRIBUTE_NAME_STATE () { 6 }
263    sub AFTER_ATTRIBUTE_NAME_STATE () { 7 }
264    sub BEFORE_ATTRIBUTE_VALUE_STATE () { 8 }
265    sub ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE () { 9 }
266    sub ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE () { 10 }
267    sub ATTRIBUTE_VALUE_UNQUOTED_STATE () { 11 }
268    sub ENTITY_IN_ATTRIBUTE_VALUE_STATE () { 12 }
269    sub MARKUP_DECLARATION_OPEN_STATE () { 13 }
270    sub COMMENT_START_STATE () { 14 }
271    sub COMMENT_START_DASH_STATE () { 15 }
272    sub COMMENT_STATE () { 16 }
273    sub COMMENT_END_STATE () { 17 }
274    sub COMMENT_END_DASH_STATE () { 18 }
275    sub BOGUS_COMMENT_STATE () { 19 }
276    sub DOCTYPE_STATE () { 20 }
277    sub BEFORE_DOCTYPE_NAME_STATE () { 21 }
278    sub DOCTYPE_NAME_STATE () { 22 }
279    sub AFTER_DOCTYPE_NAME_STATE () { 23 }
280    sub BEFORE_DOCTYPE_PUBLIC_IDENTIFIER_STATE () { 24 }
281    sub DOCTYPE_PUBLIC_IDENTIFIER_DOUBLE_QUOTED_STATE () { 25 }
282    sub DOCTYPE_PUBLIC_IDENTIFIER_SINGLE_QUOTED_STATE () { 26 }
283    sub AFTER_DOCTYPE_PUBLIC_IDENTIFIER_STATE () { 27 }
284    sub BEFORE_DOCTYPE_SYSTEM_IDENTIFIER_STATE () { 28 }
285    sub DOCTYPE_SYSTEM_IDENTIFIER_DOUBLE_QUOTED_STATE () { 29 }
286    sub DOCTYPE_SYSTEM_IDENTIFIER_SINGLE_QUOTED_STATE () { 30 }
287    sub AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE () { 31 }
288    sub BOGUS_DOCTYPE_STATE () { 32 }
289    sub AFTER_ATTRIBUTE_VALUE_QUOTED_STATE () { 33 }
290    
291  sub DOCTYPE_TOKEN () { 1 }  sub DOCTYPE_TOKEN () { 1 }
292  sub COMMENT_TOKEN () { 2 }  sub COMMENT_TOKEN () { 2 }
293  sub START_TAG_TOKEN () { 3 }  sub START_TAG_TOKEN () { 3 }
# Line 169  sub CHARACTER_TOKEN () { 6 } Line 298  sub CHARACTER_TOKEN () { 6 }
298  sub AFTER_HTML_IMS () { 0b100 }  sub AFTER_HTML_IMS () { 0b100 }
299  sub HEAD_IMS ()       { 0b1000 }  sub HEAD_IMS ()       { 0b1000 }
300  sub BODY_IMS ()       { 0b10000 }  sub BODY_IMS ()       { 0b10000 }
301  sub BODY_TABLE_IMS () { 0b100000 | BODY_IMS }  sub BODY_TABLE_IMS () { 0b100000 }
302  sub TABLE_IMS ()      { 0b1000000 }  sub TABLE_IMS ()      { 0b1000000 }
303  sub ROW_IMS ()        { 0b10000000 | TABLE_IMS }  sub ROW_IMS ()        { 0b10000000 }
304  sub BODY_AFTER_IMS () { 0b100000000 }  sub BODY_AFTER_IMS () { 0b100000000 }
305  sub FRAME_IMS ()      { 0b1000000000 }  sub FRAME_IMS ()      { 0b1000000000 }
306    
# Line 182  sub IN_HEAD_NOSCRIPT_IM () { HEAD_IMS | Line 311  sub IN_HEAD_NOSCRIPT_IM () { HEAD_IMS |
311  sub AFTER_HEAD_IM () { HEAD_IMS | 0b10 }  sub AFTER_HEAD_IM () { HEAD_IMS | 0b10 }
312  sub BEFORE_HEAD_IM () { HEAD_IMS | 0b11 }  sub BEFORE_HEAD_IM () { HEAD_IMS | 0b11 }
313  sub IN_BODY_IM () { BODY_IMS }  sub IN_BODY_IM () { BODY_IMS }
314  sub IN_CELL_IM () { BODY_TABLE_IMS | 0b01 }  sub IN_CELL_IM () { BODY_IMS | BODY_TABLE_IMS | 0b01 }
315  sub IN_CAPTION_IM () { BODY_TABLE_IMS | 0b10 }  sub IN_CAPTION_IM () { BODY_IMS | BODY_TABLE_IMS | 0b10 }
316  sub IN_ROW_IM () { ROW_IMS | 0b01 }  sub IN_ROW_IM () { TABLE_IMS | ROW_IMS | 0b01 }
317  sub IN_TABLE_BODY_IM () { ROW_IMS | 0b10 }  sub IN_TABLE_BODY_IM () { TABLE_IMS | ROW_IMS | 0b10 }
318  sub IN_TABLE_IM () { TABLE_IMS }  sub IN_TABLE_IM () { TABLE_IMS }
319  sub AFTER_BODY_IM () { BODY_AFTER_IMS }  sub AFTER_BODY_IM () { BODY_AFTER_IMS }
320  sub IN_FRAMESET_IM () { FRAME_IMS | 0b01 }  sub IN_FRAMESET_IM () { FRAME_IMS | 0b01 }
# Line 197  sub IN_COLUMN_GROUP_IM () { 0b10 } Line 326  sub IN_COLUMN_GROUP_IM () { 0b10 }
326    
327  sub _initialize_tokenizer ($) {  sub _initialize_tokenizer ($) {
328    my $self = shift;    my $self = shift;
329    $self->{state} = 'data'; # MUST    $self->{state} = DATA_STATE; # MUST
330    $self->{content_model} = PCDATA_CONTENT_MODEL; # be    $self->{content_model} = PCDATA_CONTENT_MODEL; # be
331    undef $self->{current_token}; # start tag, end tag, comment, or DOCTYPE    undef $self->{current_token}; # start tag, end tag, comment, or DOCTYPE
332    undef $self->{current_attribute};    undef $self->{current_attribute};
333    undef $self->{last_emitted_start_tag_name};    undef $self->{last_emitted_start_tag_name};
334    undef $self->{last_attribute_value_state};    undef $self->{last_attribute_value_state};
335    $self->{char} = [];    $self->{char} = [];
336    # $self->{next_input_character}    # $self->{next_char}
337    !!!next-input-character;    !!!next-input-character;
338    $self->{token} = [];    $self->{token} = [];
339    # $self->{escape}    # $self->{escape}
# Line 217  sub _initialize_tokenizer ($) { Line 346  sub _initialize_tokenizer ($) {
346  ##   ->{tag_name} (START_TAG_TOKEN, END_TAG_TOKEN)  ##   ->{tag_name} (START_TAG_TOKEN, END_TAG_TOKEN)
347  ##   ->{public_identifier} (DOCTYPE_TOKEN)  ##   ->{public_identifier} (DOCTYPE_TOKEN)
348  ##   ->{system_identifier} (DOCTYPE_TOKEN)  ##   ->{system_identifier} (DOCTYPE_TOKEN)
349  ##   ->{correct} == 1 or 0 (DOCTYPE_TOKEN)  ##   ->{quirks} == 1 or 0 (DOCTYPE_TOKEN): "force-quirks" flag
350  ##   ->{attributes} isa HASH (START_TAG_TOKEN, END_TAG_TOKEN)  ##   ->{attributes} isa HASH (START_TAG_TOKEN, END_TAG_TOKEN)
351    ##        ->{name}
352    ##        ->{value}
353    ##        ->{has_reference} == 1 or 0
354  ##   ->{data} (COMMENT_TOKEN, CHARACTER_TOKEN)  ##   ->{data} (COMMENT_TOKEN, CHARACTER_TOKEN)
355    
356  ## Emitted token MUST immediately be handled by the tree construction state.  ## Emitted token MUST immediately be handled by the tree construction state.
# Line 229  sub _initialize_tokenizer ($) { Line 361  sub _initialize_tokenizer ($) {
361  ## has completed loading.  If one has, then it MUST be executed  ## has completed loading.  If one has, then it MUST be executed
362  ## and removed from the list.  ## and removed from the list.
363    
364    ## NOTE: HTML5 "Writing HTML documents" section, applied to
365    ## documents and not to user agents and conformance checkers,
366    ## contains some requirements that are not detected by the
367    ## parsing algorithm:
368    ## - Some requirements on character encoding declarations. ## TODO
369    ## - "Elements MUST NOT contain content that their content model disallows."
370    ##   ... Some are parse error, some are not (will be reported by c.c.).
371    ## - Polytheistic slash SHOULD NOT be used. (Applied only to atheists.) ## TODO
372    ## - Text (in elements, attributes, and comments) SHOULD NOT contain
373    ##   control characters other than space characters. ## TODO: (what is control character? C0, C1 and DEL?  Unicode control character?)
374    
375    ## TODO: HTML5 poses authors two SHOULD-level requirements that cannot
376    ## be detected by the HTML5 parsing algorithm:
377    ## - Text,
378    
379  sub _get_next_token ($) {  sub _get_next_token ($) {
380    my $self = shift;    my $self = shift;
381    if (@{$self->{token}}) {    if (@{$self->{token}}) {
# Line 236  sub _get_next_token ($) { Line 383  sub _get_next_token ($) {
383    }    }
384    
385    A: {    A: {
386      if ($self->{state} eq 'data') {      if ($self->{state} == DATA_STATE) {
387        if ($self->{next_input_character} == 0x0026) { # &        if ($self->{next_char} == 0x0026) { # &
388          if ($self->{content_model} & CM_ENTITY) { # PCDATA | RCDATA          if ($self->{content_model} & CM_ENTITY and # PCDATA | RCDATA
389            $self->{state} = 'entity data';              not $self->{escape}) {
390              !!!cp (1);
391              $self->{state} = ENTITY_DATA_STATE;
392            !!!next-input-character;            !!!next-input-character;
393            redo A;            redo A;
394          } else {          } else {
395              !!!cp (2);
396            #            #
397          }          }
398        } elsif ($self->{next_input_character} == 0x002D) { # -        } elsif ($self->{next_char} == 0x002D) { # -
399          if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA          if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA
400            unless ($self->{escape}) {            unless ($self->{escape}) {
401              if ($self->{prev_input_character}->[0] == 0x002D and # -              if ($self->{prev_char}->[0] == 0x002D and # -
402                  $self->{prev_input_character}->[1] == 0x0021 and # !                  $self->{prev_char}->[1] == 0x0021 and # !
403                  $self->{prev_input_character}->[2] == 0x003C) { # <                  $self->{prev_char}->[2] == 0x003C) { # <
404                  !!!cp (3);
405                $self->{escape} = 1;                $self->{escape} = 1;
406                } else {
407                  !!!cp (4);
408              }              }
409              } else {
410                !!!cp (5);
411            }            }
412          }          }
413                    
414          #          #
415        } elsif ($self->{next_input_character} == 0x003C) { # <        } elsif ($self->{next_char} == 0x003C) { # <
416          if ($self->{content_model} & CM_FULL_MARKUP or # PCDATA          if ($self->{content_model} & CM_FULL_MARKUP or # PCDATA
417              (($self->{content_model} & CM_LIMITED_MARKUP) and # CDATA | RCDATA              (($self->{content_model} & CM_LIMITED_MARKUP) and # CDATA | RCDATA
418               not $self->{escape})) {               not $self->{escape})) {
419            $self->{state} = 'tag open';            !!!cp (6);
420              $self->{state} = TAG_OPEN_STATE;
421            !!!next-input-character;            !!!next-input-character;
422            redo A;            redo A;
423          } else {          } else {
424              !!!cp (7);
425            #            #
426          }          }
427        } elsif ($self->{next_input_character} == 0x003E) { # >        } elsif ($self->{next_char} == 0x003E) { # >
428          if ($self->{escape} and          if ($self->{escape} and
429              ($self->{content_model} & CM_LIMITED_MARKUP)) { # RCDATA | CDATA              ($self->{content_model} & CM_LIMITED_MARKUP)) { # RCDATA | CDATA
430            if ($self->{prev_input_character}->[0] == 0x002D and # -            if ($self->{prev_char}->[0] == 0x002D and # -
431                $self->{prev_input_character}->[1] == 0x002D) { # -                $self->{prev_char}->[1] == 0x002D) { # -
432                !!!cp (8);
433              delete $self->{escape};              delete $self->{escape};
434              } else {
435                !!!cp (9);
436            }            }
437            } else {
438              !!!cp (10);
439          }          }
440                    
441          #          #
442        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
443            !!!cp (11);
444          !!!emit ({type => END_OF_FILE_TOKEN});          !!!emit ({type => END_OF_FILE_TOKEN});
445          last A; ## TODO: ok?          last A; ## TODO: ok?
446          } else {
447            !!!cp (12);
448        }        }
449        # Anything else        # Anything else
450        my $token = {type => CHARACTER_TOKEN,        my $token = {type => CHARACTER_TOKEN,
451                     data => chr $self->{next_input_character}};                     data => chr $self->{next_char}};
452        ## Stay in the data state        ## Stay in the data state
453        !!!next-input-character;        !!!next-input-character;
454    
455        !!!emit ($token);        !!!emit ($token);
456    
457        redo A;        redo A;
458      } elsif ($self->{state} eq 'entity data') {      } elsif ($self->{state} == ENTITY_DATA_STATE) {
459        ## (cannot happen in CDATA state)        ## (cannot happen in CDATA state)
460                
461        my $token = $self->_tokenize_attempt_to_consume_an_entity (0);        my $token = $self->_tokenize_attempt_to_consume_an_entity (0, -1);
462    
463        $self->{state} = 'data';        $self->{state} = DATA_STATE;
464        # next-input-character is already done        # next-input-character is already done
465    
466        unless (defined $token) {        unless (defined $token) {
467            !!!cp (13);
468          !!!emit ({type => CHARACTER_TOKEN, data => '&'});          !!!emit ({type => CHARACTER_TOKEN, data => '&'});
469        } else {        } else {
470            !!!cp (14);
471          !!!emit ($token);          !!!emit ($token);
472        }        }
473    
474        redo A;        redo A;
475      } elsif ($self->{state} eq 'tag open') {      } elsif ($self->{state} == TAG_OPEN_STATE) {
476        if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA        if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA
477          if ($self->{next_input_character} == 0x002F) { # /          if ($self->{next_char} == 0x002F) { # /
478              !!!cp (15);
479            !!!next-input-character;            !!!next-input-character;
480            $self->{state} = 'close tag open';            $self->{state} = CLOSE_TAG_OPEN_STATE;
481            redo A;            redo A;
482          } else {          } else {
483              !!!cp (16);
484            ## reconsume            ## reconsume
485            $self->{state} = 'data';            $self->{state} = DATA_STATE;
486    
487            !!!emit ({type => CHARACTER_TOKEN, data => '<'});            !!!emit ({type => CHARACTER_TOKEN, data => '<'});
488    
489            redo A;            redo A;
490          }          }
491        } elsif ($self->{content_model} & CM_FULL_MARKUP) { # PCDATA        } elsif ($self->{content_model} & CM_FULL_MARKUP) { # PCDATA
492          if ($self->{next_input_character} == 0x0021) { # !          if ($self->{next_char} == 0x0021) { # !
493            $self->{state} = 'markup declaration open';            !!!cp (17);
494              $self->{state} = MARKUP_DECLARATION_OPEN_STATE;
495            !!!next-input-character;            !!!next-input-character;
496            redo A;            redo A;
497          } elsif ($self->{next_input_character} == 0x002F) { # /          } elsif ($self->{next_char} == 0x002F) { # /
498            $self->{state} = 'close tag open';            !!!cp (18);
499              $self->{state} = CLOSE_TAG_OPEN_STATE;
500            !!!next-input-character;            !!!next-input-character;
501            redo A;            redo A;
502          } elsif (0x0041 <= $self->{next_input_character} and          } elsif (0x0041 <= $self->{next_char} and
503                   $self->{next_input_character} <= 0x005A) { # A..Z                   $self->{next_char} <= 0x005A) { # A..Z
504              !!!cp (19);
505            $self->{current_token}            $self->{current_token}
506              = {type => START_TAG_TOKEN,              = {type => START_TAG_TOKEN,
507                 tag_name => chr ($self->{next_input_character} + 0x0020)};                 tag_name => chr ($self->{next_char} + 0x0020)};
508            $self->{state} = 'tag name';            $self->{state} = TAG_NAME_STATE;
509            !!!next-input-character;            !!!next-input-character;
510            redo A;            redo A;
511          } elsif (0x0061 <= $self->{next_input_character} and          } elsif (0x0061 <= $self->{next_char} and
512                   $self->{next_input_character} <= 0x007A) { # a..z                   $self->{next_char} <= 0x007A) { # a..z
513              !!!cp (20);
514            $self->{current_token} = {type => START_TAG_TOKEN,            $self->{current_token} = {type => START_TAG_TOKEN,
515                              tag_name => chr ($self->{next_input_character})};                              tag_name => chr ($self->{next_char})};
516            $self->{state} = 'tag name';            $self->{state} = TAG_NAME_STATE;
517            !!!next-input-character;            !!!next-input-character;
518            redo A;            redo A;
519          } elsif ($self->{next_input_character} == 0x003E) { # >          } elsif ($self->{next_char} == 0x003E) { # >
520              !!!cp (21);
521            !!!parse-error (type => 'empty start tag');            !!!parse-error (type => 'empty start tag');
522            $self->{state} = 'data';            $self->{state} = DATA_STATE;
523            !!!next-input-character;            !!!next-input-character;
524    
525            !!!emit ({type => CHARACTER_TOKEN, data => '<>'});            !!!emit ({type => CHARACTER_TOKEN, data => '<>'});
526    
527            redo A;            redo A;
528          } elsif ($self->{next_input_character} == 0x003F) { # ?          } elsif ($self->{next_char} == 0x003F) { # ?
529              !!!cp (22);
530            !!!parse-error (type => 'pio');            !!!parse-error (type => 'pio');
531            $self->{state} = 'bogus comment';            $self->{state} = BOGUS_COMMENT_STATE;
532            ## $self->{next_input_character} is intentionally left as is            ## $self->{next_char} is intentionally left as is
533            redo A;            redo A;
534          } else {          } else {
535              !!!cp (23);
536            !!!parse-error (type => 'bare stago');            !!!parse-error (type => 'bare stago');
537            $self->{state} = 'data';            $self->{state} = DATA_STATE;
538            ## reconsume            ## reconsume
539    
540            !!!emit ({type => CHARACTER_TOKEN, data => '<'});            !!!emit ({type => CHARACTER_TOKEN, data => '<'});
# Line 368  sub _get_next_token ($) { Line 544  sub _get_next_token ($) {
544        } else {        } else {
545          die "$0: $self->{content_model} in tag open";          die "$0: $self->{content_model} in tag open";
546        }        }
547      } elsif ($self->{state} eq 'close tag open') {      } elsif ($self->{state} == CLOSE_TAG_OPEN_STATE) {
548        if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA        if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA
549          if (defined $self->{last_emitted_start_tag_name}) {          if (defined $self->{last_emitted_start_tag_name}) {
550            ## NOTE: <http://krijnhoetmer.nl/irc-logs/whatwg/20070626#l-564>            ## NOTE: <http://krijnhoetmer.nl/irc-logs/whatwg/20070626#l-564>
551            my @next_char;            my @next_char;
552            TAGNAME: for (my $i = 0; $i < length $self->{last_emitted_start_tag_name}; $i++) {            TAGNAME: for (my $i = 0; $i < length $self->{last_emitted_start_tag_name}; $i++) {
553              push @next_char, $self->{next_input_character};              push @next_char, $self->{next_char};
554              my $c = ord substr ($self->{last_emitted_start_tag_name}, $i, 1);              my $c = ord substr ($self->{last_emitted_start_tag_name}, $i, 1);
555              my $C = 0x0061 <= $c && $c <= 0x007A ? $c - 0x0020 : $c;              my $C = 0x0061 <= $c && $c <= 0x007A ? $c - 0x0020 : $c;
556              if ($self->{next_input_character} == $c or $self->{next_input_character} == $C) {              if ($self->{next_char} == $c or $self->{next_char} == $C) {
557                  !!!cp (24);
558                !!!next-input-character;                !!!next-input-character;
559                next TAGNAME;                next TAGNAME;
560              } else {              } else {
561                $self->{next_input_character} = shift @next_char; # reconsume                !!!cp (25);
562                  $self->{next_char} = shift @next_char; # reconsume
563                !!!back-next-input-character (@next_char);                !!!back-next-input-character (@next_char);
564                $self->{state} = 'data';                $self->{state} = DATA_STATE;
565    
566                !!!emit ({type => CHARACTER_TOKEN, data => '</'});                !!!emit ({type => CHARACTER_TOKEN, data => '</'});
567        
568                redo A;                redo A;
569              }              }
570            }            }
571            push @next_char, $self->{next_input_character};            push @next_char, $self->{next_char};
572                
573            unless ($self->{next_input_character} == 0x0009 or # HT            unless ($self->{next_char} == 0x0009 or # HT
574                    $self->{next_input_character} == 0x000A or # LF                    $self->{next_char} == 0x000A or # LF
575                    $self->{next_input_character} == 0x000B or # VT                    $self->{next_char} == 0x000B or # VT
576                    $self->{next_input_character} == 0x000C or # FF                    $self->{next_char} == 0x000C or # FF
577                    $self->{next_input_character} == 0x0020 or # SP                    $self->{next_char} == 0x0020 or # SP
578                    $self->{next_input_character} == 0x003E or # >                    $self->{next_char} == 0x003E or # >
579                    $self->{next_input_character} == 0x002F or # /                    $self->{next_char} == 0x002F or # /
580                    $self->{next_input_character} == -1) {                    $self->{next_char} == -1) {
581              $self->{next_input_character} = shift @next_char; # reconsume              !!!cp (26);
582                $self->{next_char} = shift @next_char; # reconsume
583              !!!back-next-input-character (@next_char);              !!!back-next-input-character (@next_char);
584              $self->{state} = 'data';              $self->{state} = DATA_STATE;
585              !!!emit ({type => CHARACTER_TOKEN, data => '</'});              !!!emit ({type => CHARACTER_TOKEN, data => '</'});
586              redo A;              redo A;
587            } else {            } else {
588              $self->{next_input_character} = shift @next_char;              !!!cp (27);
589                $self->{next_char} = shift @next_char;
590              !!!back-next-input-character (@next_char);              !!!back-next-input-character (@next_char);
591              # and consume...              # and consume...
592            }            }
593          } else {          } else {
594            ## No start tag token has ever been emitted            ## No start tag token has ever been emitted
595              !!!cp (28);
596            # next-input-character is already done            # next-input-character is already done
597            $self->{state} = 'data';            $self->{state} = DATA_STATE;
598            !!!emit ({type => CHARACTER_TOKEN, data => '</'});            !!!emit ({type => CHARACTER_TOKEN, data => '</'});
599            redo A;            redo A;
600          }          }
601        }        }
602                
603        if (0x0041 <= $self->{next_input_character} and        if (0x0041 <= $self->{next_char} and
604            $self->{next_input_character} <= 0x005A) { # A..Z            $self->{next_char} <= 0x005A) { # A..Z
605            !!!cp (29);
606          $self->{current_token} = {type => END_TAG_TOKEN,          $self->{current_token} = {type => END_TAG_TOKEN,
607                            tag_name => chr ($self->{next_input_character} + 0x0020)};                            tag_name => chr ($self->{next_char} + 0x0020)};
608          $self->{state} = 'tag name';          $self->{state} = TAG_NAME_STATE;
609          !!!next-input-character;          !!!next-input-character;
610          redo A;          redo A;
611        } elsif (0x0061 <= $self->{next_input_character} and        } elsif (0x0061 <= $self->{next_char} and
612                 $self->{next_input_character} <= 0x007A) { # a..z                 $self->{next_char} <= 0x007A) { # a..z
613            !!!cp (30);
614          $self->{current_token} = {type => END_TAG_TOKEN,          $self->{current_token} = {type => END_TAG_TOKEN,
615                            tag_name => chr ($self->{next_input_character})};                            tag_name => chr ($self->{next_char})};
616          $self->{state} = 'tag name';          $self->{state} = TAG_NAME_STATE;
617          !!!next-input-character;          !!!next-input-character;
618          redo A;          redo A;
619        } elsif ($self->{next_input_character} == 0x003E) { # >        } elsif ($self->{next_char} == 0x003E) { # >
620            !!!cp (31);
621          !!!parse-error (type => 'empty end tag');          !!!parse-error (type => 'empty end tag');
622          $self->{state} = 'data';          $self->{state} = DATA_STATE;
623          !!!next-input-character;          !!!next-input-character;
624          redo A;          redo A;
625        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
626            !!!cp (32);
627          !!!parse-error (type => 'bare etago');          !!!parse-error (type => 'bare etago');
628          $self->{state} = 'data';          $self->{state} = DATA_STATE;
629          # reconsume          # reconsume
630    
631          !!!emit ({type => CHARACTER_TOKEN, data => '</'});          !!!emit ({type => CHARACTER_TOKEN, data => '</'});
632    
633          redo A;          redo A;
634        } else {        } else {
635            !!!cp (33);
636          !!!parse-error (type => 'bogus end tag');          !!!parse-error (type => 'bogus end tag');
637          $self->{state} = 'bogus comment';          $self->{state} = BOGUS_COMMENT_STATE;
638          ## $self->{next_input_character} is intentionally left as is          ## $self->{next_char} is intentionally left as is
639          redo A;          redo A;
640        }        }
641      } elsif ($self->{state} eq 'tag name') {      } elsif ($self->{state} == TAG_NAME_STATE) {
642        if ($self->{next_input_character} == 0x0009 or # HT        if ($self->{next_char} == 0x0009 or # HT
643            $self->{next_input_character} == 0x000A or # LF            $self->{next_char} == 0x000A or # LF
644            $self->{next_input_character} == 0x000B or # VT            $self->{next_char} == 0x000B or # VT
645            $self->{next_input_character} == 0x000C or # FF            $self->{next_char} == 0x000C or # FF
646            $self->{next_input_character} == 0x0020) { # SP            $self->{next_char} == 0x0020) { # SP
647          $self->{state} = 'before attribute name';          !!!cp (34);
648            $self->{state} = BEFORE_ATTRIBUTE_NAME_STATE;
649          !!!next-input-character;          !!!next-input-character;
650          redo A;          redo A;
651        } elsif ($self->{next_input_character} == 0x003E) { # >        } elsif ($self->{next_char} == 0x003E) { # >
652          if ($self->{current_token}->{type} == START_TAG_TOKEN) {          if ($self->{current_token}->{type} == START_TAG_TOKEN) {
653              !!!cp (35);
654            $self->{current_token}->{first_start_tag}            $self->{current_token}->{first_start_tag}
655                = not defined $self->{last_emitted_start_tag_name};                = not defined $self->{last_emitted_start_tag_name};
656            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};
657          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {
658            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
659            if ($self->{current_token}->{attributes}) {            if ($self->{current_token}->{attributes}) {
660                !!!cp (36);
661              !!!parse-error (type => 'end tag attribute');              !!!parse-error (type => 'end tag attribute');
662              } else {
663                !!!cp (37);
664            }            }
665          } else {          } else {
666            die "$0: $self->{current_token}->{type}: Unknown token type";            die "$0: $self->{current_token}->{type}: Unknown token type";
667          }          }
668          $self->{state} = 'data';          $self->{state} = DATA_STATE;
669          !!!next-input-character;          !!!next-input-character;
670    
671          !!!emit ($self->{current_token}); # start tag or end tag          !!!emit ($self->{current_token}); # start tag or end tag
672    
673          redo A;          redo A;
674        } elsif (0x0041 <= $self->{next_input_character} and        } elsif (0x0041 <= $self->{next_char} and
675                 $self->{next_input_character} <= 0x005A) { # A..Z                 $self->{next_char} <= 0x005A) { # A..Z
676          $self->{current_token}->{tag_name} .= chr ($self->{next_input_character} + 0x0020);          !!!cp (38);
677            $self->{current_token}->{tag_name} .= chr ($self->{next_char} + 0x0020);
678            # start tag or end tag            # start tag or end tag
679          ## Stay in this state          ## Stay in this state
680          !!!next-input-character;          !!!next-input-character;
681          redo A;          redo A;
682        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
683          !!!parse-error (type => 'unclosed tag');          !!!parse-error (type => 'unclosed tag');
684          if ($self->{current_token}->{type} == START_TAG_TOKEN) {          if ($self->{current_token}->{type} == START_TAG_TOKEN) {
685              !!!cp (39);
686            $self->{current_token}->{first_start_tag}            $self->{current_token}->{first_start_tag}
687                = not defined $self->{last_emitted_start_tag_name};                = not defined $self->{last_emitted_start_tag_name};
688            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};
689          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {
690            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
691            if ($self->{current_token}->{attributes}) {            if ($self->{current_token}->{attributes}) {
692                !!!cp (40);
693              !!!parse-error (type => 'end tag attribute');              !!!parse-error (type => 'end tag attribute');
694              } else {
695                !!!cp (41);
696            }            }
697          } else {          } else {
698            die "$0: $self->{current_token}->{type}: Unknown token type";            die "$0: $self->{current_token}->{type}: Unknown token type";
699          }          }
700          $self->{state} = 'data';          $self->{state} = DATA_STATE;
701          # reconsume          # reconsume
702    
703          !!!emit ($self->{current_token}); # start tag or end tag          !!!emit ($self->{current_token}); # start tag or end tag
704    
705          redo A;          redo A;
706        } elsif ($self->{next_input_character} == 0x002F) { # /        } elsif ($self->{next_char} == 0x002F) { # /
707          !!!next-input-character;          !!!next-input-character;
708          if ($self->{next_input_character} == 0x003E and # >          if ($self->{next_char} == 0x003E and # >
709              $self->{current_token}->{type} == START_TAG_TOKEN and              $self->{current_token}->{type} == START_TAG_TOKEN and
710              $permitted_slash_tag_name->{$self->{current_token}->{tag_name}}) {              $permitted_slash_tag_name->{$self->{current_token}->{tag_name}}) {
711            # permitted slash            # permitted slash
712              !!!cp (42);
713            #            #
714          } else {          } else {
715              !!!cp (43);
716            !!!parse-error (type => 'nestc');            !!!parse-error (type => 'nestc');
717          }          }
718          $self->{state} = 'before attribute name';          $self->{state} = BEFORE_ATTRIBUTE_NAME_STATE;
719          # next-input-character is already done          # next-input-character is already done
720          redo A;          redo A;
721        } else {        } else {
722          $self->{current_token}->{tag_name} .= chr $self->{next_input_character};          !!!cp (44);
723            $self->{current_token}->{tag_name} .= chr $self->{next_char};
724            # start tag or end tag            # start tag or end tag
725          ## Stay in the state          ## Stay in the state
726          !!!next-input-character;          !!!next-input-character;
727          redo A;          redo A;
728        }        }
729      } elsif ($self->{state} eq 'before attribute name') {      } elsif ($self->{state} == BEFORE_ATTRIBUTE_NAME_STATE) {
730        if ($self->{next_input_character} == 0x0009 or # HT        if ($self->{next_char} == 0x0009 or # HT
731            $self->{next_input_character} == 0x000A or # LF            $self->{next_char} == 0x000A or # LF
732            $self->{next_input_character} == 0x000B or # VT            $self->{next_char} == 0x000B or # VT
733            $self->{next_input_character} == 0x000C or # FF            $self->{next_char} == 0x000C or # FF
734            $self->{next_input_character} == 0x0020) { # SP            $self->{next_char} == 0x0020) { # SP
735            !!!cp (45);
736          ## Stay in the state          ## Stay in the state
737          !!!next-input-character;          !!!next-input-character;
738          redo A;          redo A;
739        } elsif ($self->{next_input_character} == 0x003E) { # >        } elsif ($self->{next_char} == 0x003E) { # >
740          if ($self->{current_token}->{type} == START_TAG_TOKEN) {          if ($self->{current_token}->{type} == START_TAG_TOKEN) {
741              !!!cp (46);
742            $self->{current_token}->{first_start_tag}            $self->{current_token}->{first_start_tag}
743                = not defined $self->{last_emitted_start_tag_name};                = not defined $self->{last_emitted_start_tag_name};
744            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};
745          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {
746            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
747            if ($self->{current_token}->{attributes}) {            if ($self->{current_token}->{attributes}) {
748                !!!cp (47);
749              !!!parse-error (type => 'end tag attribute');              !!!parse-error (type => 'end tag attribute');
750              } else {
751                !!!cp (48);
752            }            }
753          } else {          } else {
754            die "$0: $self->{current_token}->{type}: Unknown token type";            die "$0: $self->{current_token}->{type}: Unknown token type";
755          }          }
756          $self->{state} = 'data';          $self->{state} = DATA_STATE;
757          !!!next-input-character;          !!!next-input-character;
758    
759          !!!emit ($self->{current_token}); # start tag or end tag          !!!emit ($self->{current_token}); # start tag or end tag
760    
761          redo A;          redo A;
762        } elsif (0x0041 <= $self->{next_input_character} and        } elsif (0x0041 <= $self->{next_char} and
763                 $self->{next_input_character} <= 0x005A) { # A..Z                 $self->{next_char} <= 0x005A) { # A..Z
764          $self->{current_attribute} = {name => chr ($self->{next_input_character} + 0x0020),          !!!cp (49);
765            $self->{current_attribute} = {name => chr ($self->{next_char} + 0x0020),
766                                value => ''};                                value => ''};
767          $self->{state} = 'attribute name';          $self->{state} = ATTRIBUTE_NAME_STATE;
768          !!!next-input-character;          !!!next-input-character;
769          redo A;          redo A;
770        } elsif ($self->{next_input_character} == 0x002F) { # /        } elsif ($self->{next_char} == 0x002F) { # /
771          !!!next-input-character;          !!!next-input-character;
772          if ($self->{next_input_character} == 0x003E and # >          if ($self->{next_char} == 0x003E and # >
773              $self->{current_token}->{type} == START_TAG_TOKEN and              $self->{current_token}->{type} == START_TAG_TOKEN and
774              $permitted_slash_tag_name->{$self->{current_token}->{tag_name}}) {              $permitted_slash_tag_name->{$self->{current_token}->{tag_name}}) {
775            # permitted slash            # permitted slash
776              !!!cp (50);
777            #            #
778          } else {          } else {
779              !!!cp (51);
780            !!!parse-error (type => 'nestc');            !!!parse-error (type => 'nestc');
781          }          }
782          ## Stay in the state          ## Stay in the state
783          # next-input-character is already done          # next-input-character is already done
784          redo A;          redo A;
785        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
786          !!!parse-error (type => 'unclosed tag');          !!!parse-error (type => 'unclosed tag');
787          if ($self->{current_token}->{type} == START_TAG_TOKEN) {          if ($self->{current_token}->{type} == START_TAG_TOKEN) {
788              !!!cp (52);
789            $self->{current_token}->{first_start_tag}            $self->{current_token}->{first_start_tag}
790                = not defined $self->{last_emitted_start_tag_name};                = not defined $self->{last_emitted_start_tag_name};
791            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};
792          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {
793            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
794            if ($self->{current_token}->{attributes}) {            if ($self->{current_token}->{attributes}) {
795                !!!cp (53);
796              !!!parse-error (type => 'end tag attribute');              !!!parse-error (type => 'end tag attribute');
797              } else {
798                !!!cp (54);
799            }            }
800          } else {          } else {
801            die "$0: $self->{current_token}->{type}: Unknown token type";            die "$0: $self->{current_token}->{type}: Unknown token type";
802          }          }
803          $self->{state} = 'data';          $self->{state} = DATA_STATE;
804          # reconsume          # reconsume
805    
806          !!!emit ($self->{current_token}); # start tag or end tag          !!!emit ($self->{current_token}); # start tag or end tag
807    
808          redo A;          redo A;
809        } else {        } else {
810          $self->{current_attribute} = {name => chr ($self->{next_input_character}),          if ({
811                 0x0022 => 1, # "
812                 0x0027 => 1, # '
813                 0x003D => 1, # =
814                }->{$self->{next_char}}) {
815              !!!cp (55);
816              !!!parse-error (type => 'bad attribute name');
817            } else {
818              !!!cp (56);
819            }
820            $self->{current_attribute} = {name => chr ($self->{next_char}),
821                                value => ''};                                value => ''};
822          $self->{state} = 'attribute name';          $self->{state} = ATTRIBUTE_NAME_STATE;
823          !!!next-input-character;          !!!next-input-character;
824          redo A;          redo A;
825        }        }
826      } elsif ($self->{state} eq 'attribute name') {      } elsif ($self->{state} == ATTRIBUTE_NAME_STATE) {
827        my $before_leave = sub {        my $before_leave = sub {
828          if (exists $self->{current_token}->{attributes} # start tag or end tag          if (exists $self->{current_token}->{attributes} # start tag or end tag
829              ->{$self->{current_attribute}->{name}}) { # MUST              ->{$self->{current_attribute}->{name}}) { # MUST
830              !!!cp (57);
831            !!!parse-error (type => 'duplicate attribute:'.$self->{current_attribute}->{name});            !!!parse-error (type => 'duplicate attribute:'.$self->{current_attribute}->{name});
832            ## Discard $self->{current_attribute} # MUST            ## Discard $self->{current_attribute} # MUST
833          } else {          } else {
834              !!!cp (58);
835            $self->{current_token}->{attributes}->{$self->{current_attribute}->{name}}            $self->{current_token}->{attributes}->{$self->{current_attribute}->{name}}
836              = $self->{current_attribute};              = $self->{current_attribute};
837          }          }
838        }; # $before_leave        }; # $before_leave
839    
840        if ($self->{next_input_character} == 0x0009 or # HT        if ($self->{next_char} == 0x0009 or # HT
841            $self->{next_input_character} == 0x000A or # LF            $self->{next_char} == 0x000A or # LF
842            $self->{next_input_character} == 0x000B or # VT            $self->{next_char} == 0x000B or # VT
843            $self->{next_input_character} == 0x000C or # FF            $self->{next_char} == 0x000C or # FF
844            $self->{next_input_character} == 0x0020) { # SP            $self->{next_char} == 0x0020) { # SP
845            !!!cp (59);
846          $before_leave->();          $before_leave->();
847          $self->{state} = 'after attribute name';          $self->{state} = AFTER_ATTRIBUTE_NAME_STATE;
848          !!!next-input-character;          !!!next-input-character;
849          redo A;          redo A;
850        } elsif ($self->{next_input_character} == 0x003D) { # =        } elsif ($self->{next_char} == 0x003D) { # =
851            !!!cp (60);
852          $before_leave->();          $before_leave->();
853          $self->{state} = 'before attribute value';          $self->{state} = BEFORE_ATTRIBUTE_VALUE_STATE;
854          !!!next-input-character;          !!!next-input-character;
855          redo A;          redo A;
856        } elsif ($self->{next_input_character} == 0x003E) { # >        } elsif ($self->{next_char} == 0x003E) { # >
857          $before_leave->();          $before_leave->();
858          if ($self->{current_token}->{type} == START_TAG_TOKEN) {          if ($self->{current_token}->{type} == START_TAG_TOKEN) {
859              !!!cp (61);
860            $self->{current_token}->{first_start_tag}            $self->{current_token}->{first_start_tag}
861                = not defined $self->{last_emitted_start_tag_name};                = not defined $self->{last_emitted_start_tag_name};
862            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};
863          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {
864              !!!cp (62);
865            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
866            if ($self->{current_token}->{attributes}) {            if ($self->{current_token}->{attributes}) {
867              !!!parse-error (type => 'end tag attribute');              !!!parse-error (type => 'end tag attribute');
# Line 642  sub _get_next_token ($) { Line 869  sub _get_next_token ($) {
869          } else {          } else {
870            die "$0: $self->{current_token}->{type}: Unknown token type";            die "$0: $self->{current_token}->{type}: Unknown token type";
871          }          }
872          $self->{state} = 'data';          $self->{state} = DATA_STATE;
873          !!!next-input-character;          !!!next-input-character;
874    
875          !!!emit ($self->{current_token}); # start tag or end tag          !!!emit ($self->{current_token}); # start tag or end tag
876    
877          redo A;          redo A;
878        } elsif (0x0041 <= $self->{next_input_character} and        } elsif (0x0041 <= $self->{next_char} and
879                 $self->{next_input_character} <= 0x005A) { # A..Z                 $self->{next_char} <= 0x005A) { # A..Z
880          $self->{current_attribute}->{name} .= chr ($self->{next_input_character} + 0x0020);          !!!cp (63);
881            $self->{current_attribute}->{name} .= chr ($self->{next_char} + 0x0020);
882          ## Stay in the state          ## Stay in the state
883          !!!next-input-character;          !!!next-input-character;
884          redo A;          redo A;
885        } elsif ($self->{next_input_character} == 0x002F) { # /        } elsif ($self->{next_char} == 0x002F) { # /
886          $before_leave->();          $before_leave->();
887          !!!next-input-character;          !!!next-input-character;
888          if ($self->{next_input_character} == 0x003E and # >          if ($self->{next_char} == 0x003E and # >
889              $self->{current_token}->{type} == START_TAG_TOKEN and              $self->{current_token}->{type} == START_TAG_TOKEN and
890              $permitted_slash_tag_name->{$self->{current_token}->{tag_name}}) {              $permitted_slash_tag_name->{$self->{current_token}->{tag_name}}) {
891            # permitted slash            # permitted slash
892              !!!cp (64);
893            #            #
894          } else {          } else {
895              !!!cp (65);
896            !!!parse-error (type => 'nestc');            !!!parse-error (type => 'nestc');
897          }          }
898          $self->{state} = 'before attribute name';          $self->{state} = BEFORE_ATTRIBUTE_NAME_STATE;
899          # next-input-character is already done          # next-input-character is already done
900          redo A;          redo A;
901        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
902          !!!parse-error (type => 'unclosed tag');          !!!parse-error (type => 'unclosed tag');
903          $before_leave->();          $before_leave->();
904          if ($self->{current_token}->{type} == START_TAG_TOKEN) {          if ($self->{current_token}->{type} == START_TAG_TOKEN) {
905              !!!cp (66);
906            $self->{current_token}->{first_start_tag}            $self->{current_token}->{first_start_tag}
907                = not defined $self->{last_emitted_start_tag_name};                = not defined $self->{last_emitted_start_tag_name};
908            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};
909          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {
910            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
911            if ($self->{current_token}->{attributes}) {            if ($self->{current_token}->{attributes}) {
912                !!!cp (67);
913              !!!parse-error (type => 'end tag attribute');              !!!parse-error (type => 'end tag attribute');
914              } else {
915                !!!cp (68);
916            }            }
917          } else {          } else {
918            die "$0: $self->{current_token}->{type}: Unknown token type";            die "$0: $self->{current_token}->{type}: Unknown token type";
919          }          }
920          $self->{state} = 'data';          $self->{state} = DATA_STATE;
921          # reconsume          # reconsume
922    
923          !!!emit ($self->{current_token}); # start tag or end tag          !!!emit ($self->{current_token}); # start tag or end tag
924    
925          redo A;          redo A;
926        } else {        } else {
927          $self->{current_attribute}->{name} .= chr ($self->{next_input_character});          if ($self->{next_char} == 0x0022 or # "
928                $self->{next_char} == 0x0027) { # '
929              !!!cp (69);
930              !!!parse-error (type => 'bad attribute name');
931            } else {
932              !!!cp (70);
933            }
934            $self->{current_attribute}->{name} .= chr ($self->{next_char});
935          ## Stay in the state          ## Stay in the state
936          !!!next-input-character;          !!!next-input-character;
937          redo A;          redo A;
938        }        }
939      } elsif ($self->{state} eq 'after attribute name') {      } elsif ($self->{state} == AFTER_ATTRIBUTE_NAME_STATE) {
940        if ($self->{next_input_character} == 0x0009 or # HT        if ($self->{next_char} == 0x0009 or # HT
941            $self->{next_input_character} == 0x000A or # LF            $self->{next_char} == 0x000A or # LF
942            $self->{next_input_character} == 0x000B or # VT            $self->{next_char} == 0x000B or # VT
943            $self->{next_input_character} == 0x000C or # FF            $self->{next_char} == 0x000C or # FF
944            $self->{next_input_character} == 0x0020) { # SP            $self->{next_char} == 0x0020) { # SP
945            !!!cp (71);
946          ## Stay in the state          ## Stay in the state
947          !!!next-input-character;          !!!next-input-character;
948          redo A;          redo A;
949        } elsif ($self->{next_input_character} == 0x003D) { # =        } elsif ($self->{next_char} == 0x003D) { # =
950          $self->{state} = 'before attribute value';          !!!cp (72);
951            $self->{state} = BEFORE_ATTRIBUTE_VALUE_STATE;
952          !!!next-input-character;          !!!next-input-character;
953          redo A;          redo A;
954        } elsif ($self->{next_input_character} == 0x003E) { # >        } elsif ($self->{next_char} == 0x003E) { # >
955          if ($self->{current_token}->{type} == START_TAG_TOKEN) {          if ($self->{current_token}->{type} == START_TAG_TOKEN) {
956              !!!cp (73);
957            $self->{current_token}->{first_start_tag}            $self->{current_token}->{first_start_tag}
958                = not defined $self->{last_emitted_start_tag_name};                = not defined $self->{last_emitted_start_tag_name};
959            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};
960          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {
961            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
962            if ($self->{current_token}->{attributes}) {            if ($self->{current_token}->{attributes}) {
963                !!!cp (74);
964              !!!parse-error (type => 'end tag attribute');              !!!parse-error (type => 'end tag attribute');
965              } else {
966                !!!cp (75);
967            }            }
968          } else {          } else {
969            die "$0: $self->{current_token}->{type}: Unknown token type";            die "$0: $self->{current_token}->{type}: Unknown token type";
970          }          }
971          $self->{state} = 'data';          $self->{state} = DATA_STATE;
972          !!!next-input-character;          !!!next-input-character;
973    
974          !!!emit ($self->{current_token}); # start tag or end tag          !!!emit ($self->{current_token}); # start tag or end tag
975    
976          redo A;          redo A;
977        } elsif (0x0041 <= $self->{next_input_character} and        } elsif (0x0041 <= $self->{next_char} and
978                 $self->{next_input_character} <= 0x005A) { # A..Z                 $self->{next_char} <= 0x005A) { # A..Z
979          $self->{current_attribute} = {name => chr ($self->{next_input_character} + 0x0020),          !!!cp (76);
980            $self->{current_attribute} = {name => chr ($self->{next_char} + 0x0020),
981                                value => ''};                                value => ''};
982          $self->{state} = 'attribute name';          $self->{state} = ATTRIBUTE_NAME_STATE;
983          !!!next-input-character;          !!!next-input-character;
984          redo A;          redo A;
985        } elsif ($self->{next_input_character} == 0x002F) { # /        } elsif ($self->{next_char} == 0x002F) { # /
986          !!!next-input-character;          !!!next-input-character;
987          if ($self->{next_input_character} == 0x003E and # >          if ($self->{next_char} == 0x003E and # >
988              $self->{current_token}->{type} == START_TAG_TOKEN and              $self->{current_token}->{type} == START_TAG_TOKEN and
989              $permitted_slash_tag_name->{$self->{current_token}->{tag_name}}) {              $permitted_slash_tag_name->{$self->{current_token}->{tag_name}}) {
990            # permitted slash            # permitted slash
991              !!!cp (77);
992            #            #
993          } else {          } else {
994              !!!cp (78);
995            !!!parse-error (type => 'nestc');            !!!parse-error (type => 'nestc');
996            ## TODO: Different error type for <aa / bb> than <aa/>            ## TODO: Different error type for <aa / bb> than <aa/>
997          }          }
998          $self->{state} = 'before attribute name';          $self->{state} = BEFORE_ATTRIBUTE_NAME_STATE;
999          # next-input-character is already done          # next-input-character is already done
1000          redo A;          redo A;
1001        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
1002          !!!parse-error (type => 'unclosed tag');          !!!parse-error (type => 'unclosed tag');
1003          if ($self->{current_token}->{type} == START_TAG_TOKEN) {          if ($self->{current_token}->{type} == START_TAG_TOKEN) {
1004              !!!cp (79);
1005            $self->{current_token}->{first_start_tag}            $self->{current_token}->{first_start_tag}
1006                = not defined $self->{last_emitted_start_tag_name};                = not defined $self->{last_emitted_start_tag_name};
1007            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};
1008          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {
1009            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1010            if ($self->{current_token}->{attributes}) {            if ($self->{current_token}->{attributes}) {
1011                !!!cp (80);
1012              !!!parse-error (type => 'end tag attribute');              !!!parse-error (type => 'end tag attribute');
1013              } else {
1014                !!!cp (81);
1015            }            }
1016          } else {          } else {
1017            die "$0: $self->{current_token}->{type}: Unknown token type";            die "$0: $self->{current_token}->{type}: Unknown token type";
1018          }          }
1019          $self->{state} = 'data';          $self->{state} = DATA_STATE;
1020          # reconsume          # reconsume
1021    
1022          !!!emit ($self->{current_token}); # start tag or end tag          !!!emit ($self->{current_token}); # start tag or end tag
1023    
1024          redo A;          redo A;
1025        } else {        } else {
1026          $self->{current_attribute} = {name => chr ($self->{next_input_character}),          !!!cp (82);
1027            $self->{current_attribute} = {name => chr ($self->{next_char}),
1028                                value => ''};                                value => ''};
1029          $self->{state} = 'attribute name';          $self->{state} = ATTRIBUTE_NAME_STATE;
1030          !!!next-input-character;          !!!next-input-character;
1031          redo A;                  redo A;        
1032        }        }
1033      } elsif ($self->{state} eq 'before attribute value') {      } elsif ($self->{state} == BEFORE_ATTRIBUTE_VALUE_STATE) {
1034        if ($self->{next_input_character} == 0x0009 or # HT        if ($self->{next_char} == 0x0009 or # HT
1035            $self->{next_input_character} == 0x000A or # LF            $self->{next_char} == 0x000A or # LF
1036            $self->{next_input_character} == 0x000B or # VT            $self->{next_char} == 0x000B or # VT
1037            $self->{next_input_character} == 0x000C or # FF            $self->{next_char} == 0x000C or # FF
1038            $self->{next_input_character} == 0x0020) { # SP                  $self->{next_char} == 0x0020) { # SP      
1039            !!!cp (83);
1040          ## Stay in the state          ## Stay in the state
1041          !!!next-input-character;          !!!next-input-character;
1042          redo A;          redo A;
1043        } elsif ($self->{next_input_character} == 0x0022) { # "        } elsif ($self->{next_char} == 0x0022) { # "
1044          $self->{state} = 'attribute value (double-quoted)';          !!!cp (84);
1045            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
1046          !!!next-input-character;          !!!next-input-character;
1047          redo A;          redo A;
1048        } elsif ($self->{next_input_character} == 0x0026) { # &        } elsif ($self->{next_char} == 0x0026) { # &
1049          $self->{state} = 'attribute value (unquoted)';          !!!cp (85);
1050            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
1051          ## reconsume          ## reconsume
1052          redo A;          redo A;
1053        } elsif ($self->{next_input_character} == 0x0027) { # '        } elsif ($self->{next_char} == 0x0027) { # '
1054          $self->{state} = 'attribute value (single-quoted)';          !!!cp (86);
1055            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
1056          !!!next-input-character;          !!!next-input-character;
1057          redo A;          redo A;
1058        } elsif ($self->{next_input_character} == 0x003E) { # >        } elsif ($self->{next_char} == 0x003E) { # >
1059          if ($self->{current_token}->{type} == START_TAG_TOKEN) {          if ($self->{current_token}->{type} == START_TAG_TOKEN) {
1060              !!!cp (87);
1061            $self->{current_token}->{first_start_tag}            $self->{current_token}->{first_start_tag}
1062                = not defined $self->{last_emitted_start_tag_name};                = not defined $self->{last_emitted_start_tag_name};
1063            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};
1064          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {
1065            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1066            if ($self->{current_token}->{attributes}) {            if ($self->{current_token}->{attributes}) {
1067                !!!cp (88);
1068              !!!parse-error (type => 'end tag attribute');              !!!parse-error (type => 'end tag attribute');
1069              } else {
1070                !!!cp (89);
1071            }            }
1072          } else {          } else {
1073            die "$0: $self->{current_token}->{type}: Unknown token type";            die "$0: $self->{current_token}->{type}: Unknown token type";
1074          }          }
1075          $self->{state} = 'data';          $self->{state} = DATA_STATE;
1076          !!!next-input-character;          !!!next-input-character;
1077    
1078          !!!emit ($self->{current_token}); # start tag or end tag          !!!emit ($self->{current_token}); # start tag or end tag
1079    
1080          redo A;          redo A;
1081        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
1082          !!!parse-error (type => 'unclosed tag');          !!!parse-error (type => 'unclosed tag');
1083          if ($self->{current_token}->{type} == START_TAG_TOKEN) {          if ($self->{current_token}->{type} == START_TAG_TOKEN) {
1084              !!!cp (90);
1085            $self->{current_token}->{first_start_tag}            $self->{current_token}->{first_start_tag}
1086                = not defined $self->{last_emitted_start_tag_name};                = not defined $self->{last_emitted_start_tag_name};
1087            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};
1088          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {
1089            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1090            if ($self->{current_token}->{attributes}) {            if ($self->{current_token}->{attributes}) {
1091                !!!cp (91);
1092              !!!parse-error (type => 'end tag attribute');              !!!parse-error (type => 'end tag attribute');
1093              } else {
1094                !!!cp (92);
1095            }            }
1096          } else {          } else {
1097            die "$0: $self->{current_token}->{type}: Unknown token type";            die "$0: $self->{current_token}->{type}: Unknown token type";
1098          }          }
1099          $self->{state} = 'data';          $self->{state} = DATA_STATE;
1100          ## reconsume          ## reconsume
1101    
1102          !!!emit ($self->{current_token}); # start tag or end tag          !!!emit ($self->{current_token}); # start tag or end tag
1103    
1104          redo A;          redo A;
1105        } else {        } else {
1106          $self->{current_attribute}->{value} .= chr ($self->{next_input_character});          if ($self->{next_char} == 0x003D) { # =
1107          $self->{state} = 'attribute value (unquoted)';            !!!cp (93);
1108              !!!parse-error (type => 'bad attribute value');
1109            } else {
1110              !!!cp (94);
1111            }
1112            $self->{current_attribute}->{value} .= chr ($self->{next_char});
1113            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
1114          !!!next-input-character;          !!!next-input-character;
1115          redo A;          redo A;
1116        }        }
1117      } elsif ($self->{state} eq 'attribute value (double-quoted)') {      } elsif ($self->{state} == ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE) {
1118        if ($self->{next_input_character} == 0x0022) { # "        if ($self->{next_char} == 0x0022) { # "
1119          $self->{state} = 'before attribute name';          !!!cp (95);
1120            $self->{state} = AFTER_ATTRIBUTE_VALUE_QUOTED_STATE;
1121          !!!next-input-character;          !!!next-input-character;
1122          redo A;          redo A;
1123        } elsif ($self->{next_input_character} == 0x0026) { # &        } elsif ($self->{next_char} == 0x0026) { # &
1124          $self->{last_attribute_value_state} = 'attribute value (double-quoted)';          !!!cp (96);
1125          $self->{state} = 'entity in attribute value';          $self->{last_attribute_value_state} = $self->{state};
1126            $self->{state} = ENTITY_IN_ATTRIBUTE_VALUE_STATE;
1127          !!!next-input-character;          !!!next-input-character;
1128          redo A;          redo A;
1129        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
1130          !!!parse-error (type => 'unclosed attribute value');          !!!parse-error (type => 'unclosed attribute value');
1131          if ($self->{current_token}->{type} == START_TAG_TOKEN) {          if ($self->{current_token}->{type} == START_TAG_TOKEN) {
1132              !!!cp (97);
1133            $self->{current_token}->{first_start_tag}            $self->{current_token}->{first_start_tag}
1134                = not defined $self->{last_emitted_start_tag_name};                = not defined $self->{last_emitted_start_tag_name};
1135            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};
1136          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {
1137            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1138            if ($self->{current_token}->{attributes}) {            if ($self->{current_token}->{attributes}) {
1139                !!!cp (98);
1140              !!!parse-error (type => 'end tag attribute');              !!!parse-error (type => 'end tag attribute');
1141              } else {
1142                !!!cp (99);
1143            }            }
1144          } else {          } else {
1145            die "$0: $self->{current_token}->{type}: Unknown token type";            die "$0: $self->{current_token}->{type}: Unknown token type";
1146          }          }
1147          $self->{state} = 'data';          $self->{state} = DATA_STATE;
1148          ## reconsume          ## reconsume
1149    
1150          !!!emit ($self->{current_token}); # start tag or end tag          !!!emit ($self->{current_token}); # start tag or end tag
1151    
1152          redo A;          redo A;
1153        } else {        } else {
1154          $self->{current_attribute}->{value} .= chr ($self->{next_input_character});          !!!cp (100);
1155            $self->{current_attribute}->{value} .= chr ($self->{next_char});
1156          ## Stay in the state          ## Stay in the state
1157          !!!next-input-character;          !!!next-input-character;
1158          redo A;          redo A;
1159        }        }
1160      } elsif ($self->{state} eq 'attribute value (single-quoted)') {      } elsif ($self->{state} == ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE) {
1161        if ($self->{next_input_character} == 0x0027) { # '        if ($self->{next_char} == 0x0027) { # '
1162          $self->{state} = 'before attribute name';          !!!cp (101);
1163            $self->{state} = AFTER_ATTRIBUTE_VALUE_QUOTED_STATE;
1164          !!!next-input-character;          !!!next-input-character;
1165          redo A;          redo A;
1166        } elsif ($self->{next_input_character} == 0x0026) { # &        } elsif ($self->{next_char} == 0x0026) { # &
1167          $self->{last_attribute_value_state} = 'attribute value (single-quoted)';          !!!cp (102);
1168          $self->{state} = 'entity in attribute value';          $self->{last_attribute_value_state} = $self->{state};
1169            $self->{state} = ENTITY_IN_ATTRIBUTE_VALUE_STATE;
1170          !!!next-input-character;          !!!next-input-character;
1171          redo A;          redo A;
1172        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
1173          !!!parse-error (type => 'unclosed attribute value');          !!!parse-error (type => 'unclosed attribute value');
1174          if ($self->{current_token}->{type} == START_TAG_TOKEN) {          if ($self->{current_token}->{type} == START_TAG_TOKEN) {
1175              !!!cp (103);
1176            $self->{current_token}->{first_start_tag}            $self->{current_token}->{first_start_tag}
1177                = not defined $self->{last_emitted_start_tag_name};                = not defined $self->{last_emitted_start_tag_name};
1178            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};
1179          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {
1180            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1181            if ($self->{current_token}->{attributes}) {            if ($self->{current_token}->{attributes}) {
1182                !!!cp (104);
1183              !!!parse-error (type => 'end tag attribute');              !!!parse-error (type => 'end tag attribute');
1184              } else {
1185                !!!cp (105);
1186            }            }
1187          } else {          } else {
1188            die "$0: $self->{current_token}->{type}: Unknown token type";            die "$0: $self->{current_token}->{type}: Unknown token type";
1189          }          }
1190          $self->{state} = 'data';          $self->{state} = DATA_STATE;
1191          ## reconsume          ## reconsume
1192    
1193          !!!emit ($self->{current_token}); # start tag or end tag          !!!emit ($self->{current_token}); # start tag or end tag
1194    
1195          redo A;          redo A;
1196        } else {        } else {
1197          $self->{current_attribute}->{value} .= chr ($self->{next_input_character});          !!!cp (106);
1198            $self->{current_attribute}->{value} .= chr ($self->{next_char});
1199          ## Stay in the state          ## Stay in the state
1200          !!!next-input-character;          !!!next-input-character;
1201          redo A;          redo A;
1202        }        }
1203      } elsif ($self->{state} eq 'attribute value (unquoted)') {      } elsif ($self->{state} == ATTRIBUTE_VALUE_UNQUOTED_STATE) {
1204        if ($self->{next_input_character} == 0x0009 or # HT        if ($self->{next_char} == 0x0009 or # HT
1205            $self->{next_input_character} == 0x000A or # LF            $self->{next_char} == 0x000A or # LF
1206            $self->{next_input_character} == 0x000B or # HT            $self->{next_char} == 0x000B or # HT
1207            $self->{next_input_character} == 0x000C or # FF            $self->{next_char} == 0x000C or # FF
1208            $self->{next_input_character} == 0x0020) { # SP            $self->{next_char} == 0x0020) { # SP
1209          $self->{state} = 'before attribute name';          !!!cp (107);
1210          !!!next-input-character;          $self->{state} = BEFORE_ATTRIBUTE_NAME_STATE;
1211          redo A;          !!!next-input-character;
1212        } elsif ($self->{next_input_character} == 0x0026) { # &          redo A;
1213          $self->{last_attribute_value_state} = 'attribute value (unquoted)';        } elsif ($self->{next_char} == 0x0026) { # &
1214          $self->{state} = 'entity in attribute value';          !!!cp (108);
1215            $self->{last_attribute_value_state} = $self->{state};
1216            $self->{state} = ENTITY_IN_ATTRIBUTE_VALUE_STATE;
1217          !!!next-input-character;          !!!next-input-character;
1218          redo A;          redo A;
1219        } elsif ($self->{next_input_character} == 0x003E) { # >        } elsif ($self->{next_char} == 0x003E) { # >
1220          if ($self->{current_token}->{type} == START_TAG_TOKEN) {          if ($self->{current_token}->{type} == START_TAG_TOKEN) {
1221              !!!cp (109);
1222            $self->{current_token}->{first_start_tag}            $self->{current_token}->{first_start_tag}
1223                = not defined $self->{last_emitted_start_tag_name};                = not defined $self->{last_emitted_start_tag_name};
1224            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};
1225          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {
1226            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1227            if ($self->{current_token}->{attributes}) {            if ($self->{current_token}->{attributes}) {
1228                !!!cp (110);
1229              !!!parse-error (type => 'end tag attribute');              !!!parse-error (type => 'end tag attribute');
1230              } else {
1231                !!!cp (111);
1232            }            }
1233          } else {          } else {
1234            die "$0: $self->{current_token}->{type}: Unknown token type";            die "$0: $self->{current_token}->{type}: Unknown token type";
1235          }          }
1236          $self->{state} = 'data';          $self->{state} = DATA_STATE;
1237          !!!next-input-character;          !!!next-input-character;
1238    
1239          !!!emit ($self->{current_token}); # start tag or end tag          !!!emit ($self->{current_token}); # start tag or end tag
1240    
1241          redo A;          redo A;
1242        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
1243          !!!parse-error (type => 'unclosed tag');          !!!parse-error (type => 'unclosed tag');
1244          if ($self->{current_token}->{type} == START_TAG_TOKEN) {          if ($self->{current_token}->{type} == START_TAG_TOKEN) {
1245              !!!cp (112);
1246            $self->{current_token}->{first_start_tag}            $self->{current_token}->{first_start_tag}
1247                = not defined $self->{last_emitted_start_tag_name};                = not defined $self->{last_emitted_start_tag_name};
1248            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};            $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};
1249          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {          } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {
1250            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1251            if ($self->{current_token}->{attributes}) {            if ($self->{current_token}->{attributes}) {
1252                !!!cp (113);
1253              !!!parse-error (type => 'end tag attribute');              !!!parse-error (type => 'end tag attribute');
1254              } else {
1255                !!!cp (114);
1256            }            }
1257          } else {          } else {
1258            die "$0: $self->{current_token}->{type}: Unknown token type";            die "$0: $self->{current_token}->{type}: Unknown token type";
1259          }          }
1260          $self->{state} = 'data';          $self->{state} = DATA_STATE;
1261          ## reconsume          ## reconsume
1262    
1263          !!!emit ($self->{current_token}); # start tag or end tag          !!!emit ($self->{current_token}); # start tag or end tag
1264    
1265          redo A;          redo A;
1266        } else {        } else {
1267          $self->{current_attribute}->{value} .= chr ($self->{next_input_character});          if ({
1268                 0x0022 => 1, # "
1269                 0x0027 => 1, # '
1270                 0x003D => 1, # =
1271                }->{$self->{next_char}}) {
1272              !!!cp (115);
1273              !!!parse-error (type => 'bad attribute value');
1274            } else {
1275              !!!cp (116);
1276            }
1277            $self->{current_attribute}->{value} .= chr ($self->{next_char});
1278          ## Stay in the state          ## Stay in the state
1279          !!!next-input-character;          !!!next-input-character;
1280          redo A;          redo A;
1281        }        }
1282      } elsif ($self->{state} eq 'entity in attribute value') {      } elsif ($self->{state} == ENTITY_IN_ATTRIBUTE_VALUE_STATE) {
1283        my $token = $self->_tokenize_attempt_to_consume_an_entity (1);        my $token = $self->_tokenize_attempt_to_consume_an_entity
1284              (1,
1285               $self->{last_attribute_value_state}
1286                 == ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE ? 0x0022 : # "
1287               $self->{last_attribute_value_state}
1288                 == ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE ? 0x0027 : # '
1289               -1);
1290    
1291        unless (defined $token) {        unless (defined $token) {
1292            !!!cp (117);
1293          $self->{current_attribute}->{value} .= '&';          $self->{current_attribute}->{value} .= '&';
1294        } else {        } else {
1295            !!!cp (118);
1296          $self->{current_attribute}->{value} .= $token->{data};          $self->{current_attribute}->{value} .= $token->{data};
1297            $self->{current_attribute}->{has_reference} = $token->{has_reference};
1298          ## ISSUE: spec says "append the returned character token to the current attribute's value"          ## ISSUE: spec says "append the returned character token to the current attribute's value"
1299        }        }
1300    
1301        $self->{state} = $self->{last_attribute_value_state};        $self->{state} = $self->{last_attribute_value_state};
1302        # next-input-character is already done        # next-input-character is already done
1303        redo A;        redo A;
1304      } elsif ($self->{state} eq 'bogus comment') {      } elsif ($self->{state} == AFTER_ATTRIBUTE_VALUE_QUOTED_STATE) {
1305          if ($self->{next_char} == 0x0009 or # HT
1306              $self->{next_char} == 0x000A or # LF
1307              $self->{next_char} == 0x000B or # VT
1308              $self->{next_char} == 0x000C or # FF
1309              $self->{next_char} == 0x0020) { # SP
1310            !!!cp (118);
1311            $self->{state} = BEFORE_ATTRIBUTE_NAME_STATE;
1312            !!!next-input-character;
1313            redo A;
1314          } elsif ($self->{next_char} == 0x003E) { # >
1315            if ($self->{current_token}->{type} == START_TAG_TOKEN) {
1316              !!!cp (119);
1317              $self->{current_token}->{first_start_tag}
1318                  = not defined $self->{last_emitted_start_tag_name};
1319              $self->{last_emitted_start_tag_name} = $self->{current_token}->{tag_name};
1320            } elsif ($self->{current_token}->{type} == END_TAG_TOKEN) {
1321              $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1322              if ($self->{current_token}->{attributes}) {
1323                !!!cp (120);
1324                !!!parse-error (type => 'end tag attribute');
1325              } else {
1326                !!!cp (121);
1327              }
1328            } else {
1329              die "$0: $self->{current_token}->{type}: Unknown token type";
1330            }
1331            $self->{state} = DATA_STATE;
1332            !!!next-input-character;
1333    
1334            !!!emit ($self->{current_token}); # start tag or end tag
1335    
1336            redo A;
1337          } elsif ($self->{next_char} == 0x002F) { # /
1338            !!!next-input-character;
1339            if ($self->{next_char} == 0x003E and # >
1340                $self->{current_token}->{type} == START_TAG_TOKEN and
1341                $permitted_slash_tag_name->{$self->{current_token}->{tag_name}}) {
1342              # permitted slash
1343              !!!cp (122);
1344              #
1345            } else {
1346              !!!cp (123);
1347              !!!parse-error (type => 'nestc');
1348            }
1349            $self->{state} = BEFORE_ATTRIBUTE_NAME_STATE;
1350            # next-input-character is already done
1351            redo A;
1352          } else {
1353            !!!cp (124);
1354            !!!parse-error (type => 'no space between attributes');
1355            $self->{state} = BEFORE_ATTRIBUTE_NAME_STATE;
1356            ## reconsume
1357            redo A;
1358          }
1359        } elsif ($self->{state} == BOGUS_COMMENT_STATE) {
1360        ## (only happen if PCDATA state)        ## (only happen if PCDATA state)
1361                
1362        my $token = {type => COMMENT_TOKEN, data => ''};        my $token = {type => COMMENT_TOKEN, data => ''};
1363    
1364        BC: {        BC: {
1365          if ($self->{next_input_character} == 0x003E) { # >          if ($self->{next_char} == 0x003E) { # >
1366            $self->{state} = 'data';            !!!cp (124);
1367              $self->{state} = DATA_STATE;
1368            !!!next-input-character;            !!!next-input-character;
1369    
1370            !!!emit ($token);            !!!emit ($token);
1371    
1372            redo A;            redo A;
1373          } elsif ($self->{next_input_character} == -1) {          } elsif ($self->{next_char} == -1) {
1374            $self->{state} = 'data';            !!!cp (125);
1375              $self->{state} = DATA_STATE;
1376            ## reconsume            ## reconsume
1377    
1378            !!!emit ($token);            !!!emit ($token);
1379    
1380            redo A;            redo A;
1381          } else {          } else {
1382            $token->{data} .= chr ($self->{next_input_character});            !!!cp (126);
1383              $token->{data} .= chr ($self->{next_char});
1384            !!!next-input-character;            !!!next-input-character;
1385            redo BC;            redo BC;
1386          }          }
1387        } # BC        } # BC
1388      } elsif ($self->{state} eq 'markup declaration open') {  
1389          die "$0: _get_next_token: unexpected case [BC]";
1390        } elsif ($self->{state} == MARKUP_DECLARATION_OPEN_STATE) {
1391        ## (only happen if PCDATA state)        ## (only happen if PCDATA state)
1392    
1393        my @next_char;        my @next_char;
1394        push @next_char, $self->{next_input_character};        push @next_char, $self->{next_char};
1395                
1396        if ($self->{next_input_character} == 0x002D) { # -        if ($self->{next_char} == 0x002D) { # -
1397          !!!next-input-character;          !!!next-input-character;
1398          push @next_char, $self->{next_input_character};          push @next_char, $self->{next_char};
1399          if ($self->{next_input_character} == 0x002D) { # -          if ($self->{next_char} == 0x002D) { # -
1400              !!!cp (127);
1401            $self->{current_token} = {type => COMMENT_TOKEN, data => ''};            $self->{current_token} = {type => COMMENT_TOKEN, data => ''};
1402            $self->{state} = 'comment start';            $self->{state} = COMMENT_START_STATE;
1403            !!!next-input-character;            !!!next-input-character;
1404            redo A;            redo A;
1405            } else {
1406              !!!cp (128);
1407          }          }
1408        } elsif ($self->{next_input_character} == 0x0044 or # D        } elsif ($self->{next_char} == 0x0044 or # D
1409                 $self->{next_input_character} == 0x0064) { # d                 $self->{next_char} == 0x0064) { # d
1410          !!!next-input-character;          !!!next-input-character;
1411          push @next_char, $self->{next_input_character};          push @next_char, $self->{next_char};
1412          if ($self->{next_input_character} == 0x004F or # O          if ($self->{next_char} == 0x004F or # O
1413              $self->{next_input_character} == 0x006F) { # o              $self->{next_char} == 0x006F) { # o
1414            !!!next-input-character;            !!!next-input-character;
1415            push @next_char, $self->{next_input_character};            push @next_char, $self->{next_char};
1416            if ($self->{next_input_character} == 0x0043 or # C            if ($self->{next_char} == 0x0043 or # C
1417                $self->{next_input_character} == 0x0063) { # c                $self->{next_char} == 0x0063) { # c
1418              !!!next-input-character;              !!!next-input-character;
1419              push @next_char, $self->{next_input_character};              push @next_char, $self->{next_char};
1420              if ($self->{next_input_character} == 0x0054 or # T              if ($self->{next_char} == 0x0054 or # T
1421                  $self->{next_input_character} == 0x0074) { # t                  $self->{next_char} == 0x0074) { # t
1422                !!!next-input-character;                !!!next-input-character;
1423                push @next_char, $self->{next_input_character};                push @next_char, $self->{next_char};
1424                if ($self->{next_input_character} == 0x0059 or # Y                if ($self->{next_char} == 0x0059 or # Y
1425                    $self->{next_input_character} == 0x0079) { # y                    $self->{next_char} == 0x0079) { # y
1426                  !!!next-input-character;                  !!!next-input-character;
1427                  push @next_char, $self->{next_input_character};                  push @next_char, $self->{next_char};
1428                  if ($self->{next_input_character} == 0x0050 or # P                  if ($self->{next_char} == 0x0050 or # P
1429                      $self->{next_input_character} == 0x0070) { # p                      $self->{next_char} == 0x0070) { # p
1430                    !!!next-input-character;                    !!!next-input-character;
1431                    push @next_char, $self->{next_input_character};                    push @next_char, $self->{next_char};
1432                    if ($self->{next_input_character} == 0x0045 or # E                    if ($self->{next_char} == 0x0045 or # E
1433                        $self->{next_input_character} == 0x0065) { # e                        $self->{next_char} == 0x0065) { # e
1434                      ## ISSUE: What a stupid code this is!                      !!!cp (129);
1435                      $self->{state} = 'DOCTYPE';                      ## TODO: What a stupid code this is!
1436                        $self->{state} = DOCTYPE_STATE;
1437                      !!!next-input-character;                      !!!next-input-character;
1438                      redo A;                      redo A;
1439                      } else {
1440                        !!!cp (130);
1441                    }                    }
1442                    } else {
1443                      !!!cp (131);
1444                  }                  }
1445                  } else {
1446                    !!!cp (132);
1447                }                }
1448                } else {
1449                  !!!cp (133);
1450              }              }
1451              } else {
1452                !!!cp (134);
1453            }            }
1454            } else {
1455              !!!cp (135);
1456          }          }
1457          } else {
1458            !!!cp (136);
1459        }        }
1460    
1461        !!!parse-error (type => 'bogus comment');        !!!parse-error (type => 'bogus comment');
1462        $self->{next_input_character} = shift @next_char;        $self->{next_char} = shift @next_char;
1463        !!!back-next-input-character (@next_char);        !!!back-next-input-character (@next_char);
1464        $self->{state} = 'bogus comment';        $self->{state} = BOGUS_COMMENT_STATE;
1465        redo A;        redo A;
1466                
1467        ## ISSUE: typos in spec: chacacters, is is a parse error        ## ISSUE: typos in spec: chacacters, is is a parse error
1468        ## ISSUE: spec is somewhat unclear on "is the first character that will be in the comment"; what is "that will be in the comment" is what the algorithm defines, isn't it?        ## ISSUE: spec is somewhat unclear on "is the first character that will be in the comment"; what is "that will be in the comment" is what the algorithm defines, isn't it?
1469      } elsif ($self->{state} eq 'comment start') {      } elsif ($self->{state} == COMMENT_START_STATE) {
1470        if ($self->{next_input_character} == 0x002D) { # -        if ($self->{next_char} == 0x002D) { # -
1471          $self->{state} = 'comment start dash';          !!!cp (137);
1472            $self->{state} = COMMENT_START_DASH_STATE;
1473          !!!next-input-character;          !!!next-input-character;
1474          redo A;          redo A;
1475        } elsif ($self->{next_input_character} == 0x003E) { # >        } elsif ($self->{next_char} == 0x003E) { # >
1476            !!!cp (138);
1477          !!!parse-error (type => 'bogus comment');          !!!parse-error (type => 'bogus comment');
1478          $self->{state} = 'data';          $self->{state} = DATA_STATE;
1479          !!!next-input-character;          !!!next-input-character;
1480    
1481          !!!emit ($self->{current_token}); # comment          !!!emit ($self->{current_token}); # comment
1482    
1483          redo A;          redo A;
1484        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
1485            !!!cp (139);
1486          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
1487          $self->{state} = 'data';          $self->{state} = DATA_STATE;
1488          ## reconsume          ## reconsume
1489    
1490          !!!emit ($self->{current_token}); # comment          !!!emit ($self->{current_token}); # comment
1491    
1492          redo A;          redo A;
1493        } else {        } else {
1494            !!!cp (140);
1495          $self->{current_token}->{data} # comment          $self->{current_token}->{data} # comment
1496              .= chr ($self->{next_input_character});              .= chr ($self->{next_char});
1497          $self->{state} = 'comment';          $self->{state} = COMMENT_STATE;
1498          !!!next-input-character;          !!!next-input-character;
1499          redo A;          redo A;
1500        }        }
1501      } elsif ($self->{state} eq 'comment start dash') {      } elsif ($self->{state} == COMMENT_START_DASH_STATE) {
1502        if ($self->{next_input_character} == 0x002D) { # -        if ($self->{next_char} == 0x002D) { # -
1503          $self->{state} = 'comment end';          !!!cp (141);
1504            $self->{state} = COMMENT_END_STATE;
1505          !!!next-input-character;          !!!next-input-character;
1506          redo A;          redo A;
1507        } elsif ($self->{next_input_character} == 0x003E) { # >        } elsif ($self->{next_char} == 0x003E) { # >
1508            !!!cp (142);
1509          !!!parse-error (type => 'bogus comment');          !!!parse-error (type => 'bogus comment');
1510          $self->{state} = 'data';          $self->{state} = DATA_STATE;
1511          !!!next-input-character;          !!!next-input-character;
1512    
1513          !!!emit ($self->{current_token}); # comment          !!!emit ($self->{current_token}); # comment
1514    
1515          redo A;          redo A;
1516        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
1517            !!!cp (143);
1518          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
1519          $self->{state} = 'data';          $self->{state} = DATA_STATE;
1520          ## reconsume          ## reconsume
1521    
1522          !!!emit ($self->{current_token}); # comment          !!!emit ($self->{current_token}); # comment
1523    
1524          redo A;          redo A;
1525        } else {        } else {
1526            !!!cp (144);
1527          $self->{current_token}->{data} # comment          $self->{current_token}->{data} # comment
1528              .= '-' . chr ($self->{next_input_character});              .= '-' . chr ($self->{next_char});
1529          $self->{state} = 'comment';          $self->{state} = COMMENT_STATE;
1530          !!!next-input-character;          !!!next-input-character;
1531          redo A;          redo A;
1532        }        }
1533      } elsif ($self->{state} eq 'comment') {      } elsif ($self->{state} == COMMENT_STATE) {
1534        if ($self->{next_input_character} == 0x002D) { # -        if ($self->{next_char} == 0x002D) { # -
1535          $self->{state} = 'comment end dash';          !!!cp (145);
1536            $self->{state} = COMMENT_END_DASH_STATE;
1537          !!!next-input-character;          !!!next-input-character;
1538          redo A;          redo A;
1539        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
1540            !!!cp (146);
1541          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
1542          $self->{state} = 'data';          $self->{state} = DATA_STATE;
1543          ## reconsume          ## reconsume
1544    
1545          !!!emit ($self->{current_token}); # comment          !!!emit ($self->{current_token}); # comment
1546    
1547          redo A;          redo A;
1548        } else {        } else {
1549          $self->{current_token}->{data} .= chr ($self->{next_input_character}); # comment          !!!cp (147);
1550            $self->{current_token}->{data} .= chr ($self->{next_char}); # comment
1551          ## Stay in the state          ## Stay in the state
1552          !!!next-input-character;          !!!next-input-character;
1553          redo A;          redo A;
1554        }        }
1555      } elsif ($self->{state} eq 'comment end dash') {      } elsif ($self->{state} == COMMENT_END_DASH_STATE) {
1556        if ($self->{next_input_character} == 0x002D) { # -        if ($self->{next_char} == 0x002D) { # -
1557          $self->{state} = 'comment end';          !!!cp (148);
1558            $self->{state} = COMMENT_END_STATE;
1559          !!!next-input-character;          !!!next-input-character;
1560          redo A;          redo A;
1561        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
1562            !!!cp (149);
1563          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
1564          $self->{state} = 'data';          $self->{state} = DATA_STATE;
1565          ## reconsume          ## reconsume
1566    
1567          !!!emit ($self->{current_token}); # comment          !!!emit ($self->{current_token}); # comment
1568    
1569          redo A;          redo A;
1570        } else {        } else {
1571          $self->{current_token}->{data} .= '-' . chr ($self->{next_input_character}); # comment          !!!cp (150);
1572          $self->{state} = 'comment';          $self->{current_token}->{data} .= '-' . chr ($self->{next_char}); # comment
1573            $self->{state} = COMMENT_STATE;
1574          !!!next-input-character;          !!!next-input-character;
1575          redo A;          redo A;
1576        }        }
1577      } elsif ($self->{state} eq 'comment end') {      } elsif ($self->{state} == COMMENT_END_STATE) {
1578        if ($self->{next_input_character} == 0x003E) { # >        if ($self->{next_char} == 0x003E) { # >
1579          $self->{state} = 'data';          !!!cp (151);
1580            $self->{state} = DATA_STATE;
1581          !!!next-input-character;          !!!next-input-character;
1582    
1583          !!!emit ($self->{current_token}); # comment          !!!emit ($self->{current_token}); # comment
1584    
1585          redo A;          redo A;
1586        } elsif ($self->{next_input_character} == 0x002D) { # -        } elsif ($self->{next_char} == 0x002D) { # -
1587            !!!cp (152);
1588          !!!parse-error (type => 'dash in comment');          !!!parse-error (type => 'dash in comment');
1589          $self->{current_token}->{data} .= '-'; # comment          $self->{current_token}->{data} .= '-'; # comment
1590          ## Stay in the state          ## Stay in the state
1591          !!!next-input-character;          !!!next-input-character;
1592          redo A;          redo A;
1593        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
1594            !!!cp (153);
1595          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
1596          $self->{state} = 'data';          $self->{state} = DATA_STATE;
1597          ## reconsume          ## reconsume
1598    
1599          !!!emit ($self->{current_token}); # comment          !!!emit ($self->{current_token}); # comment
1600    
1601          redo A;          redo A;
1602        } else {        } else {
1603            !!!cp (154);
1604          !!!parse-error (type => 'dash in comment');          !!!parse-error (type => 'dash in comment');
1605          $self->{current_token}->{data} .= '--' . chr ($self->{next_input_character}); # comment          $self->{current_token}->{data} .= '--' . chr ($self->{next_char}); # comment
1606          $self->{state} = 'comment';          $self->{state} = COMMENT_STATE;
1607          !!!next-input-character;          !!!next-input-character;
1608          redo A;          redo A;
1609        }        }
1610      } elsif ($self->{state} eq 'DOCTYPE') {      } elsif ($self->{state} == DOCTYPE_STATE) {
1611        if ($self->{next_input_character} == 0x0009 or # HT        if ($self->{next_char} == 0x0009 or # HT
1612            $self->{next_input_character} == 0x000A or # LF            $self->{next_char} == 0x000A or # LF
1613            $self->{next_input_character} == 0x000B or # VT            $self->{next_char} == 0x000B or # VT
1614            $self->{next_input_character} == 0x000C or # FF            $self->{next_char} == 0x000C or # FF
1615            $self->{next_input_character} == 0x0020) { # SP            $self->{next_char} == 0x0020) { # SP
1616          $self->{state} = 'before DOCTYPE name';          !!!cp (155);
1617            $self->{state} = BEFORE_DOCTYPE_NAME_STATE;
1618          !!!next-input-character;          !!!next-input-character;
1619          redo A;          redo A;
1620        } else {        } else {
1621            !!!cp (156);
1622          !!!parse-error (type => 'no space before DOCTYPE name');          !!!parse-error (type => 'no space before DOCTYPE name');
1623          $self->{state} = 'before DOCTYPE name';          $self->{state} = BEFORE_DOCTYPE_NAME_STATE;
1624          ## reconsume          ## reconsume
1625          redo A;          redo A;
1626        }        }
1627      } elsif ($self->{state} eq 'before DOCTYPE name') {      } elsif ($self->{state} == BEFORE_DOCTYPE_NAME_STATE) {
1628        if ($self->{next_input_character} == 0x0009 or # HT        if ($self->{next_char} == 0x0009 or # HT
1629            $self->{next_input_character} == 0x000A or # LF            $self->{next_char} == 0x000A or # LF
1630            $self->{next_input_character} == 0x000B or # VT            $self->{next_char} == 0x000B or # VT
1631            $self->{next_input_character} == 0x000C or # FF            $self->{next_char} == 0x000C or # FF
1632            $self->{next_input_character} == 0x0020) { # SP            $self->{next_char} == 0x0020) { # SP
1633            !!!cp (157);
1634          ## Stay in the state          ## Stay in the state
1635          !!!next-input-character;          !!!next-input-character;
1636          redo A;          redo A;
1637        } elsif ($self->{next_input_character} == 0x003E) { # >        } elsif ($self->{next_char} == 0x003E) { # >
1638            !!!cp (158);
1639          !!!parse-error (type => 'no DOCTYPE name');          !!!parse-error (type => 'no DOCTYPE name');
1640          $self->{state} = 'data';          $self->{state} = DATA_STATE;
1641          !!!next-input-character;          !!!next-input-character;
1642    
1643          !!!emit ({type => DOCTYPE_TOKEN}); # incorrect          !!!emit ({type => DOCTYPE_TOKEN, quirks => 1});
1644    
1645          redo A;          redo A;
1646        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
1647            !!!cp (159);
1648          !!!parse-error (type => 'no DOCTYPE name');          !!!parse-error (type => 'no DOCTYPE name');
1649          $self->{state} = 'data';          $self->{state} = DATA_STATE;
1650          ## reconsume          ## reconsume
1651    
1652          !!!emit ({type => DOCTYPE_TOKEN}); # incorrect          !!!emit ({type => DOCTYPE_TOKEN, quirks => 1});
1653    
1654          redo A;          redo A;
1655        } else {        } else {
1656            !!!cp (160);
1657          $self->{current_token}          $self->{current_token}
1658              = {type => DOCTYPE_TOKEN,              = {type => DOCTYPE_TOKEN,
1659                 name => chr ($self->{next_input_character}),                 name => chr ($self->{next_char}),
1660                 correct => 1};                 #quirks => 0,
1661                  };
1662  ## ISSUE: "Set the token's name name to the" in the spec  ## ISSUE: "Set the token's name name to the" in the spec
1663          $self->{state} = 'DOCTYPE name';          $self->{state} = DOCTYPE_NAME_STATE;
1664          !!!next-input-character;          !!!next-input-character;
1665          redo A;          redo A;
1666        }        }
1667      } elsif ($self->{state} eq 'DOCTYPE name') {      } elsif ($self->{state} == DOCTYPE_NAME_STATE) {
1668  ## ISSUE: Redundant "First," in the spec.  ## ISSUE: Redundant "First," in the spec.
1669        if ($self->{next_input_character} == 0x0009 or # HT        if ($self->{next_char} == 0x0009 or # HT
1670            $self->{next_input_character} == 0x000A or # LF            $self->{next_char} == 0x000A or # LF
1671            $self->{next_input_character} == 0x000B or # VT            $self->{next_char} == 0x000B or # VT
1672            $self->{next_input_character} == 0x000C or # FF            $self->{next_char} == 0x000C or # FF
1673            $self->{next_input_character} == 0x0020) { # SP            $self->{next_char} == 0x0020) { # SP
1674          $self->{state} = 'after DOCTYPE name';          !!!cp (161);
1675            $self->{state} = AFTER_DOCTYPE_NAME_STATE;
1676          !!!next-input-character;          !!!next-input-character;
1677          redo A;          redo A;
1678        } elsif ($self->{next_input_character} == 0x003E) { # >        } elsif ($self->{next_char} == 0x003E) { # >
1679          $self->{state} = 'data';          !!!cp (162);
1680            $self->{state} = DATA_STATE;
1681          !!!next-input-character;          !!!next-input-character;
1682    
1683          !!!emit ($self->{current_token}); # DOCTYPE          !!!emit ($self->{current_token}); # DOCTYPE
1684    
1685          redo A;          redo A;
1686        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
1687            !!!cp (163);
1688          !!!parse-error (type => 'unclosed DOCTYPE');          !!!parse-error (type => 'unclosed DOCTYPE');
1689          $self->{state} = 'data';          $self->{state} = DATA_STATE;
1690          ## reconsume          ## reconsume
1691    
1692          delete $self->{current_token}->{correct};          $self->{current_token}->{quirks} = 1;
1693          !!!emit ($self->{current_token}); # DOCTYPE          !!!emit ($self->{current_token}); # DOCTYPE
1694    
1695          redo A;          redo A;
1696        } else {        } else {
1697            !!!cp (164);
1698          $self->{current_token}->{name}          $self->{current_token}->{name}
1699            .= chr ($self->{next_input_character}); # DOCTYPE            .= chr ($self->{next_char}); # DOCTYPE
1700          ## Stay in the state          ## Stay in the state
1701          !!!next-input-character;          !!!next-input-character;
1702          redo A;          redo A;
1703        }        }
1704      } elsif ($self->{state} eq 'after DOCTYPE name') {      } elsif ($self->{state} == AFTER_DOCTYPE_NAME_STATE) {
1705        if ($self->{next_input_character} == 0x0009 or # HT        if ($self->{next_char} == 0x0009 or # HT
1706            $self->{next_input_character} == 0x000A or # LF            $self->{next_char} == 0x000A or # LF
1707            $self->{next_input_character} == 0x000B or # VT            $self->{next_char} == 0x000B or # VT
1708            $self->{next_input_character} == 0x000C or # FF            $self->{next_char} == 0x000C or # FF
1709            $self->{next_input_character} == 0x0020) { # SP            $self->{next_char} == 0x0020) { # SP
1710            !!!cp (165);
1711          ## Stay in the state          ## Stay in the state
1712          !!!next-input-character;          !!!next-input-character;
1713          redo A;          redo A;
1714        } elsif ($self->{next_input_character} == 0x003E) { # >        } elsif ($self->{next_char} == 0x003E) { # >
1715          $self->{state} = 'data';          !!!cp (166);
1716            $self->{state} = DATA_STATE;
1717          !!!next-input-character;          !!!next-input-character;
1718    
1719          !!!emit ($self->{current_token}); # DOCTYPE          !!!emit ($self->{current_token}); # DOCTYPE
1720    
1721          redo A;          redo A;
1722        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
1723            !!!cp (167);
1724          !!!parse-error (type => 'unclosed DOCTYPE');          !!!parse-error (type => 'unclosed DOCTYPE');
1725          $self->{state} = 'data';          $self->{state} = DATA_STATE;
1726          ## reconsume          ## reconsume
1727    
1728          delete $self->{current_token}->{correct};          $self->{current_token}->{quirks} = 1;
1729          !!!emit ($self->{current_token}); # DOCTYPE          !!!emit ($self->{current_token}); # DOCTYPE
1730    
1731          redo A;          redo A;
1732        } elsif ($self->{next_input_character} == 0x0050 or # P        } elsif ($self->{next_char} == 0x0050 or # P
1733                 $self->{next_input_character} == 0x0070) { # p                 $self->{next_char} == 0x0070) { # p
1734          !!!next-input-character;          !!!next-input-character;
1735          if ($self->{next_input_character} == 0x0055 or # U          if ($self->{next_char} == 0x0055 or # U
1736              $self->{next_input_character} == 0x0075) { # u              $self->{next_char} == 0x0075) { # u
1737            !!!next-input-character;            !!!next-input-character;
1738            if ($self->{next_input_character} == 0x0042 or # B            if ($self->{next_char} == 0x0042 or # B
1739                $self->{next_input_character} == 0x0062) { # b                $self->{next_char} == 0x0062) { # b
1740              !!!next-input-character;              !!!next-input-character;
1741              if ($self->{next_input_character} == 0x004C or # L              if ($self->{next_char} == 0x004C or # L
1742                  $self->{next_input_character} == 0x006C) { # l                  $self->{next_char} == 0x006C) { # l
1743                !!!next-input-character;                !!!next-input-character;
1744                if ($self->{next_input_character} == 0x0049 or # I                if ($self->{next_char} == 0x0049 or # I
1745                    $self->{next_input_character} == 0x0069) { # i                    $self->{next_char} == 0x0069) { # i
1746                  !!!next-input-character;                  !!!next-input-character;
1747                  if ($self->{next_input_character} == 0x0043 or # C                  if ($self->{next_char} == 0x0043 or # C
1748                      $self->{next_input_character} == 0x0063) { # c                      $self->{next_char} == 0x0063) { # c
1749                    $self->{state} = 'before DOCTYPE public identifier';                    !!!cp (168);
1750                      $self->{state} = BEFORE_DOCTYPE_PUBLIC_IDENTIFIER_STATE;
1751                    !!!next-input-character;                    !!!next-input-character;
1752                    redo A;                    redo A;
1753                    } else {
1754                      !!!cp (169);
1755                  }                  }
1756                  } else {
1757                    !!!cp (170);
1758                }                }
1759                } else {
1760                  !!!cp (171);
1761              }              }
1762              } else {
1763                !!!cp (172);
1764            }            }
1765            } else {
1766              !!!cp (173);
1767          }          }
1768    
1769          #          #
1770        } elsif ($self->{next_input_character} == 0x0053 or # S        } elsif ($self->{next_char} == 0x0053 or # S
1771                 $self->{next_input_character} == 0x0073) { # s                 $self->{next_char} == 0x0073) { # s
1772          !!!next-input-character;          !!!next-input-character;
1773          if ($self->{next_input_character} == 0x0059 or # Y          if ($self->{next_char} == 0x0059 or # Y
1774              $self->{next_input_character} == 0x0079) { # y              $self->{next_char} == 0x0079) { # y
1775            !!!next-input-character;            !!!next-input-character;
1776            if ($self->{next_input_character} == 0x0053 or # S            if ($self->{next_char} == 0x0053 or # S
1777                $self->{next_input_character} == 0x0073) { # s                $self->{next_char} == 0x0073) { # s
1778              !!!next-input-character;              !!!next-input-character;
1779              if ($self->{next_input_character} == 0x0054 or # T              if ($self->{next_char} == 0x0054 or # T
1780                  $self->{next_input_character} == 0x0074) { # t                  $self->{next_char} == 0x0074) { # t
1781                !!!next-input-character;                !!!next-input-character;
1782                if ($self->{next_input_character} == 0x0045 or # E                if ($self->{next_char} == 0x0045 or # E
1783                    $self->{next_input_character} == 0x0065) { # e                    $self->{next_char} == 0x0065) { # e
1784                  !!!next-input-character;                  !!!next-input-character;
1785                  if ($self->{next_input_character} == 0x004D or # M                  if ($self->{next_char} == 0x004D or # M
1786                      $self->{next_input_character} == 0x006D) { # m                      $self->{next_char} == 0x006D) { # m
1787                    $self->{state} = 'before DOCTYPE system identifier';                    !!!cp (174);
1788                      $self->{state} = BEFORE_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
1789                    !!!next-input-character;                    !!!next-input-character;
1790                    redo A;                    redo A;
1791                    } else {
1792                      !!!cp (175);
1793                  }                  }
1794                  } else {
1795                    !!!cp (176);
1796                }                }
1797                } else {
1798                  !!!cp (177);
1799              }              }
1800              } else {
1801                !!!cp (178);
1802            }            }
1803            } else {
1804              !!!cp (179);
1805          }          }
1806    
1807          #          #
1808        } else {        } else {
1809            !!!cp (180);
1810          !!!next-input-character;          !!!next-input-character;
1811          #          #
1812        }        }
1813    
1814        !!!parse-error (type => 'string after DOCTYPE name');        !!!parse-error (type => 'string after DOCTYPE name');
1815        $self->{state} = 'bogus DOCTYPE';        $self->{current_token}->{quirks} = 1;
1816    
1817          $self->{state} = BOGUS_DOCTYPE_STATE;
1818        # next-input-character is already done        # next-input-character is already done
1819        redo A;        redo A;
1820      } elsif ($self->{state} eq 'before DOCTYPE public identifier') {      } elsif ($self->{state} == BEFORE_DOCTYPE_PUBLIC_IDENTIFIER_STATE) {
1821        if ({        if ({
1822              0x0009 => 1, 0x000A => 1, 0x000B => 1, 0x000C => 1, 0x0020 => 1,              0x0009 => 1, 0x000A => 1, 0x000B => 1, 0x000C => 1, 0x0020 => 1,
1823              #0x000D => 1, # HT, LF, VT, FF, SP, CR              #0x000D => 1, # HT, LF, VT, FF, SP, CR
1824            }->{$self->{next_input_character}}) {            }->{$self->{next_char}}) {
1825            !!!cp (181);
1826          ## Stay in the state          ## Stay in the state
1827          !!!next-input-character;          !!!next-input-character;
1828          redo A;          redo A;
1829        } elsif ($self->{next_input_character} eq 0x0022) { # "        } elsif ($self->{next_char} eq 0x0022) { # "
1830            !!!cp (182);
1831          $self->{current_token}->{public_identifier} = ''; # DOCTYPE          $self->{current_token}->{public_identifier} = ''; # DOCTYPE
1832          $self->{state} = 'DOCTYPE public identifier (double-quoted)';          $self->{state} = DOCTYPE_PUBLIC_IDENTIFIER_DOUBLE_QUOTED_STATE;
1833          !!!next-input-character;          !!!next-input-character;
1834          redo A;          redo A;
1835        } elsif ($self->{next_input_character} eq 0x0027) { # '        } elsif ($self->{next_char} eq 0x0027) { # '
1836            !!!cp (183);
1837          $self->{current_token}->{public_identifier} = ''; # DOCTYPE          $self->{current_token}->{public_identifier} = ''; # DOCTYPE
1838          $self->{state} = 'DOCTYPE public identifier (single-quoted)';          $self->{state} = DOCTYPE_PUBLIC_IDENTIFIER_SINGLE_QUOTED_STATE;
1839          !!!next-input-character;          !!!next-input-character;
1840          redo A;          redo A;
1841        } elsif ($self->{next_input_character} eq 0x003E) { # >        } elsif ($self->{next_char} eq 0x003E) { # >
1842            !!!cp (184);
1843          !!!parse-error (type => 'no PUBLIC literal');          !!!parse-error (type => 'no PUBLIC literal');
1844    
1845          $self->{state} = 'data';          $self->{state} = DATA_STATE;
1846          !!!next-input-character;          !!!next-input-character;
1847    
1848          delete $self->{current_token}->{correct};          $self->{current_token}->{quirks} = 1;
1849          !!!emit ($self->{current_token}); # DOCTYPE          !!!emit ($self->{current_token}); # DOCTYPE
1850    
1851          redo A;          redo A;
1852        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
1853            !!!cp (185);
1854          !!!parse-error (type => 'unclosed DOCTYPE');          !!!parse-error (type => 'unclosed DOCTYPE');
1855    
1856          $self->{state} = 'data';          $self->{state} = DATA_STATE;
1857          ## reconsume          ## reconsume
1858    
1859          delete $self->{current_token}->{correct};          $self->{current_token}->{quirks} = 1;
1860          !!!emit ($self->{current_token}); # DOCTYPE          !!!emit ($self->{current_token}); # DOCTYPE
1861    
1862          redo A;          redo A;
1863        } else {        } else {
1864            !!!cp (186);
1865          !!!parse-error (type => 'string after PUBLIC');          !!!parse-error (type => 'string after PUBLIC');
1866          $self->{state} = 'bogus DOCTYPE';          $self->{current_token}->{quirks} = 1;
1867    
1868            $self->{state} = BOGUS_DOCTYPE_STATE;
1869          !!!next-input-character;          !!!next-input-character;
1870          redo A;          redo A;
1871        }        }
1872      } elsif ($self->{state} eq 'DOCTYPE public identifier (double-quoted)') {      } elsif ($self->{state} == DOCTYPE_PUBLIC_IDENTIFIER_DOUBLE_QUOTED_STATE) {
1873        if ($self->{next_input_character} == 0x0022) { # "        if ($self->{next_char} == 0x0022) { # "
1874          $self->{state} = 'after DOCTYPE public identifier';          !!!cp (187);
1875            $self->{state} = AFTER_DOCTYPE_PUBLIC_IDENTIFIER_STATE;
1876          !!!next-input-character;          !!!next-input-character;
1877          redo A;          redo A;
1878        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == 0x003E) { # >
1879            !!!cp (188);
1880          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
1881    
1882          $self->{state} = 'data';          $self->{state} = DATA_STATE;
1883            !!!next-input-character;
1884    
1885            $self->{current_token}->{quirks} = 1;
1886            !!!emit ($self->{current_token}); # DOCTYPE
1887    
1888            redo A;
1889          } elsif ($self->{next_char} == -1) {
1890            !!!cp (189);
1891            !!!parse-error (type => 'unclosed PUBLIC literal');
1892    
1893            $self->{state} = DATA_STATE;
1894          ## reconsume          ## reconsume
1895    
1896          delete $self->{current_token}->{correct};          $self->{current_token}->{quirks} = 1;
1897          !!!emit ($self->{current_token}); # DOCTYPE          !!!emit ($self->{current_token}); # DOCTYPE
1898    
1899          redo A;          redo A;
1900        } else {        } else {
1901            !!!cp (190);
1902          $self->{current_token}->{public_identifier} # DOCTYPE          $self->{current_token}->{public_identifier} # DOCTYPE
1903              .= chr $self->{next_input_character};              .= chr $self->{next_char};
1904          ## Stay in the state          ## Stay in the state
1905          !!!next-input-character;          !!!next-input-character;
1906          redo A;          redo A;
1907        }        }
1908      } elsif ($self->{state} eq 'DOCTYPE public identifier (single-quoted)') {      } elsif ($self->{state} == DOCTYPE_PUBLIC_IDENTIFIER_SINGLE_QUOTED_STATE) {
1909        if ($self->{next_input_character} == 0x0027) { # '        if ($self->{next_char} == 0x0027) { # '
1910          $self->{state} = 'after DOCTYPE public identifier';          !!!cp (191);
1911            $self->{state} = AFTER_DOCTYPE_PUBLIC_IDENTIFIER_STATE;
1912            !!!next-input-character;
1913            redo A;
1914          } elsif ($self->{next_char} == 0x003E) { # >
1915            !!!cp (192);
1916            !!!parse-error (type => 'unclosed PUBLIC literal');
1917    
1918            $self->{state} = DATA_STATE;
1919          !!!next-input-character;          !!!next-input-character;
1920    
1921            $self->{current_token}->{quirks} = 1;
1922            !!!emit ($self->{current_token}); # DOCTYPE
1923    
1924          redo A;          redo A;
1925        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
1926            !!!cp (193);
1927          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
1928    
1929          $self->{state} = 'data';          $self->{state} = DATA_STATE;
1930          ## reconsume          ## reconsume
1931    
1932          delete $self->{current_token}->{correct};          $self->{current_token}->{quirks} = 1;
1933          !!!emit ($self->{current_token}); # DOCTYPE          !!!emit ($self->{current_token}); # DOCTYPE
1934    
1935          redo A;          redo A;
1936        } else {        } else {
1937            !!!cp (194);
1938          $self->{current_token}->{public_identifier} # DOCTYPE          $self->{current_token}->{public_identifier} # DOCTYPE
1939              .= chr $self->{next_input_character};              .= chr $self->{next_char};
1940          ## Stay in the state          ## Stay in the state
1941          !!!next-input-character;          !!!next-input-character;
1942          redo A;          redo A;
1943        }        }
1944      } elsif ($self->{state} eq 'after DOCTYPE public identifier') {      } elsif ($self->{state} == AFTER_DOCTYPE_PUBLIC_IDENTIFIER_STATE) {
1945        if ({        if ({
1946              0x0009 => 1, 0x000A => 1, 0x000B => 1, 0x000C => 1, 0x0020 => 1,              0x0009 => 1, 0x000A => 1, 0x000B => 1, 0x000C => 1, 0x0020 => 1,
1947              #0x000D => 1, # HT, LF, VT, FF, SP, CR              #0x000D => 1, # HT, LF, VT, FF, SP, CR
1948            }->{$self->{next_input_character}}) {            }->{$self->{next_char}}) {
1949            !!!cp (195);
1950          ## Stay in the state          ## Stay in the state
1951          !!!next-input-character;          !!!next-input-character;
1952          redo A;          redo A;
1953        } elsif ($self->{next_input_character} == 0x0022) { # "        } elsif ($self->{next_char} == 0x0022) { # "
1954            !!!cp (196);
1955          $self->{current_token}->{system_identifier} = ''; # DOCTYPE          $self->{current_token}->{system_identifier} = ''; # DOCTYPE
1956          $self->{state} = 'DOCTYPE system identifier (double-quoted)';          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_DOUBLE_QUOTED_STATE;
1957          !!!next-input-character;          !!!next-input-character;
1958          redo A;          redo A;
1959        } elsif ($self->{next_input_character} == 0x0027) { # '        } elsif ($self->{next_char} == 0x0027) { # '
1960            !!!cp (197);
1961          $self->{current_token}->{system_identifier} = ''; # DOCTYPE          $self->{current_token}->{system_identifier} = ''; # DOCTYPE
1962          $self->{state} = 'DOCTYPE system identifier (single-quoted)';          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_SINGLE_QUOTED_STATE;
1963          !!!next-input-character;          !!!next-input-character;
1964          redo A;          redo A;
1965        } elsif ($self->{next_input_character} == 0x003E) { # >        } elsif ($self->{next_char} == 0x003E) { # >
1966          $self->{state} = 'data';          !!!cp (198);
1967            $self->{state} = DATA_STATE;
1968          !!!next-input-character;          !!!next-input-character;
1969    
1970          !!!emit ($self->{current_token}); # DOCTYPE          !!!emit ($self->{current_token}); # DOCTYPE
1971    
1972          redo A;          redo A;
1973        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
1974            !!!cp (199);
1975          !!!parse-error (type => 'unclosed DOCTYPE');          !!!parse-error (type => 'unclosed DOCTYPE');
1976    
1977          $self->{state} = 'data';          $self->{state} = DATA_STATE;
1978          ## reconsume          ## reconsume
1979    
1980          delete $self->{current_token}->{correct};          $self->{current_token}->{quirks} = 1;
1981          !!!emit ($self->{current_token}); # DOCTYPE          !!!emit ($self->{current_token}); # DOCTYPE
1982    
1983          redo A;          redo A;
1984        } else {        } else {
1985            !!!cp (200);
1986          !!!parse-error (type => 'string after PUBLIC literal');          !!!parse-error (type => 'string after PUBLIC literal');
1987          $self->{state} = 'bogus DOCTYPE';          $self->{current_token}->{quirks} = 1;
1988    
1989            $self->{state} = BOGUS_DOCTYPE_STATE;
1990          !!!next-input-character;          !!!next-input-character;
1991          redo A;          redo A;
1992        }        }
1993      } elsif ($self->{state} eq 'before DOCTYPE system identifier') {      } elsif ($self->{state} == BEFORE_DOCTYPE_SYSTEM_IDENTIFIER_STATE) {
1994        if ({        if ({
1995              0x0009 => 1, 0x000A => 1, 0x000B => 1, 0x000C => 1, 0x0020 => 1,              0x0009 => 1, 0x000A => 1, 0x000B => 1, 0x000C => 1, 0x0020 => 1,
1996              #0x000D => 1, # HT, LF, VT, FF, SP, CR              #0x000D => 1, # HT, LF, VT, FF, SP, CR
1997            }->{$self->{next_input_character}}) {            }->{$self->{next_char}}) {
1998            !!!cp (201);
1999          ## Stay in the state          ## Stay in the state
2000          !!!next-input-character;          !!!next-input-character;
2001          redo A;          redo A;
2002        } elsif ($self->{next_input_character} == 0x0022) { # "        } elsif ($self->{next_char} == 0x0022) { # "
2003            !!!cp (202);
2004          $self->{current_token}->{system_identifier} = ''; # DOCTYPE          $self->{current_token}->{system_identifier} = ''; # DOCTYPE
2005          $self->{state} = 'DOCTYPE system identifier (double-quoted)';          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_DOUBLE_QUOTED_STATE;
2006          !!!next-input-character;          !!!next-input-character;
2007          redo A;          redo A;
2008        } elsif ($self->{next_input_character} == 0x0027) { # '        } elsif ($self->{next_char} == 0x0027) { # '
2009            !!!cp (203);
2010          $self->{current_token}->{system_identifier} = ''; # DOCTYPE          $self->{current_token}->{system_identifier} = ''; # DOCTYPE
2011          $self->{state} = 'DOCTYPE system identifier (single-quoted)';          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_SINGLE_QUOTED_STATE;
2012          !!!next-input-character;          !!!next-input-character;
2013          redo A;          redo A;
2014        } elsif ($self->{next_input_character} == 0x003E) { # >        } elsif ($self->{next_char} == 0x003E) { # >
2015            !!!cp (204);
2016          !!!parse-error (type => 'no SYSTEM literal');          !!!parse-error (type => 'no SYSTEM literal');
2017          $self->{state} = 'data';          $self->{state} = DATA_STATE;
2018          !!!next-input-character;          !!!next-input-character;
2019    
2020          delete $self->{current_token}->{correct};          $self->{current_token}->{quirks} = 1;
2021          !!!emit ($self->{current_token}); # DOCTYPE          !!!emit ($self->{current_token}); # DOCTYPE
2022    
2023          redo A;          redo A;
2024        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
2025            !!!cp (205);
2026          !!!parse-error (type => 'unclosed DOCTYPE');          !!!parse-error (type => 'unclosed DOCTYPE');
2027    
2028          $self->{state} = 'data';          $self->{state} = DATA_STATE;
2029          ## reconsume          ## reconsume
2030    
2031          delete $self->{current_token}->{correct};          $self->{current_token}->{quirks} = 1;
2032          !!!emit ($self->{current_token}); # DOCTYPE          !!!emit ($self->{current_token}); # DOCTYPE
2033    
2034          redo A;          redo A;
2035        } else {        } else {
2036            !!!cp (206);
2037          !!!parse-error (type => 'string after SYSTEM');          !!!parse-error (type => 'string after SYSTEM');
2038          $self->{state} = 'bogus DOCTYPE';          $self->{current_token}->{quirks} = 1;
2039    
2040            $self->{state} = BOGUS_DOCTYPE_STATE;
2041          !!!next-input-character;          !!!next-input-character;
2042          redo A;          redo A;
2043        }        }
2044      } elsif ($self->{state} eq 'DOCTYPE system identifier (double-quoted)') {      } elsif ($self->{state} == DOCTYPE_SYSTEM_IDENTIFIER_DOUBLE_QUOTED_STATE) {
2045        if ($self->{next_input_character} == 0x0022) { # "        if ($self->{next_char} == 0x0022) { # "
2046          $self->{state} = 'after DOCTYPE system identifier';          !!!cp (207);
2047            $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2048            !!!next-input-character;
2049            redo A;
2050          } elsif ($self->{next_char} == 0x003E) { # >
2051            !!!cp (208);
2052            !!!parse-error (type => 'unclosed PUBLIC literal');
2053    
2054            $self->{state} = DATA_STATE;
2055          !!!next-input-character;          !!!next-input-character;
2056    
2057            $self->{current_token}->{quirks} = 1;
2058            !!!emit ($self->{current_token}); # DOCTYPE
2059    
2060          redo A;          redo A;
2061        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
2062            !!!cp (209);
2063          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2064    
2065          $self->{state} = 'data';          $self->{state} = DATA_STATE;
2066          ## reconsume          ## reconsume
2067    
2068          delete $self->{current_token}->{correct};          $self->{current_token}->{quirks} = 1;
2069          !!!emit ($self->{current_token}); # DOCTYPE          !!!emit ($self->{current_token}); # DOCTYPE
2070    
2071          redo A;          redo A;
2072        } else {        } else {
2073            !!!cp (210);
2074          $self->{current_token}->{system_identifier} # DOCTYPE          $self->{current_token}->{system_identifier} # DOCTYPE
2075              .= chr $self->{next_input_character};              .= chr $self->{next_char};
2076          ## Stay in the state          ## Stay in the state
2077          !!!next-input-character;          !!!next-input-character;
2078          redo A;          redo A;
2079        }        }
2080      } elsif ($self->{state} eq 'DOCTYPE system identifier (single-quoted)') {      } elsif ($self->{state} == DOCTYPE_SYSTEM_IDENTIFIER_SINGLE_QUOTED_STATE) {
2081        if ($self->{next_input_character} == 0x0027) { # '        if ($self->{next_char} == 0x0027) { # '
2082          $self->{state} = 'after DOCTYPE system identifier';          !!!cp (211);
2083            $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2084          !!!next-input-character;          !!!next-input-character;
2085          redo A;          redo A;
2086        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == 0x003E) { # >
2087            !!!cp (212);
2088            !!!parse-error (type => 'unclosed PUBLIC literal');
2089    
2090            $self->{state} = DATA_STATE;
2091            !!!next-input-character;
2092    
2093            $self->{current_token}->{quirks} = 1;
2094            !!!emit ($self->{current_token}); # DOCTYPE
2095    
2096            redo A;
2097          } elsif ($self->{next_char} == -1) {
2098            !!!cp (213);
2099          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2100    
2101          $self->{state} = 'data';          $self->{state} = DATA_STATE;
2102          ## reconsume          ## reconsume
2103    
2104          delete $self->{current_token}->{correct};          $self->{current_token}->{quirks} = 1;
2105          !!!emit ($self->{current_token}); # DOCTYPE          !!!emit ($self->{current_token}); # DOCTYPE
2106    
2107          redo A;          redo A;
2108        } else {        } else {
2109            !!!cp (214);
2110          $self->{current_token}->{system_identifier} # DOCTYPE          $self->{current_token}->{system_identifier} # DOCTYPE
2111              .= chr $self->{next_input_character};              .= chr $self->{next_char};
2112          ## Stay in the state          ## Stay in the state
2113          !!!next-input-character;          !!!next-input-character;
2114          redo A;          redo A;
2115        }        }
2116      } elsif ($self->{state} eq 'after DOCTYPE system identifier') {      } elsif ($self->{state} == AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE) {
2117        if ({        if ({
2118              0x0009 => 1, 0x000A => 1, 0x000B => 1, 0x000C => 1, 0x0020 => 1,              0x0009 => 1, 0x000A => 1, 0x000B => 1, 0x000C => 1, 0x0020 => 1,
2119              #0x000D => 1, # HT, LF, VT, FF, SP, CR              #0x000D => 1, # HT, LF, VT, FF, SP, CR
2120            }->{$self->{next_input_character}}) {            }->{$self->{next_char}}) {
2121            !!!cp (215);
2122          ## Stay in the state          ## Stay in the state
2123          !!!next-input-character;          !!!next-input-character;
2124          redo A;          redo A;
2125        } elsif ($self->{next_input_character} == 0x003E) { # >        } elsif ($self->{next_char} == 0x003E) { # >
2126          $self->{state} = 'data';          !!!cp (216);
2127            $self->{state} = DATA_STATE;
2128          !!!next-input-character;          !!!next-input-character;
2129    
2130          !!!emit ($self->{current_token}); # DOCTYPE          !!!emit ($self->{current_token}); # DOCTYPE
2131    
2132          redo A;          redo A;
2133        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
2134            !!!cp (217);
2135          !!!parse-error (type => 'unclosed DOCTYPE');          !!!parse-error (type => 'unclosed DOCTYPE');
2136    
2137          $self->{state} = 'data';          $self->{state} = DATA_STATE;
2138          ## reconsume          ## reconsume
2139    
2140          delete $self->{current_token}->{correct};          $self->{current_token}->{quirks} = 1;
2141          !!!emit ($self->{current_token}); # DOCTYPE          !!!emit ($self->{current_token}); # DOCTYPE
2142    
2143          redo A;          redo A;
2144        } else {        } else {
2145            !!!cp (218);
2146          !!!parse-error (type => 'string after SYSTEM literal');          !!!parse-error (type => 'string after SYSTEM literal');
2147          $self->{state} = 'bogus DOCTYPE';          #$self->{current_token}->{quirks} = 1;
2148    
2149            $self->{state} = BOGUS_DOCTYPE_STATE;
2150          !!!next-input-character;          !!!next-input-character;
2151          redo A;          redo A;
2152        }        }
2153      } elsif ($self->{state} eq 'bogus DOCTYPE') {      } elsif ($self->{state} == BOGUS_DOCTYPE_STATE) {
2154        if ($self->{next_input_character} == 0x003E) { # >        if ($self->{next_char} == 0x003E) { # >
2155          $self->{state} = 'data';          !!!cp (219);
2156            $self->{state} = DATA_STATE;
2157          !!!next-input-character;          !!!next-input-character;
2158    
         delete $self->{current_token}->{correct};  
2159          !!!emit ($self->{current_token}); # DOCTYPE          !!!emit ($self->{current_token}); # DOCTYPE
2160    
2161          redo A;          redo A;
2162        } elsif ($self->{next_input_character} == -1) {        } elsif ($self->{next_char} == -1) {
2163            !!!cp (220);
2164          !!!parse-error (type => 'unclosed DOCTYPE');          !!!parse-error (type => 'unclosed DOCTYPE');
2165          $self->{state} = 'data';          $self->{state} = DATA_STATE;
2166          ## reconsume          ## reconsume
2167    
         delete $self->{current_token}->{correct};  
2168          !!!emit ($self->{current_token}); # DOCTYPE          !!!emit ($self->{current_token}); # DOCTYPE
2169    
2170          redo A;          redo A;
2171        } else {        } else {
2172            !!!cp (221);
2173          ## Stay in the state          ## Stay in the state
2174          !!!next-input-character;          !!!next-input-character;
2175          redo A;          redo A;
# Line 1644  sub _get_next_token ($) { Line 2182  sub _get_next_token ($) {
2182    die "$0: _get_next_token: unexpected case";    die "$0: _get_next_token: unexpected case";
2183  } # _get_next_token  } # _get_next_token
2184    
2185  sub _tokenize_attempt_to_consume_an_entity ($$) {  sub _tokenize_attempt_to_consume_an_entity ($$$) {
2186    my ($self, $in_attr) = @_;    my ($self, $in_attr, $additional) = @_;
2187    
2188    if ({    if ({
2189         0x0009 => 1, 0x000A => 1, 0x000B => 1, 0x000C => 1, # HT, LF, VT, FF,         0x0009 => 1, 0x000A => 1, 0x000B => 1, 0x000C => 1, # HT, LF, VT, FF,
2190         0x0020 => 1, 0x003C => 1, 0x0026 => 1, -1 => 1, # SP, <, & # 0x000D # CR         0x0020 => 1, 0x003C => 1, 0x0026 => 1, -1 => 1, # SP, <, & # 0x000D # CR
2191        }->{$self->{next_input_character}}) {         $additional => 1,
2192          }->{$self->{next_char}}) {
2193      ## Don't consume      ## Don't consume
2194      ## No error      ## No error
2195      return undef;      return undef;
2196    } elsif ($self->{next_input_character} == 0x0023) { # #    } elsif ($self->{next_char} == 0x0023) { # #
2197      !!!next-input-character;      !!!next-input-character;
2198      if ($self->{next_input_character} == 0x0078 or # x      if ($self->{next_char} == 0x0078 or # x
2199          $self->{next_input_character} == 0x0058) { # X          $self->{next_char} == 0x0058) { # X
2200        my $code;        my $code;
2201        X: {        X: {
2202          my $x_char = $self->{next_input_character};          my $x_char = $self->{next_char};
2203          !!!next-input-character;          !!!next-input-character;
2204          if (0x0030 <= $self->{next_input_character} and          if (0x0030 <= $self->{next_char} and
2205              $self->{next_input_character} <= 0x0039) { # 0..9              $self->{next_char} <= 0x0039) { # 0..9
2206            $code ||= 0;            $code ||= 0;
2207            $code *= 0x10;            $code *= 0x10;
2208            $code += $self->{next_input_character} - 0x0030;            $code += $self->{next_char} - 0x0030;
2209            redo X;            redo X;
2210          } elsif (0x0061 <= $self->{next_input_character} and          } elsif (0x0061 <= $self->{next_char} and
2211                   $self->{next_input_character} <= 0x0066) { # a..f                   $self->{next_char} <= 0x0066) { # a..f
2212            $code ||= 0;            $code ||= 0;
2213            $code *= 0x10;            $code *= 0x10;
2214            $code += $self->{next_input_character} - 0x0060 + 9;            $code += $self->{next_char} - 0x0060 + 9;
2215            redo X;            redo X;
2216          } elsif (0x0041 <= $self->{next_input_character} and          } elsif (0x0041 <= $self->{next_char} and
2217                   $self->{next_input_character} <= 0x0046) { # A..F                   $self->{next_char} <= 0x0046) { # A..F
2218            $code ||= 0;            $code ||= 0;
2219            $code *= 0x10;            $code *= 0x10;
2220            $code += $self->{next_input_character} - 0x0040 + 9;            $code += $self->{next_char} - 0x0040 + 9;
2221            redo X;            redo X;
2222          } elsif (not defined $code) { # no hexadecimal digit          } elsif (not defined $code) { # no hexadecimal digit
2223            !!!parse-error (type => 'bare hcro');            !!!parse-error (type => 'bare hcro');
2224            !!!back-next-input-character ($x_char, $self->{next_input_character});            !!!back-next-input-character ($x_char, $self->{next_char});
2225            $self->{next_input_character} = 0x0023; # #            $self->{next_char} = 0x0023; # #
2226            return undef;            return undef;
2227          } elsif ($self->{next_input_character} == 0x003B) { # ;          } elsif ($self->{next_char} == 0x003B) { # ;
2228            !!!next-input-character;            !!!next-input-character;
2229          } else {          } else {
2230            !!!parse-error (type => 'no refc');            !!!parse-error (type => 'no refc');
# Line 1705  sub _tokenize_attempt_to_consume_an_enti Line 2244  sub _tokenize_attempt_to_consume_an_enti
2244            $code = $c1_entity_char->{$code};            $code = $c1_entity_char->{$code};
2245          }          }
2246    
2247          return {type => CHARACTER_TOKEN, data => chr $code};          return {type => CHARACTER_TOKEN, data => chr $code,
2248                    has_reference => 1};
2249        } # X        } # X
2250      } elsif (0x0030 <= $self->{next_input_character} and      } elsif (0x0030 <= $self->{next_char} and
2251               $self->{next_input_character} <= 0x0039) { # 0..9               $self->{next_char} <= 0x0039) { # 0..9
2252        my $code = $self->{next_input_character} - 0x0030;        my $code = $self->{next_char} - 0x0030;
2253        !!!next-input-character;        !!!next-input-character;
2254                
2255        while (0x0030 <= $self->{next_input_character} and        while (0x0030 <= $self->{next_char} and
2256                  $self->{next_input_character} <= 0x0039) { # 0..9                  $self->{next_char} <= 0x0039) { # 0..9
2257          $code *= 10;          $code *= 10;
2258          $code += $self->{next_input_character} - 0x0030;          $code += $self->{next_char} - 0x0030;
2259                    
2260          !!!next-input-character;          !!!next-input-character;
2261        }        }
2262    
2263        if ($self->{next_input_character} == 0x003B) { # ;        if ($self->{next_char} == 0x003B) { # ;
2264          !!!next-input-character;          !!!next-input-character;
2265        } else {        } else {
2266          !!!parse-error (type => 'no refc');          !!!parse-error (type => 'no refc');
# Line 1740  sub _tokenize_attempt_to_consume_an_enti Line 2280  sub _tokenize_attempt_to_consume_an_enti
2280          $code = $c1_entity_char->{$code};          $code = $c1_entity_char->{$code};
2281        }        }
2282                
2283        return {type => CHARACTER_TOKEN, data => chr $code};        return {type => CHARACTER_TOKEN, data => chr $code, has_reference => 1};
2284      } else {      } else {
2285        !!!parse-error (type => 'bare nero');        !!!parse-error (type => 'bare nero');
2286        !!!back-next-input-character ($self->{next_input_character});        !!!back-next-input-character ($self->{next_char});
2287        $self->{next_input_character} = 0x0023; # #        $self->{next_char} = 0x0023; # #
2288        return undef;        return undef;
2289      }      }
2290    } elsif ((0x0041 <= $self->{next_input_character} and    } elsif ((0x0041 <= $self->{next_char} and
2291              $self->{next_input_character} <= 0x005A) or              $self->{next_char} <= 0x005A) or
2292             (0x0061 <= $self->{next_input_character} and             (0x0061 <= $self->{next_char} and
2293              $self->{next_input_character} <= 0x007A)) {              $self->{next_char} <= 0x007A)) {
2294      my $entity_name = chr $self->{next_input_character};      my $entity_name = chr $self->{next_char};
2295      !!!next-input-character;      !!!next-input-character;
2296    
2297      my $value = $entity_name;      my $value = $entity_name;
# Line 1761  sub _tokenize_attempt_to_consume_an_enti Line 2301  sub _tokenize_attempt_to_consume_an_enti
2301    
2302      while (length $entity_name < 10 and      while (length $entity_name < 10 and
2303             ## NOTE: Some number greater than the maximum length of entity name             ## NOTE: Some number greater than the maximum length of entity name
2304             ((0x0041 <= $self->{next_input_character} and # a             ((0x0041 <= $self->{next_char} and # a
2305               $self->{next_input_character} <= 0x005A) or # x               $self->{next_char} <= 0x005A) or # x
2306              (0x0061 <= $self->{next_input_character} and # a              (0x0061 <= $self->{next_char} and # a
2307               $self->{next_input_character} <= 0x007A) or # z               $self->{next_char} <= 0x007A) or # z
2308              (0x0030 <= $self->{next_input_character} and # 0              (0x0030 <= $self->{next_char} and # 0
2309               $self->{next_input_character} <= 0x0039) or # 9               $self->{next_char} <= 0x0039) or # 9
2310              $self->{next_input_character} == 0x003B)) { # ;              $self->{next_char} == 0x003B)) { # ;
2311        $entity_name .= chr $self->{next_input_character};        $entity_name .= chr $self->{next_char};
2312        if (defined $EntityChar->{$entity_name}) {        if (defined $EntityChar->{$entity_name}) {
2313          if ($self->{next_input_character} == 0x003B) { # ;          if ($self->{next_char} == 0x003B) { # ;
2314            $value = $EntityChar->{$entity_name};            $value = $EntityChar->{$entity_name};
2315            $match = 1;            $match = 1;
2316            !!!next-input-character;            !!!next-input-character;
# Line 1781  sub _tokenize_attempt_to_consume_an_enti Line 2321  sub _tokenize_attempt_to_consume_an_enti
2321            !!!next-input-character;            !!!next-input-character;
2322          }          }
2323        } else {        } else {
2324          $value .= chr $self->{next_input_character};          $value .= chr $self->{next_char};
2325          $match *= 2;          $match *= 2;
2326          !!!next-input-character;          !!!next-input-character;
2327        }        }
2328      }      }
2329            
2330      if ($match > 0) {      if ($match > 0) {
2331        return {type => CHARACTER_TOKEN, data => $value};        return {type => CHARACTER_TOKEN, data => $value, has_reference => 1};
2332      } elsif ($match < 0) {      } elsif ($match < 0) {
2333        !!!parse-error (type => 'no refc');        !!!parse-error (type => 'no refc');
2334        if ($in_attr and $match < -1) {        if ($in_attr and $match < -1) {
2335          return {type => CHARACTER_TOKEN, data => '&'.$entity_name};          return {type => CHARACTER_TOKEN, data => '&'.$entity_name};
2336        } else {        } else {
2337          return {type => CHARACTER_TOKEN, data => $value};          return {type => CHARACTER_TOKEN, data => $value, has_reference => 1};
2338        }        }
2339      } else {      } else {
2340        !!!parse-error (type => 'bare ero');        !!!parse-error (type => 'bare ero');
2341        ## NOTE: No characters are consumed in the spec.        ## NOTE: "No characters are consumed" in the spec.
2342        return {type => CHARACTER_TOKEN, data => '&'.$value};        return {type => CHARACTER_TOKEN, data => '&'.$value};
2343      }      }
2344    } else {    } else {
# Line 1881  sub _tree_construction_initial ($) { Line 2421  sub _tree_construction_initial ($) {
2421        ## ISSUE: internalSubset = null??        ## ISSUE: internalSubset = null??
2422        $self->{document}->append_child ($doctype);        $self->{document}->append_child ($doctype);
2423                
2424        if (not $token->{correct} or $doctype_name ne 'HTML') {        if ($token->{quirks} or $doctype_name ne 'HTML') {
2425          $self->{document}->manakai_compat_mode ('quirks');          $self->{document}->manakai_compat_mode ('quirks');
2426        } elsif (defined $token->{public_identifier}) {        } elsif (defined $token->{public_identifier}) {
2427          my $pubid = $token->{public_identifier};          my $pubid = $token->{public_identifier};
# Line 1935  sub _tree_construction_initial ($) { Line 2475  sub _tree_construction_initial ($) {
2475            "-//NETSCAPE COMM. CORP.//DTD STRICT HTML//EN" => 1,            "-//NETSCAPE COMM. CORP.//DTD STRICT HTML//EN" => 1,
2476            "-//O'REILLY AND ASSOCIATES//DTD HTML 2.0//EN" => 1,            "-//O'REILLY AND ASSOCIATES//DTD HTML 2.0//EN" => 1,
2477            "-//O'REILLY AND ASSOCIATES//DTD HTML EXTENDED 1.0//EN" => 1,            "-//O'REILLY AND ASSOCIATES//DTD HTML EXTENDED 1.0//EN" => 1,
2478              "-//O'REILLY AND ASSOCIATES//DTD HTML EXTENDED RELAXED 1.0//EN" => 1,
2479              "-//SOFTQUAD SOFTWARE//DTD HOTMETAL PRO 6.0::19990601::EXTENSIONS TO HTML 4.0//EN" => 1,
2480              "-//SOFTQUAD//DTD HOTMETAL PRO 4.0::19971010::EXTENSIONS TO HTML 4.0//EN" => 1,
2481            "-//SPYGLASS//DTD HTML 2.0 EXTENDED//EN" => 1,            "-//SPYGLASS//DTD HTML 2.0 EXTENDED//EN" => 1,
2482            "-//SQ//DTD HTML 2.0 HOTMETAL + EXTENSIONS//EN" => 1,            "-//SQ//DTD HTML 2.0 HOTMETAL + EXTENSIONS//EN" => 1,
2483            "-//SUN MICROSYSTEMS CORP.//DTD HOTJAVA HTML//EN" => 1,            "-//SUN MICROSYSTEMS CORP.//DTD HOTJAVA HTML//EN" => 1,
# Line 2046  sub _tree_construction_root_element ($) Line 2589  sub _tree_construction_root_element ($)
2589              redo B;              redo B;
2590            }            }
2591          }          }
2592    
2593            $self->{application_cache_selection}->(undef);
2594    
2595            #
2596          } elsif ($token->{type} == START_TAG_TOKEN) {
2597            if ($token->{tag_name} eq 'html' and
2598                $token->{attributes}->{manifest}) {
2599              $self->{application_cache_selection}
2600                   ->($token->{attributes}->{manifest}->{value});
2601              ## ISSUE: No relative reference resolution?
2602            } else {
2603              $self->{application_cache_selection}->(undef);
2604            }
2605    
2606            ## ISSUE: There is an issue in the spec
2607          #          #
2608        } elsif ({        } elsif ({
                 START_TAG_TOKEN, 1,  
2609                  END_TAG_TOKEN, 1,                  END_TAG_TOKEN, 1,
2610                  END_OF_FILE_TOKEN, 1,                  END_OF_FILE_TOKEN, 1,
2611                 }->{$token->{type}}) {                 }->{$token->{type}}) {
2612            $self->{application_cache_selection}->(undef);
2613    
2614          ## ISSUE: There is an issue in the spec          ## ISSUE: There is an issue in the spec
2615          #          #
2616        } else {        } else {
2617          die "$0: $token->{type}: Unknown token type";          die "$0: $token->{type}: Unknown token type";
2618        }        }
2619    
2620        my $root_element; !!!create-element ($root_element, 'html');        my $root_element; !!!create-element ($root_element, 'html');
2621        $self->{document}->append_child ($root_element);        $self->{document}->append_child ($root_element);
2622        push @{$self->{open_elements}}, [$root_element, 'html'];        push @{$self->{open_elements}}, [$root_element, 'html'];
# Line 2539  sub _tree_construction_main ($) { Line 3099  sub _tree_construction_main ($) {
3099        !!!next-token;        !!!next-token;
3100        redo B;        redo B;
3101      } elsif ($token->{type} == END_OF_FILE_TOKEN) {      } elsif ($token->{type} == END_OF_FILE_TOKEN) {
3102        if ($self->{insertion_mode} == AFTER_HTML_BODY_IM or        if ($self->{insertion_mode} & AFTER_HTML_IMS) {
           $self->{insertion_mode} == AFTER_HTML_FRAMESET_IM) {  
3103          #          #
3104        } else {        } else {
3105          ## Generate implied end tags          ## Generate implied end tags
# Line 2596  sub _tree_construction_main ($) { Line 3155  sub _tree_construction_main ($) {
3155        redo B;        redo B;
3156      } elsif ($token->{type} == COMMENT_TOKEN) {      } elsif ($token->{type} == COMMENT_TOKEN) {
3157        my $comment = $self->{document}->create_comment ($token->{data});        my $comment = $self->{document}->create_comment ($token->{data});
3158        if ($self->{insertion_mode} == AFTER_HTML_BODY_IM or        if ($self->{insertion_mode} & AFTER_HTML_IMS) {
           $self->{insertion_mode} == AFTER_HTML_FRAMESET_IM) {  
3159          $self->{document}->append_child ($comment);          $self->{document}->append_child ($comment);
3160        } elsif ($self->{insertion_mode} == AFTER_BODY_IM) {        } elsif ($self->{insertion_mode} == AFTER_BODY_IM) {
3161          $self->{open_elements}->[0]->[0]->append_child ($comment);          $self->{open_elements}->[0]->[0]->append_child ($comment);
# Line 2606  sub _tree_construction_main ($) { Line 3164  sub _tree_construction_main ($) {
3164        }        }
3165        !!!next-token;        !!!next-token;
3166        redo B;        redo B;
3167      } elsif ($self->{insertion_mode} == IN_HEAD_IM or      } elsif ($self->{insertion_mode} & HEAD_IMS) {
              $self->{insertion_mode} == IN_HEAD_NOSCRIPT_IM or  
              $self->{insertion_mode} == AFTER_HEAD_IM or  
              $self->{insertion_mode} == BEFORE_HEAD_IM) {  
3168        if ($token->{type} == CHARACTER_TOKEN) {        if ($token->{type} == CHARACTER_TOKEN) {
3169          if ($token->{data} =~ s/^([\x09\x0A\x0B\x0C\x20]+)//) {          if ($token->{data} =~ s/^([\x09\x0A\x0B\x0C\x20]+)//) {
3170            $self->{open_elements}->[-1]->[0]->manakai_append_text ($1);            $self->{open_elements}->[-1]->[0]->manakai_append_text ($1);
# Line 2718  sub _tree_construction_main ($) { Line 3273  sub _tree_construction_main ($) {
3273                  push @{$self->{open_elements}}, [$self->{head_element}, 'head'];                  push @{$self->{open_elements}}, [$self->{head_element}, 'head'];
3274                }                }
3275                !!!insert-element ($token->{tag_name}, $token->{attributes});                !!!insert-element ($token->{tag_name}, $token->{attributes});
3276                pop @{$self->{open_elements}}; ## ISSUE: This step is missing in the spec.                my $meta_el = pop @{$self->{open_elements}}; ## ISSUE: This step is missing in the spec.
3277    
3278                unless ($self->{confident}) {                unless ($self->{confident}) {
                 my $charset;  
3279                  if ($token->{attributes}->{charset}) { ## TODO: And if supported                  if ($token->{attributes}->{charset}) { ## TODO: And if supported
3280                    $charset = $token->{attributes}->{charset}->{value};                    $self->{change_encoding}
3281                  }                        ->($self, $token->{attributes}->{charset}->{value});
3282                  if ($token->{attributes}->{'http-equiv'}) {                    
3283                      $meta_el->[0]->get_attribute_node_ns (undef, 'charset')
3284                          ->set_user_data (manakai_has_reference =>
3285                                               $token->{attributes}->{charset}
3286                                                   ->{has_reference});
3287                    } elsif ($token->{attributes}->{content}) {
3288                    ## ISSUE: Algorithm name in the spec was incorrect so that not linked to the definition.                    ## ISSUE: Algorithm name in the spec was incorrect so that not linked to the definition.
3289                    if ($token->{attributes}->{'http-equiv'}->{value}                    if ($token->{attributes}->{content}->{value}
3290                        =~ /\A[^;]*;[\x09-\x0D\x20]*charset[\x09-\x0D\x20]*=                        =~ /\A[^;]*;[\x09-\x0D\x20]*[Cc][Hh][Aa][Rr][Ss][Ee][Tt]
3291                              [\x09-\x0D\x20]*=
3292                            [\x09-\x0D\x20]*(?>"([^"]*)"|'([^']*)'|                            [\x09-\x0D\x20]*(?>"([^"]*)"|'([^']*)'|
3293                            ([^"'\x09-\x0D\x20][^\x09-\x0D\x20]*))/x) {                            ([^"'\x09-\x0D\x20][^\x09-\x0D\x20]*))/x) {
3294                      $charset = defined $1 ? $1 : defined $2 ? $2 : $3;                      $self->{change_encoding}
3295                    } ## TODO: And if supported                          ->($self, defined $1 ? $1 : defined $2 ? $2 : $3);
3296                        $meta_el->[0]->get_attribute_node_ns (undef, 'content')
3297                            ->set_user_data (manakai_has_reference =>
3298                                                 $token->{attributes}->{content}
3299                                                       ->{has_reference});
3300                      }
3301                    }
3302                  } else {
3303                    if ($token->{attributes}->{charset}) {
3304                      $meta_el->[0]->get_attribute_node_ns (undef, 'charset')
3305                          ->set_user_data (manakai_has_reference =>
3306                                               $token->{attributes}->{charset}
3307                                                   ->{has_reference});
3308                    }
3309                    if ($token->{attributes}->{content}) {
3310                      $meta_el->[0]->get_attribute_node_ns (undef, 'content')
3311                          ->set_user_data (manakai_has_reference =>
3312                                               $token->{attributes}->{content}
3313                                                   ->{has_reference});
3314                  }                  }
                 ## TODO: Change the encoding  
3315                }                }
3316    
               ## TODO: Extracting |charset| from |meta|.  
3317                pop @{$self->{open_elements}}                pop @{$self->{open_elements}}
3318                    if $self->{insertion_mode} == AFTER_HEAD_IM;                    if $self->{insertion_mode} == AFTER_HEAD_IM;
3319                !!!next-token;                !!!next-token;
# Line 2986  sub _tree_construction_main ($) { Line 3562  sub _tree_construction_main ($) {
3562            }            }
3563    
3564            ## ISSUE: An issue in the spec.            ## ISSUE: An issue in the spec.
3565      } elsif ($self->{insertion_mode} == IN_BODY_IM or      } elsif ($self->{insertion_mode} & BODY_IMS) {
              $self->{insertion_mode} == IN_CELL_IM or  
              $self->{insertion_mode} == IN_CAPTION_IM) {  
3566            if ($token->{type} == CHARACTER_TOKEN) {            if ($token->{type} == CHARACTER_TOKEN) {
3567              ## NOTE: There is a code clone of "character in body".              ## NOTE: There is a code clone of "character in body".
3568              $reconstruct_active_formatting_elements->($insert_to_current);              $reconstruct_active_formatting_elements->($insert_to_current);
# Line 3282  sub _tree_construction_main ($) { Line 3856  sub _tree_construction_main ($) {
3856              } elsif ({              } elsif ({
3857                        body => 1, col => 1, colgroup => 1, html => 1,                        body => 1, col => 1, colgroup => 1, html => 1,
3858                       }->{$token->{tag_name}}) {                       }->{$token->{tag_name}}) {
3859                if ($self->{insertion_mode} == IN_CELL_IM or                if ($self->{insertion_mode} & BODY_TABLE_IMS) {
                   $self->{insertion_mode} == IN_CAPTION_IM) {  
3860                  !!!parse-error (type => 'unmatched end tag:'.$token->{tag_name});                  !!!parse-error (type => 'unmatched end tag:'.$token->{tag_name});
3861                  ## Ignore the token                  ## Ignore the token
3862                  !!!next-token;                  !!!next-token;
# Line 3309  sub _tree_construction_main ($) { Line 3882  sub _tree_construction_main ($) {
3882    
3883        $insert = $insert_to_current;        $insert = $insert_to_current;
3884        #        #
3885      } elsif ($self->{insertion_mode} == IN_ROW_IM or      } elsif ($self->{insertion_mode} & TABLE_IMS) {
3886               $self->{insertion_mode} == IN_TABLE_BODY_IM or        if ($token->{type} == CHARACTER_TOKEN) {
              $self->{insertion_mode} == IN_TABLE_IM) {  
           if ($token->{type} == CHARACTER_TOKEN) {  
             ## NOTE: There are "character in table" code clones.  
3887              if ($token->{data} =~ s/^([\x09\x0A\x0B\x0C\x20]+)//) {              if ($token->{data} =~ s/^([\x09\x0A\x0B\x0C\x20]+)//) {
3888                $self->{open_elements}->[-1]->[0]->manakai_append_text ($1);                $self->{open_elements}->[-1]->[0]->manakai_append_text ($1);
3889                                
# Line 3370  sub _tree_construction_main ($) { Line 3940  sub _tree_construction_main ($) {
3940                            
3941              !!!next-token;              !!!next-token;
3942              redo B;              redo B;
3943            } elsif ($token->{type} == START_TAG_TOKEN) {        } elsif ($token->{type} == START_TAG_TOKEN) {
3944              if ({              if ({
3945                   tr => ($self->{insertion_mode} != IN_ROW_IM),                   tr => ($self->{insertion_mode} != IN_ROW_IM),
3946                   th => 1, td => 1,                   th => 1, td => 1,
# Line 3556  sub _tree_construction_main ($) { Line 4126  sub _tree_construction_main ($) {
4126                  die "$0: in table: <>: $token->{tag_name}";                  die "$0: in table: <>: $token->{tag_name}";
4127                }                }
4128              } elsif ($token->{tag_name} eq 'table') {              } elsif ($token->{tag_name} eq 'table') {
               ## NOTE: There are code clones for this "table in table"  
4129                !!!parse-error (type => 'not closed:'.$self->{open_elements}->[-1]->[1]);                !!!parse-error (type => 'not closed:'.$self->{open_elements}->[-1]->[1]);
4130    
4131                ## As if </table>                ## As if </table>
# Line 3604  sub _tree_construction_main ($) { Line 4173  sub _tree_construction_main ($) {
4173    
4174                ## reprocess                ## reprocess
4175                redo B;                redo B;
4176              } else {          } else {
4177                #            !!!parse-error (type => 'in table:'.$token->{tag_name});
4178              }  
4179            } elsif ($token->{type} == END_TAG_TOKEN) {            $insert = $insert_to_foster;
4180              #
4181            }
4182          } elsif ($token->{type} == END_TAG_TOKEN) {
4183              if ($token->{tag_name} eq 'tr' and              if ($token->{tag_name} eq 'tr' and
4184                  $self->{insertion_mode} == IN_ROW_IM) {                  $self->{insertion_mode} == IN_ROW_IM) {
4185                ## have an element in table scope                ## have an element in table scope
# Line 3766  sub _tree_construction_main ($) { Line 4338  sub _tree_construction_main ($) {
4338              } elsif ({              } elsif ({
4339                        tbody => 1, tfoot => 1, thead => 1,                        tbody => 1, tfoot => 1, thead => 1,
4340                       }->{$token->{tag_name}} and                       }->{$token->{tag_name}} and
4341                       ($self->{insertion_mode} == IN_ROW_IM or                       $self->{insertion_mode} & ROW_IMS) {
                       $self->{insertion_mode} == IN_TABLE_BODY_IM)) {  
4342                if ($self->{insertion_mode} == IN_ROW_IM) {                if ($self->{insertion_mode} == IN_ROW_IM) {
4343                  ## have an element in table scope                  ## have an element in table scope
4344                  my $i;                  my $i;
# Line 3865  sub _tree_construction_main ($) { Line 4436  sub _tree_construction_main ($) {
4436                ## Ignore the token                ## Ignore the token
4437                !!!next-token;                !!!next-token;
4438                redo B;                redo B;
4439              } else {          } else {
4440                #            !!!parse-error (type => 'in table:/'.$token->{tag_name});
             }  
           } else {  
             die "$0: $token->{type}: Unknown token type";  
           }  
   
       !!!parse-error (type => 'in table:'.$token->{tag_name});  
4441    
4442        $insert = $insert_to_foster;            $insert = $insert_to_foster;
4443        #            #
4444            }
4445          } else {
4446            die "$0: $token->{type}: Unknown token type";
4447          }
4448      } elsif ($self->{insertion_mode} == IN_COLUMN_GROUP_IM) {      } elsif ($self->{insertion_mode} == IN_COLUMN_GROUP_IM) {
4449            if ($token->{type} == CHARACTER_TOKEN) {            if ($token->{type} == CHARACTER_TOKEN) {
4450              if ($token->{data} =~ s/^([\x09\x0A\x0B\x0C\x20]+)//) {              if ($token->{data} =~ s/^([\x09\x0A\x0B\x0C\x20]+)//) {
# Line 3934  sub _tree_construction_main ($) { Line 4503  sub _tree_construction_main ($) {
4503              redo B;              redo B;
4504            }            }
4505      } elsif ($self->{insertion_mode} == IN_SELECT_IM) {      } elsif ($self->{insertion_mode} == IN_SELECT_IM) {
4506            if ($token->{type} == CHARACTER_TOKEN) {        if ($token->{type} == CHARACTER_TOKEN) {
4507              $self->{open_elements}->[-1]->[0]->manakai_append_text ($token->{data});          $self->{open_elements}->[-1]->[0]->manakai_append_text ($token->{data});
4508              !!!next-token;          !!!next-token;
4509              redo B;          redo B;
4510            } elsif ($token->{type} == START_TAG_TOKEN) {        } elsif ($token->{type} == START_TAG_TOKEN) {
4511              if ($token->{tag_name} eq 'option') {              if ($token->{tag_name} eq 'option') {
4512                if ($self->{open_elements}->[-1]->[1] eq 'option') {                if ($self->{open_elements}->[-1]->[1] eq 'option') {
4513                  ## As if </option>                  ## As if </option>
# Line 3991  sub _tree_construction_main ($) { Line 4560  sub _tree_construction_main ($) {
4560    
4561                !!!next-token;                !!!next-token;
4562                redo B;                redo B;
4563              } else {          } else {
4564                #            !!!parse-error (type => 'in select:'.$token->{tag_name});
4565              }            ## Ignore the token
4566            } elsif ($token->{type} == END_TAG_TOKEN) {            !!!next-token;
4567              redo B;
4568            }
4569          } elsif ($token->{type} == END_TAG_TOKEN) {
4570              if ($token->{tag_name} eq 'optgroup') {              if ($token->{tag_name} eq 'optgroup') {
4571                if ($self->{open_elements}->[-1]->[1] eq 'option' and                if ($self->{open_elements}->[-1]->[1] eq 'option' and
4572                    $self->{open_elements}->[-2]->[1] eq 'optgroup') {                    $self->{open_elements}->[-2]->[1] eq 'optgroup') {
# Line 4096  sub _tree_construction_main ($) { Line 4668  sub _tree_construction_main ($) {
4668    
4669                ## reprocess                ## reprocess
4670                redo B;                redo B;
4671              } else {          } else {
4672                #            !!!parse-error (type => 'in select:/'.$token->{tag_name});
             }  
           } else {  
             #  
           }  
   
           !!!parse-error (type => 'in select:'.$token->{tag_name});  
4673            ## Ignore the token            ## Ignore the token
4674            !!!next-token;            !!!next-token;
4675            redo B;            redo B;
4676      } elsif ($self->{insertion_mode} == AFTER_BODY_IM or          }
4677               $self->{insertion_mode} == AFTER_HTML_BODY_IM) {        } else {
4678            die "$0: $token->{type}: Unknown token type";
4679          }
4680        } elsif ($self->{insertion_mode} & BODY_AFTER_IMS) {
4681        if ($token->{type} == CHARACTER_TOKEN) {        if ($token->{type} == CHARACTER_TOKEN) {
4682          if ($token->{data} =~ s/^([\x09\x0A\x0B\x0C\x20]+)//) {          if ($token->{data} =~ s/^([\x09\x0A\x0B\x0C\x20]+)//) {
4683            my $data = $1;            my $data = $1;
# Line 4178  sub _tree_construction_main ($) { Line 4747  sub _tree_construction_main ($) {
4747        } else {        } else {
4748          die "$0: $token->{type}: Unknown token type";          die "$0: $token->{type}: Unknown token type";
4749        }        }
4750      } elsif ($self->{insertion_mode} == IN_FRAMESET_IM or      } elsif ($self->{insertion_mode} & FRAME_IMS) {
              $self->{insertion_mode} == AFTER_FRAMESET_IM or  
              $self->{insertion_mode} == AFTER_HTML_FRAMESET_IM) {  
4751        if ($token->{type} == CHARACTER_TOKEN) {        if ($token->{type} == CHARACTER_TOKEN) {
4752          if ($token->{data} =~ s/^([\x09\x0A\x0B\x0C\x20]+)//) {          if ($token->{data} =~ s/^([\x09\x0A\x0B\x0C\x20]+)//) {
4753            $self->{open_elements}->[-1]->[0]->manakai_append_text ($1);            $self->{open_elements}->[-1]->[0]->manakai_append_text ($1);
# Line 4317  sub _tree_construction_main ($) { Line 4884  sub _tree_construction_main ($) {
4884        } elsif ($token->{tag_name} eq 'meta') {        } elsif ($token->{tag_name} eq 'meta') {
4885          ## NOTE: This is an "as if in head" code clone, only "-t" differs          ## NOTE: This is an "as if in head" code clone, only "-t" differs
4886          !!!insert-element-t ($token->{tag_name}, $token->{attributes});          !!!insert-element-t ($token->{tag_name}, $token->{attributes});
4887          pop @{$self->{open_elements}}; ## ISSUE: This step is missing in the spec.          my $meta_el = pop @{$self->{open_elements}}; ## ISSUE: This step is missing in the spec.
4888    
4889          unless ($self->{confident}) {          unless ($self->{confident}) {
           my $charset;  
4890            if ($token->{attributes}->{charset}) { ## TODO: And if supported            if ($token->{attributes}->{charset}) { ## TODO: And if supported
4891              $charset = $token->{attributes}->{charset}->{value};              $self->{change_encoding}
4892            }                  ->($self, $token->{attributes}->{charset}->{value});
4893            if ($token->{attributes}->{'http-equiv'}) {              
4894                $meta_el->[0]->get_attribute_node_ns (undef, 'charset')
4895                    ->set_user_data (manakai_has_reference =>
4896                                         $token->{attributes}->{charset}
4897                                             ->{has_reference});
4898              } elsif ($token->{attributes}->{content}) {
4899              ## ISSUE: Algorithm name in the spec was incorrect so that not linked to the definition.              ## ISSUE: Algorithm name in the spec was incorrect so that not linked to the definition.
4900              if ($token->{attributes}->{'http-equiv'}->{value}              if ($token->{attributes}->{content}->{value}
4901                  =~ /\A[^;]*;[\x09-\x0D\x20]*charset[\x09-\x0D\x20]*=                  =~ /\A[^;]*;[\x09-\x0D\x20]*[Cc][Hh][Aa][Rr][Ss][Ee][Tt]
4902                        [\x09-\x0D\x20]*=
4903                      [\x09-\x0D\x20]*(?>"([^"]*)"|'([^']*)'|                      [\x09-\x0D\x20]*(?>"([^"]*)"|'([^']*)'|
4904                      ([^"'\x09-\x0D\x20][^\x09-\x0D\x20]*))/x) {                      ([^"'\x09-\x0D\x20][^\x09-\x0D\x20]*))/x) {
4905                $charset = defined $1 ? $1 : defined $2 ? $2 : $3;                $self->{change_encoding}
4906              } ## TODO: And if supported                    ->($self, defined $1 ? $1 : defined $2 ? $2 : $3);
4907                  $meta_el->[0]->get_attribute_node_ns (undef, 'content')
4908                      ->set_user_data (manakai_has_reference =>
4909                                           $token->{attributes}->{content}
4910                                                 ->{has_reference});
4911                }
4912              }
4913            } else {
4914              if ($token->{attributes}->{charset}) {
4915                $meta_el->[0]->get_attribute_node_ns (undef, 'charset')
4916                    ->set_user_data (manakai_has_reference =>
4917                                         $token->{attributes}->{charset}
4918                                             ->{has_reference});
4919              }
4920              if ($token->{attributes}->{content}) {
4921                $meta_el->[0]->get_attribute_node_ns (undef, 'content')
4922                    ->set_user_data (manakai_has_reference =>
4923                                         $token->{attributes}->{content}
4924                                             ->{has_reference});
4925            }            }
           ## TODO: Change the encoding  
4926          }          }
4927    
4928          !!!next-token;          !!!next-token;
# Line 4640  sub _tree_construction_main ($) { Line 5229  sub _tree_construction_main ($) {
5229          INSCOPE: for (reverse 0..$#{$self->{open_elements}}) {          INSCOPE: for (reverse 0..$#{$self->{open_elements}}) {
5230            my $node = $self->{open_elements}->[$_];            my $node = $self->{open_elements}->[$_];
5231            if ($node->[1] eq 'nobr') {            if ($node->[1] eq 'nobr') {
5232              !!!parse-error (type => 'not closed:nobr');              !!!parse-error (type => 'in nobr:nobr');
5233              !!!back-token;              !!!back-token;
5234              $token = {type => END_TAG_TOKEN, tag_name => 'nobr'};              $token = {type => END_TAG_TOKEN, tag_name => 'nobr'};
5235              redo B;              redo B;
# Line 4845  sub _tree_construction_main ($) { Line 5434  sub _tree_construction_main ($) {
5434                  noframes => 1,                  noframes => 1,
5435                  noscript => 0, ## TODO: 1 if scripting is enabled                  noscript => 0, ## TODO: 1 if scripting is enabled
5436                 }->{$token->{tag_name}}) {                 }->{$token->{tag_name}}) {
5437          ## NOTE: There are two "as if in body" code clones.          ## NOTE: There is an "as if in body" code clone.
5438          $parse_rcdata->(CDATA_CONTENT_MODEL, $insert);          $parse_rcdata->(CDATA_CONTENT_MODEL, $insert);
5439          redo B;          redo B;
5440        } elsif ($token->{tag_name} eq 'select') {        } elsif ($token->{tag_name} eq 'select') {
# Line 5001  sub _tree_construction_main ($) { Line 5590  sub _tree_construction_main ($) {
5590          if ($self->{open_elements}->[-1]->[1] eq $token->{tag_name}) {          if ($self->{open_elements}->[-1]->[1] eq $token->{tag_name}) {
5591            pop @{$self->{open_elements}};            pop @{$self->{open_elements}};
5592          } else {          } else {
5593            !!!parse-error (type => 'not closed:'.$self->{open_elements}->[-1]->[1]);            !!!parse-error (type => 'unmatched end tag:'.$token->{tag_name});
5594          }          }
5595    
5596          undef $self->{form_element};          undef $self->{form_element};
# Line 5039  sub _tree_construction_main ($) { Line 5628  sub _tree_construction_main ($) {
5628          } # INSCOPE          } # INSCOPE
5629                    
5630          if ($self->{open_elements}->[-1]->[1] ne $token->{tag_name}) {          if ($self->{open_elements}->[-1]->[1] ne $token->{tag_name}) {
5631            !!!parse-error (type => 'not closed:'.$self->{open_elements}->[-1]->[1]);            !!!parse-error (type => 'unmatched end tag:'.$token->{tag_name});
5632          }          }
5633                    
5634          splice @{$self->{open_elements}}, $i if defined $i;          splice @{$self->{open_elements}}, $i if defined $i;
# Line 5108  sub _tree_construction_main ($) { Line 5697  sub _tree_construction_main ($) {
5697                    
5698              ## Step 2              ## Step 2
5699              if ($token->{tag_name} ne $self->{open_elements}->[-1]->[1]) {              if ($token->{tag_name} ne $self->{open_elements}->[-1]->[1]) {
5700                  ## NOTE: <x><y></x>
5701                !!!parse-error (type => 'not closed:'.$self->{open_elements}->[-1]->[1]);                !!!parse-error (type => 'not closed:'.$self->{open_elements}->[-1]->[1]);
5702              }              }
5703                            
# Line 5158  sub set_inner_html ($$$) { Line 5748  sub set_inner_html ($$$) {
5748    my $s = \$_[0];    my $s = \$_[0];
5749    my $onerror = $_[1];    my $onerror = $_[1];
5750    
5751      ## ISSUE: Should {confident} be true?
5752    
5753    my $nt = $node->node_type;    my $nt = $node->node_type;
5754    if ($nt == 9) {    if ($nt == 9) {
5755      # MUST      # MUST
# Line 5190  sub set_inner_html ($$$) { Line 5782  sub set_inner_html ($$$) {
5782      my $i = 0;      my $i = 0;
5783      my $line = 1;      my $line = 1;
5784      my $column = 0;      my $column = 0;
5785      $p->{set_next_input_character} = sub {      $p->{set_next_char} = sub {
5786        my $self = shift;        my $self = shift;
5787    
5788        pop @{$self->{prev_input_character}};        pop @{$self->{prev_char}};
5789        unshift @{$self->{prev_input_character}}, $self->{next_input_character};        unshift @{$self->{prev_char}}, $self->{next_char};
5790    
5791        $self->{next_input_character} = -1 and return if $i >= length $$s;        $self->{next_char} = -1 and return if $i >= length $$s;
5792        $self->{next_input_character} = ord substr $$s, $i++, 1;        $self->{next_char} = ord substr $$s, $i++, 1;
5793        $column++;        $column++;
5794    
5795        if ($self->{next_input_character} == 0x000A) { # LF        if ($self->{next_char} == 0x000A) { # LF
5796          $line++;          $line++;
5797          $column = 0;          $column = 0;
5798        } elsif ($self->{next_input_character} == 0x000D) { # CR        } elsif ($self->{next_char} == 0x000D) { # CR
5799          $i++ if substr ($$s, $i, 1) eq "\x0A";          $i++ if substr ($$s, $i, 1) eq "\x0A";
5800          $self->{next_input_character} = 0x000A; # LF # MUST          $self->{next_char} = 0x000A; # LF # MUST
5801          $line++;          $line++;
5802          $column = 0;          $column = 0;
5803        } elsif ($self->{next_input_character} > 0x10FFFF) {        } elsif ($self->{next_char} > 0x10FFFF) {
5804          $self->{next_input_character} = 0xFFFD; # REPLACEMENT CHARACTER # MUST          $self->{next_char} = 0xFFFD; # REPLACEMENT CHARACTER # MUST
5805        } elsif ($self->{next_input_character} == 0x0000) { # NULL        } elsif ($self->{next_char} == 0x0000) { # NULL
5806          !!!parse-error (type => 'NULL');          !!!parse-error (type => 'NULL');
5807          $self->{next_input_character} = 0xFFFD; # REPLACEMENT CHARACTER # MUST          $self->{next_char} = 0xFFFD; # REPLACEMENT CHARACTER # MUST
5808        }        }
5809      };      };
5810      $p->{prev_input_character} = [-1, -1, -1];      $p->{prev_char} = [-1, -1, -1];
5811      $p->{next_input_character} = -1;      $p->{next_char} = -1;
5812            
5813      my $ponerror = $onerror || sub {      my $ponerror = $onerror || sub {
5814        my (%opt) = @_;        my (%opt) = @_;
# Line 5230  sub set_inner_html ($$$) { Line 5822  sub set_inner_html ($$$) {
5822      $p->_initialize_tree_constructor;      $p->_initialize_tree_constructor;
5823    
5824      ## Step 2      ## Step 2
5825      my $node_ln = $node->local_name;      my $node_ln = $node->manakai_local_name;
5826      $p->{content_model} = {      $p->{content_model} = {
5827        title => RCDATA_CONTENT_MODEL,        title => RCDATA_CONTENT_MODEL,
5828        textarea => RCDATA_CONTENT_MODEL,        textarea => RCDATA_CONTENT_MODEL,
# Line 5270  sub set_inner_html ($$$) { Line 5862  sub set_inner_html ($$$) {
5862        if ($anode->node_type == 1) {        if ($anode->node_type == 1) {
5863          my $nsuri = $anode->namespace_uri;          my $nsuri = $anode->namespace_uri;
5864          if (defined $nsuri and $nsuri eq 'http://www.w3.org/1999/xhtml') {          if (defined $nsuri and $nsuri eq 'http://www.w3.org/1999/xhtml') {
5865            if ($anode->local_name eq 'form') { ## TODO: case?            if ($anode->manakai_local_name eq 'form') {
5866              $p->{form_element} = $anode;              $p->{form_element} = $anode;
5867              last AN;              last AN;
5868            }            }
# Line 5310  sub set_inner_html ($$$) { Line 5902  sub set_inner_html ($$$) {
5902    
5903  } # tree construction stage  } # tree construction stage
5904    
5905  sub get_inner_html ($$$) {  package Whatpm::HTML::RestartParser;
5906    my (undef, $node, $on_error) = @_;  push our @ISA, 'Error';
   
   ## Step 1  
   my $s = '';  
   
   my $in_cdata;  
   my $parent = $node;  
   while (defined $parent) {  
     if ($parent->node_type == 1 and  
         $parent->namespace_uri eq 'http://www.w3.org/1999/xhtml' and  
         {  
           style => 1, script => 1, xmp => 1, iframe => 1,  
           noembed => 1, noframes => 1, noscript => 1,  
         }->{$parent->local_name}) { ## TODO: case thingy  
       $in_cdata = 1;  
     }  
     $parent = $parent->parent_node;  
   }  
   
   ## Step 2  
   my @node = @{$node->child_nodes};  
   C: while (@node) {  
     my $child = shift @node;  
     unless (ref $child) {  
       if ($child eq 'cdata-out') {  
         $in_cdata = 0;  
       } else {  
         $s .= $child; # end tag  
       }  
       next C;  
     }  
       
     my $nt = $child->node_type;  
     if ($nt == 1) { # Element  
       my $tag_name = $child->tag_name; ## TODO: manakai_tag_name  
       $s .= '<' . $tag_name;  
       ## NOTE: Non-HTML case:  
       ## <http://permalink.gmane.org/gmane.org.w3c.whatwg.discuss/11191>  
   
       my @attrs = @{$child->attributes}; # sort order MUST be stable  
       for my $attr (@attrs) { # order is implementation dependent  
         my $attr_name = $attr->name; ## TODO: manakai_name  
         $s .= ' ' . $attr_name . '="';  
         my $attr_value = $attr->value;  
         ## escape  
         $attr_value =~ s/&/&amp;/g;  
         $attr_value =~ s/</&lt;/g;  
         $attr_value =~ s/>/&gt;/g;  
         $attr_value =~ s/"/&quot;/g;  
         $s .= $attr_value . '"';  
       }  
       $s .= '>';  
         
       next C if {  
         area => 1, base => 1, basefont => 1, bgsound => 1,  
         br => 1, col => 1, embed => 1, frame => 1, hr => 1,  
         img => 1, input => 1, link => 1, meta => 1, param => 1,  
         spacer => 1, wbr => 1,  
       }->{$tag_name};  
   
       $s .= "\x0A" if $tag_name eq 'pre' or $tag_name eq 'textarea';  
   
       if (not $in_cdata and {  
         style => 1, script => 1, xmp => 1, iframe => 1,  
         noembed => 1, noframes => 1, noscript => 1,  
         plaintext => 1,  
       }->{$tag_name}) {  
         unshift @node, 'cdata-out';  
         $in_cdata = 1;  
       }  
   
       unshift @node, @{$child->child_nodes}, '</' . $tag_name . '>';  
     } elsif ($nt == 3 or $nt == 4) {  
       if ($in_cdata) {  
         $s .= $child->data;  
       } else {  
         my $value = $child->data;  
         $value =~ s/&/&amp;/g;  
         $value =~ s/</&lt;/g;  
         $value =~ s/>/&gt;/g;  
         $value =~ s/"/&quot;/g;  
         $s .= $value;  
       }  
     } elsif ($nt == 8) {  
       $s .= '<!--' . $child->data . '-->';  
     } elsif ($nt == 10) {  
       $s .= '<!DOCTYPE ' . $child->name . '>';  
     } elsif ($nt == 5) { # entrefs  
       push @node, @{$child->child_nodes};  
     } else {  
       $on_error->($child) if defined $on_error;  
     }  
     ## ISSUE: This code does not support PIs.  
   } # C  
     
   ## Step 3  
   return \$s;  
 } # get_inner_html  
5907    
5908  1;  1;
5909  # $Date$  # $Date$
Legend:
Removed from v.1.55  
changed lines
  Added in v.1.77
admin@suikawiki.org
 ViewVC Help
Powered by ViewVC 1.1.24