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

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

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

revision 1.1 by wakaba, Tue Oct 14 02:27:58 2008 UTC revision 1.16 by wakaba, Sat Oct 18 11:34:49 2008 UTC
# Line 2  package Whatpm::HTML::Tokenizer; Line 2  package Whatpm::HTML::Tokenizer;
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    
5    BEGIN {
6      require Exporter;
7      push our @ISA, 'Exporter';
8    
9      our @EXPORT_OK = qw(
10        DOCTYPE_TOKEN
11        COMMENT_TOKEN
12        START_TAG_TOKEN
13        END_TAG_TOKEN
14        END_OF_FILE_TOKEN
15        CHARACTER_TOKEN
16        PI_TOKEN
17        ABORT_TOKEN
18        END_OF_DOCTYPE_TOKEN
19        ATTLIST_TOKEN
20        ELEMENT_TOKEN
21        GENERAL_ENTITY_TOKEN
22        PARAMETER_ENTITY_TOKEN
23        NOTATION_TOKEN
24      );
25      
26      our %EXPORT_TAGS = (
27        token => [qw(
28          DOCTYPE_TOKEN
29          COMMENT_TOKEN
30          START_TAG_TOKEN
31          END_TAG_TOKEN
32          END_OF_FILE_TOKEN
33          CHARACTER_TOKEN
34          PI_TOKEN
35          ABORT_TOKEN
36          END_OF_DOCTYPE_TOKEN
37          ATTLIST_TOKEN
38          ELEMENT_TOKEN
39          GENERAL_ENTITY_TOKEN
40          PARAMETER_ENTITY_TOKEN
41          NOTATION_TOKEN
42        )],
43      );
44    }
45    
46    ## NOTE: Differences from the XML5 draft are marked as "XML5:".
47    
48    ## Token types
49    
50    sub DOCTYPE_TOKEN () { 1 } ## XML5: No DOCTYPE token.
51    sub COMMENT_TOKEN () { 2 }
52    sub START_TAG_TOKEN () { 3 }
53    sub END_TAG_TOKEN () { 4 }
54    sub END_OF_FILE_TOKEN () { 5 }
55    sub CHARACTER_TOKEN () { 6 }
56    sub PI_TOKEN () { 7 } ## NOTE: XML only.
57    sub ABORT_TOKEN () { 8 } ## NOTE: For internal processing.
58    sub END_OF_DOCTYPE_TOKEN () { 9 } ## NOTE: XML only.
59    sub ATTLIST_TOKEN () { 10 } ## NOTE: XML only.
60    sub ELEMENT_TOKEN () { 11 } ## NOTE: XML only.
61    sub GENERAL_ENTITY_TOKEN () { 12 } ## NOTE: XML only.
62    sub PARAMETER_ENTITY_TOKEN () { 13 } ## NOTE: XML only.
63    sub NOTATION_TOKEN () { 14 } ## NOTE: XML only.
64    
65    ## XML5: XML5 has "empty tag token".  In this implementation, it is
66    ## represented as a start tag token with $self->{self_closing} flag
67    ## set to true.
68    
69    ## XML5: XML5 has "short end tag token".  In this implementation, it
70    ## is represented as an end tag token with $token->{tag_name} flag set
71    ## to an empty string.
72    
73  package Whatpm::HTML;  package Whatpm::HTML;
74    
75    BEGIN { Whatpm::HTML::Tokenizer->import (':token') }
76    
77  ## Content model flags  ## Content model flags
78    
79  sub CM_ENTITY () { 0b001 } # & markup in data  sub CM_ENTITY () { 0b001 } # & markup in data
# Line 72  sub HEXREF_HEX_STATE () { 48 } Line 142  sub HEXREF_HEX_STATE () { 48 }
142  sub ENTITY_NAME_STATE () { 49 }  sub ENTITY_NAME_STATE () { 49 }
143  sub PCDATA_STATE () { 50 } # "data state" in the spec  sub PCDATA_STATE () { 50 } # "data state" in the spec
144    
145  ## Token types  ## XML-only states
146    sub PI_STATE () { 51 }
147  sub DOCTYPE_TOKEN () { 1 }  sub PI_TARGET_STATE () { 52 }
148  sub COMMENT_TOKEN () { 2 }  sub PI_TARGET_AFTER_STATE () { 53 }
149  sub START_TAG_TOKEN () { 3 }  sub PI_DATA_STATE () { 54 }
150  sub END_TAG_TOKEN () { 4 }  sub PI_AFTER_STATE () { 55 }
151  sub END_OF_FILE_TOKEN () { 5 }  sub PI_DATA_AFTER_STATE () { 56 }
152  sub CHARACTER_TOKEN () { 6 }  sub DOCTYPE_INTERNAL_SUBSET_STATE () { 57 }
153    sub DOCTYPE_INTERNAL_SUBSET_AFTER_STATE () { 58 }
154    sub BOGUS_DOCTYPE_INTERNAL_SUBSET_AFTER_STATE () { 59 }
155    sub DOCTYPE_TAG_STATE () { 60 }
156    sub DOCTYPE_MARKUP_DECLARATION_OPEN_STATE () { 61 }
157    sub MD_ATTLIST_STATE () { 62 }
158    sub MD_E_STATE () { 63 }
159    sub MD_ELEMENT_STATE () { 64 }
160    sub MD_ENTITY_STATE () { 65 }
161    sub MD_NOTATION_STATE () { 66 }
162    sub DOCTYPE_MD_STATE () { 67 }
163    sub BEFORE_MD_NAME_STATE () { 68 }
164    sub MD_NAME_STATE () { 69 }
165    sub DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE () { 70 }
166    sub DOCTYPE_ATTLIST_NAME_AFTER_STATE () { 71 }
167    sub DOCTYPE_ATTLIST_ATTRIBUTE_NAME_STATE () { 72 }
168    sub DOCTYPE_ATTLIST_ATTRIBUTE_NAME_AFTER_STATE () { 73 }
169    sub DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_STATE () { 74 }
170    sub DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_AFTER_STATE () { 75 }
171    sub BEFORE_ALLOWED_TOKEN_STATE () { 76 }
172    sub ALLOWED_TOKEN_STATE () { 77 }
173    sub AFTER_ALLOWED_TOKEN_STATE () { 78 }
174    sub AFTER_ALLOWED_TOKENS_STATE () { 79 }
175    sub BEFORE_ATTR_DEFAULT_STATE () { 80 }
176    sub DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE () { 81 }
177    sub DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_STATE () { 82 }
178    sub DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_AFTER_STATE () { 83 }
179    sub AFTER_ATTLIST_ATTR_VALUE_QUOTED_STATE () { 84 }
180    sub BOGUS_MD_STATE () { 85 }
181    
182  ## Tree constructor state constants (see Whatpm::HTML for the full  ## Tree constructor state constants (see Whatpm::HTML for the full
183  ## list and descriptions)  ## list and descriptions)
# Line 142  sub _initialize_tokenizer ($) { Line 240  sub _initialize_tokenizer ($) {
240    #$self->{level}    #$self->{level}
241    #$self->{set_nc}    #$self->{set_nc}
242    #$self->{parse_error}    #$self->{parse_error}
243      #$self->{is_xml} (if XML)
244    
245    $self->{state} = DATA_STATE; # MUST    $self->{state} = DATA_STATE; # MUST
246    #$self->{s_kwd}; # state keyword - initialized when used    $self->{s_kwd} = ''; # Data state keyword
247      #$self->{kwd} = ''; # State-dependent keyword; initialized when used
248    #$self->{entity__value}; # initialized when used    #$self->{entity__value}; # initialized when used
249    #$self->{entity__match}; # initialized when used    #$self->{entity__match}; # initialized when used
250    $self->{content_model} = PCDATA_CONTENT_MODEL; # be    $self->{content_model} = PCDATA_CONTENT_MODEL; # be
# Line 164  sub _initialize_tokenizer ($) { Line 264  sub _initialize_tokenizer ($) {
264    
265  ## A token has:  ## A token has:
266  ##   ->{type} == DOCTYPE_TOKEN, START_TAG_TOKEN, END_TAG_TOKEN, COMMENT_TOKEN,  ##   ->{type} == DOCTYPE_TOKEN, START_TAG_TOKEN, END_TAG_TOKEN, COMMENT_TOKEN,
267  ##       CHARACTER_TOKEN, or END_OF_FILE_TOKEN  ##       CHARACTER_TOKEN, END_OF_FILE_TOKEN, PI_TOKEN, or ABORT_TOKEN
268  ##   ->{name} (DOCTYPE_TOKEN)  ##   ->{name} (DOCTYPE_TOKEN)
269  ##   ->{tag_name} (START_TAG_TOKEN, END_TAG_TOKEN)  ##   ->{tag_name} (START_TAG_TOKEN, END_TAG_TOKEN)
270    ##   ->{target} (PI_TOKEN)
271  ##   ->{pubid} (DOCTYPE_TOKEN)  ##   ->{pubid} (DOCTYPE_TOKEN)
272  ##   ->{sysid} (DOCTYPE_TOKEN)  ##   ->{sysid} (DOCTYPE_TOKEN)
273  ##   ->{quirks} == 1 or 0 (DOCTYPE_TOKEN): "force-quirks" flag  ##   ->{quirks} == 1 or 0 (DOCTYPE_TOKEN): "force-quirks" flag
# Line 174  sub _initialize_tokenizer ($) { Line 275  sub _initialize_tokenizer ($) {
275  ##        ->{name}  ##        ->{name}
276  ##        ->{value}  ##        ->{value}
277  ##        ->{has_reference} == 1 or 0  ##        ->{has_reference} == 1 or 0
278  ##   ->{data} (COMMENT_TOKEN, CHARACTER_TOKEN)  ##        ->{index}: Index of the attribute in a tag.
279    ##   ->{data} (COMMENT_TOKEN, CHARACTER_TOKEN, PI_TOKEN)
280    ##   ->{has_reference} == 1 or 0 (CHARACTER_TOKEN)
281    ##   ->{last_index} (ELEMENT_TOKEN): Next attribute's index - 1.
282    ##   ->{has_internal_subset} = 1 or 0 (DOCTYPE_TOKEN)
283    
284  ## NOTE: The "self-closing flag" is hold as |$self->{self_closing}|.  ## NOTE: The "self-closing flag" is hold as |$self->{self_closing}|.
285  ##     |->{self_closing}| is used to save the value of |$self->{self_closing}|  ##     |->{self_closing}| is used to save the value of |$self->{self_closing}|
286  ##     while the token is pushed back to the stack.  ##     while the token is pushed back to the stack.
# Line 194  my $is_space = { Line 300  my $is_space = {
300    0x0009 => 1, # CHARACTER TABULATION (HT)    0x0009 => 1, # CHARACTER TABULATION (HT)
301    0x000A => 1, # LINE FEED (LF)    0x000A => 1, # LINE FEED (LF)
302    #0x000B => 0, # LINE TABULATION (VT)    #0x000B => 0, # LINE TABULATION (VT)
303    0x000C => 1, # FORM FEED (FF)    0x000C => 1, # FORM FEED (FF) ## XML5: Not a space character.
304    #0x000D => 1, # CARRIAGE RETURN (CR)    #0x000D => 1, # CARRIAGE RETURN (CR)
305    0x0020 => 1, # SPACE (SP)    0x0020 => 1, # SPACE (SP)
306  };  };
# Line 278  sub _get_next_token ($) { Line 384  sub _get_next_token ($) {
384          }          }
385        } elsif ($self->{nc} == 0x002D) { # -        } elsif ($self->{nc} == 0x002D) { # -
386          if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA          if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA
387            $self->{s_kwd} .= '-';            if ($self->{s_kwd} eq '<!-') {
             
           if ($self->{s_kwd} eq '<!--') {  
388              !!!cp (3);              !!!cp (3);
389              $self->{escape} = 1; # unless $self->{escape};              $self->{escape} = 1; # unless $self->{escape};
390              $self->{s_kwd} = '--';              $self->{s_kwd} = '--';
391              #              #
392            } elsif ($self->{s_kwd} eq '---') {            } elsif ($self->{s_kwd} eq '-') {
393              !!!cp (4);              !!!cp (4);
394              $self->{s_kwd} = '--';              $self->{s_kwd} = '--';
395              #              #
396              } elsif ($self->{s_kwd} eq '<!' or $self->{s_kwd} eq '-') {
397                !!!cp (4.1);
398                $self->{s_kwd} .= '-';
399                #
400            } else {            } else {
401              !!!cp (5);              !!!cp (5);
402                $self->{s_kwd} = '-';
403              #              #
404            }            }
405          }          }
# Line 326  sub _get_next_token ($) { Line 435  sub _get_next_token ($) {
435            if ($self->{s_kwd} eq '--') {            if ($self->{s_kwd} eq '--') {
436              !!!cp (8);              !!!cp (8);
437              delete $self->{escape};              delete $self->{escape};
438                #
439            } else {            } else {
440              !!!cp (9);              !!!cp (9);
441                #
442            }            }
443            } elsif ($self->{is_xml} and $self->{s_kwd} eq ']]') {
444              !!!cp (9.1);
445              !!!parse-error (type => 'unmatched mse', ## TODO: type
446                              line => $self->{line_prev},
447                              column => $self->{column_prev} - 1);
448              #
449          } else {          } else {
450            !!!cp (10);            !!!cp (10);
451              #
452          }          }
453                    
454          $self->{s_kwd} = '';          $self->{s_kwd} = '';
455          #          #
456          } elsif ($self->{nc} == 0x005D) { # ]
457            if ($self->{s_kwd} eq ']' or $self->{s_kwd} eq '') {
458              !!!cp (10.1);
459              $self->{s_kwd} .= ']';
460            } elsif ($self->{s_kwd} eq ']]') {
461              !!!cp (10.2);
462              #
463            } else {
464              !!!cp (10.3);
465              $self->{s_kwd} = '';
466            }
467            #
468        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
469          !!!cp (11);          !!!cp (11);
470          $self->{s_kwd} = '';          $self->{s_kwd} = '';
# Line 352  sub _get_next_token ($) { Line 482  sub _get_next_token ($) {
482                     data => chr $self->{nc},                     data => chr $self->{nc},
483                     line => $self->{line}, column => $self->{column},                     line => $self->{line}, column => $self->{column},
484                    };                    };
485        if ($self->{read_until}->($token->{data}, q[-!<>&],        if ($self->{read_until}->($token->{data}, q{-!<>&\]},
486                                  length $token->{data})) {                                  length $token->{data})) {
487          $self->{s_kwd} = '';          $self->{s_kwd} = '';
488        }        }
489    
490        ## Stay in the data state.        ## Stay in the data state.
491        if ($self->{content_model} == PCDATA_CONTENT_MODEL) {        if (not $self->{is_xml} and
492              $self->{content_model} == PCDATA_CONTENT_MODEL) {
493          !!!cp (13);          !!!cp (13);
494          $self->{state} = PCDATA_STATE;          $self->{state} = PCDATA_STATE;
495        } else {        } else {
# Line 369  sub _get_next_token ($) { Line 500  sub _get_next_token ($) {
500        !!!emit ($token);        !!!emit ($token);
501        redo A;        redo A;
502      } elsif ($self->{state} == TAG_OPEN_STATE) {      } elsif ($self->{state} == TAG_OPEN_STATE) {
503          ## XML5: "tag state".
504    
505        if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA        if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA
506          if ($self->{nc} == 0x002F) { # /          if ($self->{nc} == 0x002F) { # /
507            !!!cp (15);            !!!cp (15);
# Line 377  sub _get_next_token ($) { Line 510  sub _get_next_token ($) {
510            redo A;            redo A;
511          } elsif ($self->{nc} == 0x0021) { # !          } elsif ($self->{nc} == 0x0021) { # !
512            !!!cp (15.1);            !!!cp (15.1);
513            $self->{s_kwd} = '<' unless $self->{escape};            $self->{s_kwd} = $self->{escaped} ? '' : '<';
514            #            #
515          } else {          } else {
516            !!!cp (16);            !!!cp (16);
517              $self->{s_kwd} = '';
518            #            #
519          }          }
520    
# Line 407  sub _get_next_token ($) { Line 541  sub _get_next_token ($) {
541            !!!cp (19);            !!!cp (19);
542            $self->{ct}            $self->{ct}
543              = {type => START_TAG_TOKEN,              = {type => START_TAG_TOKEN,
544                 tag_name => chr ($self->{nc} + 0x0020),                 tag_name => chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020)),
545                 line => $self->{line_prev},                 line => $self->{line_prev},
546                 column => $self->{column_prev}};                 column => $self->{column_prev}};
547            $self->{state} = TAG_NAME_STATE;            $self->{state} = TAG_NAME_STATE;
# Line 429  sub _get_next_token ($) { Line 563  sub _get_next_token ($) {
563                            line => $self->{line_prev},                            line => $self->{line_prev},
564                            column => $self->{column_prev});                            column => $self->{column_prev});
565            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
566              $self->{s_kwd} = '';
567            !!!next-input-character;            !!!next-input-character;
568    
569            !!!emit ({type => CHARACTER_TOKEN, data => '<>',            !!!emit ({type => CHARACTER_TOKEN, data => '<>',
# Line 438  sub _get_next_token ($) { Line 573  sub _get_next_token ($) {
573    
574            redo A;            redo A;
575          } elsif ($self->{nc} == 0x003F) { # ?          } elsif ($self->{nc} == 0x003F) { # ?
576            !!!cp (22);            if ($self->{is_xml}) {
577            !!!parse-error (type => 'pio',              !!!cp (22.1);
578                            line => $self->{line_prev},              $self->{state} = PI_STATE;
579                            column => $self->{column_prev});              !!!next-input-character;
580            $self->{state} = BOGUS_COMMENT_STATE;              redo A;
581            $self->{ct} = {type => COMMENT_TOKEN, data => '',            } else {
582                                      line => $self->{line_prev},              !!!cp (22);
583                                      column => $self->{column_prev},              !!!parse-error (type => 'pio',
584                                     };                              line => $self->{line_prev},
585            ## $self->{nc} is intentionally left as is                              column => $self->{column_prev});
586            redo A;              $self->{state} = BOGUS_COMMENT_STATE;
587          } else {              $self->{ct} = {type => COMMENT_TOKEN, data => '',
588                               line => $self->{line_prev},
589                               column => $self->{column_prev},
590                              };
591                ## $self->{nc} is intentionally left as is
592                redo A;
593              }
594            } elsif (not $self->{is_xml} or $is_space->{$self->{nc}}) {
595            !!!cp (23);            !!!cp (23);
596            !!!parse-error (type => 'bare stago',            !!!parse-error (type => 'bare stago',
597                            line => $self->{line_prev},                            line => $self->{line_prev},
598                            column => $self->{column_prev});                            column => $self->{column_prev});
599            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
600              $self->{s_kwd} = '';
601            ## reconsume            ## reconsume
602    
603            !!!emit ({type => CHARACTER_TOKEN, data => '<',            !!!emit ({type => CHARACTER_TOKEN, data => '<',
# Line 463  sub _get_next_token ($) { Line 606  sub _get_next_token ($) {
606                     });                     });
607    
608            redo A;            redo A;
609            } else {
610              ## XML5: "<:" is a parse error.
611              !!!cp (23.1);
612              $self->{ct} = {type => START_TAG_TOKEN,
613                                        tag_name => chr ($self->{nc}),
614                                        line => $self->{line_prev},
615                                        column => $self->{column_prev}};
616              $self->{state} = TAG_NAME_STATE;
617              !!!next-input-character;
618              redo A;
619          }          }
620        } else {        } else {
621          die "$0: $self->{content_model} in tag open";          die "$0: $self->{content_model} in tag open";
# Line 471  sub _get_next_token ($) { Line 624  sub _get_next_token ($) {
624        ## NOTE: The "close tag open state" in the spec is implemented as        ## NOTE: The "close tag open state" in the spec is implemented as
625        ## |CLOSE_TAG_OPEN_STATE| and |CDATA_RCDATA_CLOSE_TAG_STATE|.        ## |CLOSE_TAG_OPEN_STATE| and |CDATA_RCDATA_CLOSE_TAG_STATE|.
626    
627          ## XML5: "end tag state".
628    
629        my ($l, $c) = ($self->{line_prev}, $self->{column_prev} - 1); # "<"of"</"        my ($l, $c) = ($self->{line_prev}, $self->{column_prev} - 1); # "<"of"</"
630        if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA        if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA
631          if (defined $self->{last_stag_name}) {          if (defined $self->{last_stag_name}) {
632            $self->{state} = CDATA_RCDATA_CLOSE_TAG_STATE;            $self->{state} = CDATA_RCDATA_CLOSE_TAG_STATE;
633            $self->{s_kwd} = '';            $self->{kwd} = '';
634            ## Reconsume.            ## Reconsume.
635            redo A;            redo A;
636          } else {          } else {
# Line 483  sub _get_next_token ($) { Line 638  sub _get_next_token ($) {
638            ## NOTE: See <http://krijnhoetmer.nl/irc-logs/whatwg/20070626#l-564>.            ## NOTE: See <http://krijnhoetmer.nl/irc-logs/whatwg/20070626#l-564>.
639            !!!cp (28);            !!!cp (28);
640            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
641              $self->{s_kwd} = '';
642            ## Reconsume.            ## Reconsume.
643            !!!emit ({type => CHARACTER_TOKEN, data => '</',            !!!emit ({type => CHARACTER_TOKEN, data => '</',
644                      line => $l, column => $c,                      line => $l, column => $c,
# Line 496  sub _get_next_token ($) { Line 652  sub _get_next_token ($) {
652          !!!cp (29);          !!!cp (29);
653          $self->{ct}          $self->{ct}
654              = {type => END_TAG_TOKEN,              = {type => END_TAG_TOKEN,
655                 tag_name => chr ($self->{nc} + 0x0020),                 tag_name => chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020)),
656                 line => $l, column => $c};                 line => $l, column => $c};
657          $self->{state} = TAG_NAME_STATE;          $self->{state} = TAG_NAME_STATE;
658          !!!next-input-character;          !!!next-input-character;
# Line 511  sub _get_next_token ($) { Line 667  sub _get_next_token ($) {
667          !!!next-input-character;          !!!next-input-character;
668          redo A;          redo A;
669        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (31);  
670          !!!parse-error (type => 'empty end tag',          !!!parse-error (type => 'empty end tag',
671                          line => $self->{line_prev}, ## "<" in "</>"                          line => $self->{line_prev}, ## "<" in "</>"
672                          column => $self->{column_prev} - 1);                          column => $self->{column_prev} - 1);
673          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
674          !!!next-input-character;          $self->{s_kwd} = '';
675            if ($self->{is_xml}) {
676              !!!cp (31);
677              ## XML5: No parse error.
678              
679              ## NOTE: This parser raises a parse error, since it supports
680              ## XML1, not XML5.
681    
682              ## NOTE: A short end tag token.
683              my $ct = {type => END_TAG_TOKEN,
684                        tag_name => '',
685                        line => $self->{line_prev},
686                        column => $self->{column_prev} - 1,
687                       };
688              !!!next-input-character;
689              !!!emit ($ct);
690            } else {
691              !!!cp (31.1);
692              !!!next-input-character;
693            }
694          redo A;          redo A;
695        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
696          !!!cp (32);          !!!cp (32);
697          !!!parse-error (type => 'bare etago');          !!!parse-error (type => 'bare etago');
698            $self->{s_kwd} = '';
699          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
700          # reconsume          # reconsume
701    
# Line 529  sub _get_next_token ($) { Line 704  sub _get_next_token ($) {
704                   });                   });
705    
706          redo A;          redo A;
707        } else {        } elsif (not $self->{is_xml} or
708                   $is_space->{$self->{nc}}) {
709          !!!cp (33);          !!!cp (33);
710          !!!parse-error (type => 'bogus end tag');          !!!parse-error (type => 'bogus end tag',
711                            line => $self->{line_prev}, # "<" of "</"
712                            column => $self->{column_prev} - 1);
713          $self->{state} = BOGUS_COMMENT_STATE;          $self->{state} = BOGUS_COMMENT_STATE;
714          $self->{ct} = {type => COMMENT_TOKEN, data => '',          $self->{ct} = {type => COMMENT_TOKEN, data => '',
715                                    line => $self->{line_prev}, # "<" of "</"                                    line => $self->{line_prev}, # "<" of "</"
# Line 544  sub _get_next_token ($) { Line 722  sub _get_next_token ($) {
722          ## generated from the bogus end tag, as defined in the          ## generated from the bogus end tag, as defined in the
723          ## "bogus comment state" entry.          ## "bogus comment state" entry.
724          redo A;          redo A;
725          } else {
726            ## XML5: "</:" is a parse error.
727            !!!cp (30.1);
728            $self->{ct} = {type => END_TAG_TOKEN,
729                           tag_name => chr ($self->{nc}),
730                           line => $l, column => $c};
731            $self->{state} = TAG_NAME_STATE; ## XML5: "end tag name state".
732            !!!next-input-character;
733            redo A;
734        }        }
735      } elsif ($self->{state} == CDATA_RCDATA_CLOSE_TAG_STATE) {      } elsif ($self->{state} == CDATA_RCDATA_CLOSE_TAG_STATE) {
736        my $ch = substr $self->{last_stag_name}, length $self->{s_kwd}, 1;        my $ch = substr $self->{last_stag_name}, length $self->{kwd}, 1;
737        if (length $ch) {        if (length $ch) {
738          my $CH = $ch;          my $CH = $ch;
739          $ch =~ tr/a-z/A-Z/;          $ch =~ tr/a-z/A-Z/;
# Line 554  sub _get_next_token ($) { Line 741  sub _get_next_token ($) {
741          if ($nch eq $ch or $nch eq $CH) {          if ($nch eq $ch or $nch eq $CH) {
742            !!!cp (24);            !!!cp (24);
743            ## Stay in the state.            ## Stay in the state.
744            $self->{s_kwd} .= $nch;            $self->{kwd} .= $nch;
745            !!!next-input-character;            !!!next-input-character;
746            redo A;            redo A;
747          } else {          } else {
748            !!!cp (25);            !!!cp (25);
749            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
750              $self->{s_kwd} = '';
751            ## Reconsume.            ## Reconsume.
752            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
753                      data => '</' . $self->{s_kwd},                      data => '</' . $self->{kwd},
754                      line => $self->{line_prev},                      line => $self->{line_prev},
755                      column => $self->{column_prev} - 1 - length $self->{s_kwd},                      column => $self->{column_prev} - 1 - length $self->{kwd},
756                     });                     });
757            redo A;            redo A;
758          }          }
# Line 578  sub _get_next_token ($) { Line 766  sub _get_next_token ($) {
766            !!!cp (26);            !!!cp (26);
767            ## Reconsume.            ## Reconsume.
768            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
769              $self->{s_kwd} = '';
770            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
771                      data => '</' . $self->{s_kwd},                      data => '</' . $self->{kwd},
772                      line => $self->{line_prev},                      line => $self->{line_prev},
773                      column => $self->{column_prev} - 1 - length $self->{s_kwd},                      column => $self->{column_prev} - 1 - length $self->{kwd},
774                     });                     });
775            redo A;            redo A;
776          } else {          } else {
# Line 590  sub _get_next_token ($) { Line 779  sub _get_next_token ($) {
779                = {type => END_TAG_TOKEN,                = {type => END_TAG_TOKEN,
780                   tag_name => $self->{last_stag_name},                   tag_name => $self->{last_stag_name},
781                   line => $self->{line_prev},                   line => $self->{line_prev},
782                   column => $self->{column_prev} - 1 - length $self->{s_kwd}};                   column => $self->{column_prev} - 1 - length $self->{kwd}};
783            $self->{state} = TAG_NAME_STATE;            $self->{state} = TAG_NAME_STATE;
784            ## Reconsume.            ## Reconsume.
785            redo A;            redo A;
# Line 619  sub _get_next_token ($) { Line 808  sub _get_next_token ($) {
808            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
809          }          }
810          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
811            $self->{s_kwd} = '';
812          !!!next-input-character;          !!!next-input-character;
813    
814          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 627  sub _get_next_token ($) { Line 817  sub _get_next_token ($) {
817        } elsif (0x0041 <= $self->{nc} and        } elsif (0x0041 <= $self->{nc} and
818                 $self->{nc} <= 0x005A) { # A..Z                 $self->{nc} <= 0x005A) { # A..Z
819          !!!cp (38);          !!!cp (38);
820          $self->{ct}->{tag_name} .= chr ($self->{nc} + 0x0020);          $self->{ct}->{tag_name}
821                .= chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020));
822            # start tag or end tag            # start tag or end tag
823          ## Stay in this state          ## Stay in this state
824          !!!next-input-character;          !!!next-input-character;
# Line 650  sub _get_next_token ($) { Line 841  sub _get_next_token ($) {
841            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
842          }          }
843          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
844            $self->{s_kwd} = '';
845          # reconsume          # reconsume
846    
847          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 669  sub _get_next_token ($) { Line 861  sub _get_next_token ($) {
861          redo A;          redo A;
862        }        }
863      } elsif ($self->{state} == BEFORE_ATTRIBUTE_NAME_STATE) {      } elsif ($self->{state} == BEFORE_ATTRIBUTE_NAME_STATE) {
864          ## XML5: "Tag attribute name before state".
865    
866        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
867          !!!cp (45);          !!!cp (45);
868          ## Stay in the state          ## Stay in the state
# Line 690  sub _get_next_token ($) { Line 884  sub _get_next_token ($) {
884            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
885          }          }
886          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
887            $self->{s_kwd} = '';
888          !!!next-input-character;          !!!next-input-character;
889    
890          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 699  sub _get_next_token ($) { Line 894  sub _get_next_token ($) {
894                 $self->{nc} <= 0x005A) { # A..Z                 $self->{nc} <= 0x005A) { # A..Z
895          !!!cp (49);          !!!cp (49);
896          $self->{ca}          $self->{ca}
897              = {name => chr ($self->{nc} + 0x0020),              = {name => chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020)),
898                 value => '',                 value => '',
899                 line => $self->{line}, column => $self->{column}};                 line => $self->{line}, column => $self->{column}};
900          $self->{state} = ATTRIBUTE_NAME_STATE;          $self->{state} = ATTRIBUTE_NAME_STATE;
# Line 727  sub _get_next_token ($) { Line 922  sub _get_next_token ($) {
922            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
923          }          }
924          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
925            $self->{s_kwd} = '';
926          # reconsume          # reconsume
927    
928          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 739  sub _get_next_token ($) { Line 935  sub _get_next_token ($) {
935               0x003D => 1, # =               0x003D => 1, # =
936              }->{$self->{nc}}) {              }->{$self->{nc}}) {
937            !!!cp (55);            !!!cp (55);
938              ## XML5: Not a parse error.
939            !!!parse-error (type => 'bad attribute name');            !!!parse-error (type => 'bad attribute name');
940          } else {          } else {
941            !!!cp (56);            !!!cp (56);
942              ## XML5: ":" raises a parse error and is ignored.
943          }          }
944          $self->{ca}          $self->{ca}
945              = {name => chr ($self->{nc}),              = {name => chr ($self->{nc}),
# Line 752  sub _get_next_token ($) { Line 950  sub _get_next_token ($) {
950          redo A;          redo A;
951        }        }
952      } elsif ($self->{state} == ATTRIBUTE_NAME_STATE) {      } elsif ($self->{state} == ATTRIBUTE_NAME_STATE) {
953          ## XML5: "Tag attribute name state".
954    
955        my $before_leave = sub {        my $before_leave = sub {
956          if (exists $self->{ct}->{attributes} # start tag or end tag          if (exists $self->{ct}->{attributes} # start tag or end tag
957              ->{$self->{ca}->{name}}) { # MUST              ->{$self->{ca}->{name}}) { # MUST
# Line 762  sub _get_next_token ($) { Line 962  sub _get_next_token ($) {
962            !!!cp (58);            !!!cp (58);
963            $self->{ct}->{attributes}->{$self->{ca}->{name}}            $self->{ct}->{attributes}->{$self->{ca}->{name}}
964              = $self->{ca};              = $self->{ca};
965              $self->{ca}->{index} = ++$self->{ct}->{last_index};
966          }          }
967        }; # $before_leave        }; # $before_leave
968    
# Line 778  sub _get_next_token ($) { Line 979  sub _get_next_token ($) {
979          !!!next-input-character;          !!!next-input-character;
980          redo A;          redo A;
981        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
982            if ($self->{is_xml}) {
983              !!!cp (60.1);
984              ## XML5: Not a parse error.
985              !!!parse-error (type => 'no attr value'); ## TODO: type
986            } else {
987              !!!cp (60.2);
988            }
989    
990          $before_leave->();          $before_leave->();
991          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
992            !!!cp (61);            !!!cp (61);
# Line 792  sub _get_next_token ($) { Line 1001  sub _get_next_token ($) {
1001            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1002          }          }
1003          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1004            $self->{s_kwd} = '';
1005          !!!next-input-character;          !!!next-input-character;
1006    
1007          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 800  sub _get_next_token ($) { Line 1010  sub _get_next_token ($) {
1010        } elsif (0x0041 <= $self->{nc} and        } elsif (0x0041 <= $self->{nc} and
1011                 $self->{nc} <= 0x005A) { # A..Z                 $self->{nc} <= 0x005A) { # A..Z
1012          !!!cp (63);          !!!cp (63);
1013          $self->{ca}->{name} .= chr ($self->{nc} + 0x0020);          $self->{ca}->{name}
1014                .= chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020));
1015          ## Stay in the state          ## Stay in the state
1016          !!!next-input-character;          !!!next-input-character;
1017          redo A;          redo A;
1018        } elsif ($self->{nc} == 0x002F) { # /        } elsif ($self->{nc} == 0x002F) { # /
1019          !!!cp (64);          if ($self->{is_xml}) {
1020              !!!cp (64);
1021              ## XML5: Not a parse error.
1022              !!!parse-error (type => 'no attr value'); ## TODO: type
1023            } else {
1024              !!!cp (64.1);
1025            }
1026            
1027          $before_leave->();          $before_leave->();
1028          $self->{state} = SELF_CLOSING_START_TAG_STATE;          $self->{state} = SELF_CLOSING_START_TAG_STATE;
1029          !!!next-input-character;          !!!next-input-character;
# Line 829  sub _get_next_token ($) { Line 1047  sub _get_next_token ($) {
1047            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1048          }          }
1049          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1050            $self->{s_kwd} = '';
1051          # reconsume          # reconsume
1052    
1053          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 838  sub _get_next_token ($) { Line 1057  sub _get_next_token ($) {
1057          if ($self->{nc} == 0x0022 or # "          if ($self->{nc} == 0x0022 or # "
1058              $self->{nc} == 0x0027) { # '              $self->{nc} == 0x0027) { # '
1059            !!!cp (69);            !!!cp (69);
1060              ## XML5: Not a parse error.
1061            !!!parse-error (type => 'bad attribute name');            !!!parse-error (type => 'bad attribute name');
1062          } else {          } else {
1063            !!!cp (70);            !!!cp (70);
# Line 848  sub _get_next_token ($) { Line 1068  sub _get_next_token ($) {
1068          redo A;          redo A;
1069        }        }
1070      } elsif ($self->{state} == AFTER_ATTRIBUTE_NAME_STATE) {      } elsif ($self->{state} == AFTER_ATTRIBUTE_NAME_STATE) {
1071          ## XML5: "Tag attribute name after state".
1072          
1073        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
1074          !!!cp (71);          !!!cp (71);
1075          ## Stay in the state          ## Stay in the state
# Line 859  sub _get_next_token ($) { Line 1081  sub _get_next_token ($) {
1081          !!!next-input-character;          !!!next-input-character;
1082          redo A;          redo A;
1083        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
1084            if ($self->{is_xml}) {
1085              !!!cp (72.1);
1086              ## XML5: Not a parse error.
1087              !!!parse-error (type => 'no attr value'); ## TODO: type
1088            } else {
1089              !!!cp (72.2);
1090            }
1091    
1092          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1093            !!!cp (73);            !!!cp (73);
1094            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
# Line 875  sub _get_next_token ($) { Line 1105  sub _get_next_token ($) {
1105            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1106          }          }
1107          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1108            $self->{s_kwd} = '';
1109          !!!next-input-character;          !!!next-input-character;
1110    
1111          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 884  sub _get_next_token ($) { Line 1115  sub _get_next_token ($) {
1115                 $self->{nc} <= 0x005A) { # A..Z                 $self->{nc} <= 0x005A) { # A..Z
1116          !!!cp (76);          !!!cp (76);
1117          $self->{ca}          $self->{ca}
1118              = {name => chr ($self->{nc} + 0x0020),              = {name => chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020)),
1119                 value => '',                 value => '',
1120                 line => $self->{line}, column => $self->{column}};                 line => $self->{line}, column => $self->{column}};
1121          $self->{state} = ATTRIBUTE_NAME_STATE;          $self->{state} = ATTRIBUTE_NAME_STATE;
1122          !!!next-input-character;          !!!next-input-character;
1123          redo A;          redo A;
1124        } elsif ($self->{nc} == 0x002F) { # /        } elsif ($self->{nc} == 0x002F) { # /
1125          !!!cp (77);          if ($self->{is_xml}) {
1126              !!!cp (77);
1127              ## XML5: Not a parse error.
1128              !!!parse-error (type => 'no attr value'); ## TODO: type
1129            } else {
1130              !!!cp (77.1);
1131            }
1132            
1133          $self->{state} = SELF_CLOSING_START_TAG_STATE;          $self->{state} = SELF_CLOSING_START_TAG_STATE;
1134          !!!next-input-character;          !!!next-input-character;
1135          redo A;          redo A;
# Line 912  sub _get_next_token ($) { Line 1150  sub _get_next_token ($) {
1150          } else {          } else {
1151            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1152          }          }
1153            $self->{s_kwd} = '';
1154          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1155          # reconsume          # reconsume
1156    
# Line 919  sub _get_next_token ($) { Line 1158  sub _get_next_token ($) {
1158    
1159          redo A;          redo A;
1160        } else {        } else {
1161            if ($self->{is_xml}) {
1162              !!!cp (78.1);
1163              ## XML5: Not a parse error.
1164              !!!parse-error (type => 'no attr value'); ## TODO: type
1165            } else {
1166              !!!cp (78.2);
1167            }
1168    
1169          if ($self->{nc} == 0x0022 or # "          if ($self->{nc} == 0x0022 or # "
1170              $self->{nc} == 0x0027) { # '              $self->{nc} == 0x0027) { # '
1171            !!!cp (78);            !!!cp (78);
1172              ## XML5: Not a parse error.
1173            !!!parse-error (type => 'bad attribute name');            !!!parse-error (type => 'bad attribute name');
1174          } else {          } else {
1175            !!!cp (82);            !!!cp (82);
# Line 935  sub _get_next_token ($) { Line 1183  sub _get_next_token ($) {
1183          redo A;                  redo A;        
1184        }        }
1185      } elsif ($self->{state} == BEFORE_ATTRIBUTE_VALUE_STATE) {      } elsif ($self->{state} == BEFORE_ATTRIBUTE_VALUE_STATE) {
1186          ## XML5: "Tag attribute value before state".
1187    
1188        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
1189          !!!cp (83);          !!!cp (83);
1190          ## Stay in the state          ## Stay in the state
# Line 973  sub _get_next_token ($) { Line 1223  sub _get_next_token ($) {
1223            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1224          }          }
1225          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1226            $self->{s_kwd} = '';
1227          !!!next-input-character;          !!!next-input-character;
1228    
1229          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 996  sub _get_next_token ($) { Line 1247  sub _get_next_token ($) {
1247            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1248          }          }
1249          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1250            $self->{s_kwd} = '';
1251          ## reconsume          ## reconsume
1252    
1253          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 1004  sub _get_next_token ($) { Line 1256  sub _get_next_token ($) {
1256        } else {        } else {
1257          if ($self->{nc} == 0x003D) { # =          if ($self->{nc} == 0x003D) { # =
1258            !!!cp (93);            !!!cp (93);
1259              ## XML5: Not a parse error.
1260            !!!parse-error (type => 'bad attribute value');            !!!parse-error (type => 'bad attribute value');
1261            } elsif ($self->{is_xml}) {
1262              !!!cp (93.1);
1263              ## XML5: No parse error.
1264              !!!parse-error (type => 'unquoted attr value'); ## TODO
1265          } else {          } else {
1266            !!!cp (94);            !!!cp (94);
1267          }          }
# Line 1014  sub _get_next_token ($) { Line 1271  sub _get_next_token ($) {
1271          redo A;          redo A;
1272        }        }
1273      } elsif ($self->{state} == ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE) {      } elsif ($self->{state} == ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE) {
1274          ## XML5: "Tag attribute value double quoted state" and "DOCTYPE
1275          ## ATTLIST attribute value double quoted state".
1276          
1277        if ($self->{nc} == 0x0022) { # "        if ($self->{nc} == 0x0022) { # "
1278          !!!cp (95);          if ($self->{ct}->{type} == ATTLIST_TOKEN) {
1279          $self->{state} = AFTER_ATTRIBUTE_VALUE_QUOTED_STATE;            !!!cp (95.1);
1280              ## XML5: "DOCTYPE ATTLIST name after state".
1281              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1282              $self->{state} = AFTER_ATTLIST_ATTR_VALUE_QUOTED_STATE;
1283            } else {
1284              !!!cp (95);
1285              ## XML5: "Tag attribute name before state".
1286              $self->{state} = AFTER_ATTRIBUTE_VALUE_QUOTED_STATE;
1287            }
1288          !!!next-input-character;          !!!next-input-character;
1289          redo A;          redo A;
1290        } elsif ($self->{nc} == 0x0026) { # &        } elsif ($self->{nc} == 0x0026) { # &
1291          !!!cp (96);          !!!cp (96);
1292            ## XML5: Not defined yet.
1293    
1294          ## NOTE: In the spec, the tokenizer is switched to the          ## NOTE: In the spec, the tokenizer is switched to the
1295          ## "entity in attribute value state".  In this implementation, the          ## "entity in attribute value state".  In this implementation, the
1296          ## tokenizer is switched to the |ENTITY_STATE|, which is an          ## tokenizer is switched to the |ENTITY_STATE|, which is an
# Line 1035  sub _get_next_token ($) { Line 1305  sub _get_next_token ($) {
1305          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1306            !!!cp (97);            !!!cp (97);
1307            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
1308    
1309              $self->{state} = DATA_STATE;
1310              $self->{s_kwd} = '';
1311              ## reconsume
1312              !!!emit ($self->{ct}); # start tag
1313              redo A;
1314          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {
1315            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1316            if ($self->{ct}->{attributes}) {            if ($self->{ct}->{attributes}) {
# Line 1044  sub _get_next_token ($) { Line 1320  sub _get_next_token ($) {
1320              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1321              !!!cp (99);              !!!cp (99);
1322            }            }
1323    
1324              $self->{state} = DATA_STATE;
1325              $self->{s_kwd} = '';
1326              ## reconsume
1327              !!!emit ($self->{ct}); # end tag
1328              redo A;
1329            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1330              ## XML5: No parse error above; not defined yet.
1331              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1332              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1333              ## Reconsume.
1334              !!!emit ($self->{ct}); # ATTLIST
1335              redo A;
1336          } else {          } else {
1337            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1338          }          }
         $self->{state} = DATA_STATE;  
         ## reconsume  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1339        } else {        } else {
1340          !!!cp (100);          ## XML5 [ATTLIST]: Not defined yet.
1341            if ($self->{is_xml} and $self->{nc} == 0x003C) { # <
1342              !!!cp (100);
1343              ## XML5: Not a parse error.
1344              !!!parse-error (type => 'lt in attr value'); ## TODO: type
1345            } else {
1346              !!!cp (100.1);
1347            }
1348          $self->{ca}->{value} .= chr ($self->{nc});          $self->{ca}->{value} .= chr ($self->{nc});
1349          $self->{read_until}->($self->{ca}->{value},          $self->{read_until}->($self->{ca}->{value},
1350                                q["&],                                q["&<],
1351                                length $self->{ca}->{value});                                length $self->{ca}->{value});
1352    
1353          ## Stay in the state          ## Stay in the state
# Line 1065  sub _get_next_token ($) { Line 1355  sub _get_next_token ($) {
1355          redo A;          redo A;
1356        }        }
1357      } elsif ($self->{state} == ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE) {      } elsif ($self->{state} == ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE) {
1358          ## XML5: "Tag attribute value single quoted state" and "DOCTYPE
1359          ## ATTLIST attribute value single quoted state".
1360    
1361        if ($self->{nc} == 0x0027) { # '        if ($self->{nc} == 0x0027) { # '
1362          !!!cp (101);          if ($self->{ct}->{type} == ATTLIST_TOKEN) {
1363          $self->{state} = AFTER_ATTRIBUTE_VALUE_QUOTED_STATE;            !!!cp (101.1);
1364              ## XML5: "DOCTYPE ATTLIST name after state".
1365              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1366              $self->{state} = AFTER_ATTLIST_ATTR_VALUE_QUOTED_STATE;
1367            } else {
1368              !!!cp (101);
1369              ## XML5: "Before attribute name state" (sic).
1370              $self->{state} = AFTER_ATTRIBUTE_VALUE_QUOTED_STATE;
1371            }
1372          !!!next-input-character;          !!!next-input-character;
1373          redo A;          redo A;
1374        } elsif ($self->{nc} == 0x0026) { # &        } elsif ($self->{nc} == 0x0026) { # &
1375          !!!cp (102);          !!!cp (102);
1376            ## XML5: Not defined yet.
1377    
1378          ## NOTE: In the spec, the tokenizer is switched to the          ## NOTE: In the spec, the tokenizer is switched to the
1379          ## "entity in attribute value state".  In this implementation, the          ## "entity in attribute value state".  In this implementation, the
1380          ## tokenizer is switched to the |ENTITY_STATE|, which is an          ## tokenizer is switched to the |ENTITY_STATE|, which is an
# Line 1086  sub _get_next_token ($) { Line 1389  sub _get_next_token ($) {
1389          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1390            !!!cp (103);            !!!cp (103);
1391            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
1392    
1393              $self->{state} = DATA_STATE;
1394              $self->{s_kwd} = '';
1395              ## reconsume
1396              !!!emit ($self->{ct}); # start tag
1397              redo A;
1398          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {
1399            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1400            if ($self->{ct}->{attributes}) {            if ($self->{ct}->{attributes}) {
# Line 1095  sub _get_next_token ($) { Line 1404  sub _get_next_token ($) {
1404              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1405              !!!cp (105);              !!!cp (105);
1406            }            }
1407    
1408              $self->{state} = DATA_STATE;
1409              $self->{s_kwd} = '';
1410              ## reconsume
1411              !!!emit ($self->{ct}); # end tag
1412              redo A;
1413            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1414              ## XML5: No parse error above; not defined yet.
1415              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1416              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1417              ## Reconsume.
1418              !!!emit ($self->{ct}); # ATTLIST
1419              redo A;
1420          } else {          } else {
1421            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1422          }          }
         $self->{state} = DATA_STATE;  
         ## reconsume  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1423        } else {        } else {
1424          !!!cp (106);          ## XML5 [ATTLIST]: Not defined yet.
1425            if ($self->{is_xml} and $self->{nc} == 0x003C) { # <
1426              !!!cp (106);
1427              ## XML5: Not a parse error.
1428              !!!parse-error (type => 'lt in attr value'); ## TODO: type
1429            } else {
1430              !!!cp (106.1);
1431            }
1432          $self->{ca}->{value} .= chr ($self->{nc});          $self->{ca}->{value} .= chr ($self->{nc});
1433          $self->{read_until}->($self->{ca}->{value},          $self->{read_until}->($self->{ca}->{value},
1434                                q['&],                                q['&<],
1435                                length $self->{ca}->{value});                                length $self->{ca}->{value});
1436    
1437          ## Stay in the state          ## Stay in the state
# Line 1116  sub _get_next_token ($) { Line 1439  sub _get_next_token ($) {
1439          redo A;          redo A;
1440        }        }
1441      } elsif ($self->{state} == ATTRIBUTE_VALUE_UNQUOTED_STATE) {      } elsif ($self->{state} == ATTRIBUTE_VALUE_UNQUOTED_STATE) {
1442          ## XML5: "Tag attribute value unquoted state".
1443    
1444        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
1445          !!!cp (107);          if ($self->{ct}->{type} == ATTLIST_TOKEN) {
1446          $self->{state} = BEFORE_ATTRIBUTE_NAME_STATE;            !!!cp (107.1);
1447              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1448              $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
1449            } else {
1450              !!!cp (107);
1451              ## XML5: "Tag attribute name before state".
1452              $self->{state} = BEFORE_ATTRIBUTE_NAME_STATE;
1453            }
1454          !!!next-input-character;          !!!next-input-character;
1455          redo A;          redo A;
1456        } elsif ($self->{nc} == 0x0026) { # &        } elsif ($self->{nc} == 0x0026) { # &
1457          !!!cp (108);          !!!cp (108);
1458    
1459            ## XML5: Not defined yet.
1460    
1461          ## NOTE: In the spec, the tokenizer is switched to the          ## NOTE: In the spec, the tokenizer is switched to the
1462          ## "entity in attribute value state".  In this implementation, the          ## "entity in attribute value state".  In this implementation, the
1463          ## tokenizer is switched to the |ENTITY_STATE|, which is an          ## tokenizer is switched to the |ENTITY_STATE|, which is an
# Line 1136  sub _get_next_token ($) { Line 1471  sub _get_next_token ($) {
1471          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1472            !!!cp (109);            !!!cp (109);
1473            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
1474    
1475              $self->{state} = DATA_STATE;
1476              $self->{s_kwd} = '';
1477              !!!next-input-character;
1478              !!!emit ($self->{ct}); # start tag
1479              redo A;
1480          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {
1481            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1482            if ($self->{ct}->{attributes}) {            if ($self->{ct}->{attributes}) {
# Line 1145  sub _get_next_token ($) { Line 1486  sub _get_next_token ($) {
1486              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1487              !!!cp (111);              !!!cp (111);
1488            }            }
1489    
1490              $self->{state} = DATA_STATE;
1491              $self->{s_kwd} = '';
1492              !!!next-input-character;
1493              !!!emit ($self->{ct}); # end tag
1494              redo A;
1495            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1496              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1497              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1498              !!!next-input-character;
1499              !!!emit ($self->{ct}); # ATTLIST
1500              redo A;
1501          } else {          } else {
1502            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1503          }          }
         $self->{state} = DATA_STATE;  
         !!!next-input-character;  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1504        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!parse-error (type => 'unclosed tag');  
1505          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1506            !!!cp (112);            !!!cp (112);
1507              !!!parse-error (type => 'unclosed tag');
1508            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
1509    
1510              $self->{state} = DATA_STATE;
1511              $self->{s_kwd} = '';
1512              ## reconsume
1513              !!!emit ($self->{ct}); # start tag
1514              redo A;
1515          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {
1516              !!!parse-error (type => 'unclosed tag');
1517            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1518            if ($self->{ct}->{attributes}) {            if ($self->{ct}->{attributes}) {
1519              !!!cp (113);              !!!cp (113);
# Line 1168  sub _get_next_token ($) { Line 1522  sub _get_next_token ($) {
1522              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1523              !!!cp (114);              !!!cp (114);
1524            }            }
1525    
1526              $self->{state} = DATA_STATE;
1527              $self->{s_kwd} = '';
1528              ## reconsume
1529              !!!emit ($self->{ct}); # end tag
1530              redo A;
1531            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1532              !!!parse-error (type => 'unclosed md'); ## TODO: type
1533              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1534              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1535              ## Reconsume.
1536              !!!emit ($self->{ct}); # ATTLIST
1537              redo A;
1538          } else {          } else {
1539            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1540          }          }
         $self->{state} = DATA_STATE;  
         ## reconsume  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1541        } else {        } else {
1542          if ({          if ({
1543               0x0022 => 1, # "               0x0022 => 1, # "
# Line 1184  sub _get_next_token ($) { Line 1545  sub _get_next_token ($) {
1545               0x003D => 1, # =               0x003D => 1, # =
1546              }->{$self->{nc}}) {              }->{$self->{nc}}) {
1547            !!!cp (115);            !!!cp (115);
1548              ## XML5: Not a parse error.
1549            !!!parse-error (type => 'bad attribute value');            !!!parse-error (type => 'bad attribute value');
1550          } else {          } else {
1551            !!!cp (116);            !!!cp (116);
# Line 1220  sub _get_next_token ($) { Line 1582  sub _get_next_token ($) {
1582            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1583          }          }
1584          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1585            $self->{s_kwd} = '';
1586          !!!next-input-character;          !!!next-input-character;
1587    
1588          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 1247  sub _get_next_token ($) { Line 1610  sub _get_next_token ($) {
1610            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1611          }          }
1612          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1613            $self->{s_kwd} = '';
1614          ## Reconsume.          ## Reconsume.
1615          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
1616          redo A;          redo A;
# Line 1258  sub _get_next_token ($) { Line 1622  sub _get_next_token ($) {
1622          redo A;          redo A;
1623        }        }
1624      } elsif ($self->{state} == SELF_CLOSING_START_TAG_STATE) {      } elsif ($self->{state} == SELF_CLOSING_START_TAG_STATE) {
1625          ## XML5: "Empty tag state".
1626    
1627        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
1628          if ($self->{ct}->{type} == END_TAG_TOKEN) {          if ($self->{ct}->{type} == END_TAG_TOKEN) {
1629            !!!cp ('124.2');            !!!cp ('124.2');
# Line 1277  sub _get_next_token ($) { Line 1643  sub _get_next_token ($) {
1643          }          }
1644    
1645          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1646            $self->{s_kwd} = '';
1647          !!!next-input-character;          !!!next-input-character;
1648    
1649          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 1298  sub _get_next_token ($) { Line 1665  sub _get_next_token ($) {
1665          } else {          } else {
1666            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1667          }          }
1668            ## XML5: "Tag attribute name before state".
1669          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1670            $self->{s_kwd} = '';
1671          ## Reconsume.          ## Reconsume.
1672          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
1673          redo A;          redo A;
# Line 1311  sub _get_next_token ($) { Line 1680  sub _get_next_token ($) {
1680          redo A;          redo A;
1681        }        }
1682      } elsif ($self->{state} == BOGUS_COMMENT_STATE) {      } elsif ($self->{state} == BOGUS_COMMENT_STATE) {
1683        ## (only happen if PCDATA state)        ## XML5: "Bogus comment state" and "DOCTYPE bogus comment state".
1684    
1685        ## NOTE: Unlike spec's "bogus comment state", this implementation        ## NOTE: Unlike spec's "bogus comment state", this implementation
1686        ## consumes characters one-by-one basis.        ## consumes characters one-by-one basis.
1687                
1688        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
1689          !!!cp (124);          if ($self->{in_subset}) {
1690          $self->{state} = DATA_STATE;            !!!cp (123);
1691              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1692            } else {
1693              !!!cp (124);
1694              $self->{state} = DATA_STATE;
1695              $self->{s_kwd} = '';
1696            }
1697          !!!next-input-character;          !!!next-input-character;
1698    
1699          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
1700          redo A;          redo A;
1701        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
1702          !!!cp (125);          if ($self->{in_subset}) {
1703          $self->{state} = DATA_STATE;            !!!cp (125.1);
1704              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1705            } else {
1706              !!!cp (125);
1707              $self->{state} = DATA_STATE;
1708              $self->{s_kwd} = '';
1709            }
1710          ## reconsume          ## reconsume
1711    
1712          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1342  sub _get_next_token ($) { Line 1723  sub _get_next_token ($) {
1723          redo A;          redo A;
1724        }        }
1725      } elsif ($self->{state} == MARKUP_DECLARATION_OPEN_STATE) {      } elsif ($self->{state} == MARKUP_DECLARATION_OPEN_STATE) {
1726        ## (only happen if PCDATA state)        ## XML5: "Markup declaration state".
1727                
1728        if ($self->{nc} == 0x002D) { # -        if ($self->{nc} == 0x002D) { # -
1729          !!!cp (133);          !!!cp (133);
# Line 1354  sub _get_next_token ($) { Line 1735  sub _get_next_token ($) {
1735          ## ASCII case-insensitive.          ## ASCII case-insensitive.
1736          !!!cp (130);          !!!cp (130);
1737          $self->{state} = MD_DOCTYPE_STATE;          $self->{state} = MD_DOCTYPE_STATE;
1738          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
1739          !!!next-input-character;          !!!next-input-character;
1740          redo A;          redo A;
1741        } elsif ($self->{insertion_mode} & IN_FOREIGN_CONTENT_IM and        } elsif ((($self->{insertion_mode} & IN_FOREIGN_CONTENT_IM and
1742                 $self->{open_elements}->[-1]->[1] & FOREIGN_EL and                   $self->{open_elements}->[-1]->[1] & FOREIGN_EL) or
1743                    $self->{is_xml}) and
1744                 $self->{nc} == 0x005B) { # [                 $self->{nc} == 0x005B) { # [
1745          !!!cp (135.4);                          !!!cp (135.4);                
1746          $self->{state} = MD_CDATA_STATE;          $self->{state} = MD_CDATA_STATE;
1747          $self->{s_kwd} = '[';          $self->{kwd} = '[';
1748          !!!next-input-character;          !!!next-input-character;
1749          redo A;          redo A;
1750        } else {        } else {
# Line 1386  sub _get_next_token ($) { Line 1768  sub _get_next_token ($) {
1768                                    line => $self->{line_prev},                                    line => $self->{line_prev},
1769                                    column => $self->{column_prev} - 2,                                    column => $self->{column_prev} - 2,
1770                                   };                                   };
1771          $self->{state} = COMMENT_START_STATE;          $self->{state} = COMMENT_START_STATE; ## XML5: "comment state".
1772          !!!next-input-character;          !!!next-input-character;
1773          redo A;          redo A;
1774        } else {        } else {
# Line 1412  sub _get_next_token ($) { Line 1794  sub _get_next_token ($) {
1794              0x0054, # T              0x0054, # T
1795              0x0059, # Y              0x0059, # Y
1796              0x0050, # P              0x0050, # P
1797            ]->[length $self->{s_kwd}] or            ]->[length $self->{kwd}] or
1798            $self->{nc} == [            $self->{nc} == [
1799              undef,              undef,
1800              0x006F, # o              0x006F, # o
# Line 1420  sub _get_next_token ($) { Line 1802  sub _get_next_token ($) {
1802              0x0074, # t              0x0074, # t
1803              0x0079, # y              0x0079, # y
1804              0x0070, # p              0x0070, # p
1805            ]->[length $self->{s_kwd}]) {            ]->[length $self->{kwd}]) {
1806          !!!cp (131);          !!!cp (131);
1807          ## Stay in the state.          ## Stay in the state.
1808          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
1809          !!!next-input-character;          !!!next-input-character;
1810          redo A;          redo A;
1811        } elsif ((length $self->{s_kwd}) == 6 and        } elsif ((length $self->{kwd}) == 6 and
1812                 ($self->{nc} == 0x0045 or # E                 ($self->{nc} == 0x0045 or # E
1813                  $self->{nc} == 0x0065)) { # e                  $self->{nc} == 0x0065)) { # e
1814          !!!cp (129);          if ($self->{is_xml} and
1815                ($self->{kwd} ne 'DOCTYP' or $self->{nc} == 0x0065)) {
1816              !!!cp (129);
1817              ## XML5: case-sensitive.
1818              !!!parse-error (type => 'lowercase keyword', ## TODO
1819                              text => 'DOCTYPE',
1820                              line => $self->{line_prev},
1821                              column => $self->{column_prev} - 5);
1822            } else {
1823              !!!cp (129.1);
1824            }
1825          $self->{state} = DOCTYPE_STATE;          $self->{state} = DOCTYPE_STATE;
1826          $self->{ct} = {type => DOCTYPE_TOKEN,          $self->{ct} = {type => DOCTYPE_TOKEN,
1827                                    quirks => 1,                                    quirks => 1,
# Line 1442  sub _get_next_token ($) { Line 1834  sub _get_next_token ($) {
1834          !!!cp (132);                  !!!cp (132);        
1835          !!!parse-error (type => 'bogus comment',          !!!parse-error (type => 'bogus comment',
1836                          line => $self->{line_prev},                          line => $self->{line_prev},
1837                          column => $self->{column_prev} - 1 - length $self->{s_kwd});                          column => $self->{column_prev} - 1 - length $self->{kwd});
1838          $self->{state} = BOGUS_COMMENT_STATE;          $self->{state} = BOGUS_COMMENT_STATE;
1839          ## Reconsume.          ## Reconsume.
1840          $self->{ct} = {type => COMMENT_TOKEN,          $self->{ct} = {type => COMMENT_TOKEN,
1841                                    data => $self->{s_kwd},                                    data => $self->{kwd},
1842                                    line => $self->{line_prev},                                    line => $self->{line_prev},
1843                                    column => $self->{column_prev} - 1 - length $self->{s_kwd},                                    column => $self->{column_prev} - 1 - length $self->{kwd},
1844                                   };                                   };
1845          redo A;          redo A;
1846        }        }
# Line 1459  sub _get_next_token ($) { Line 1851  sub _get_next_token ($) {
1851              '[CD' => 0x0041, # A              '[CD' => 0x0041, # A
1852              '[CDA' => 0x0054, # T              '[CDA' => 0x0054, # T
1853              '[CDAT' => 0x0041, # A              '[CDAT' => 0x0041, # A
1854            }->{$self->{s_kwd}}) {            }->{$self->{kwd}}) {
1855          !!!cp (135.1);          !!!cp (135.1);
1856          ## Stay in the state.          ## Stay in the state.
1857          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
1858          !!!next-input-character;          !!!next-input-character;
1859          redo A;          redo A;
1860        } elsif ($self->{s_kwd} eq '[CDATA' and        } elsif ($self->{kwd} eq '[CDATA' and
1861                 $self->{nc} == 0x005B) { # [                 $self->{nc} == 0x005B) { # [
1862          !!!cp (135.2);          if ($self->{is_xml} and
1863                not $self->{tainted} and
1864                @{$self->{open_elements} or []} == 0) {
1865              !!!cp (135.2);
1866              !!!parse-error (type => 'cdata outside of root element',
1867                              line => $self->{line_prev},
1868                              column => $self->{column_prev} - 7);
1869              $self->{tainted} = 1;
1870            } else {
1871              !!!cp (135.21);
1872            }
1873    
1874          $self->{ct} = {type => CHARACTER_TOKEN,          $self->{ct} = {type => CHARACTER_TOKEN,
1875                                    data => '',                                    data => '',
1876                                    line => $self->{line_prev},                                    line => $self->{line_prev},
# Line 1479  sub _get_next_token ($) { Line 1882  sub _get_next_token ($) {
1882          !!!cp (135.3);          !!!cp (135.3);
1883          !!!parse-error (type => 'bogus comment',          !!!parse-error (type => 'bogus comment',
1884                          line => $self->{line_prev},                          line => $self->{line_prev},
1885                          column => $self->{column_prev} - 1 - length $self->{s_kwd});                          column => $self->{column_prev} - 1 - length $self->{kwd});
1886          $self->{state} = BOGUS_COMMENT_STATE;          $self->{state} = BOGUS_COMMENT_STATE;
1887          ## Reconsume.          ## Reconsume.
1888          $self->{ct} = {type => COMMENT_TOKEN,          $self->{ct} = {type => COMMENT_TOKEN,
1889                                    data => $self->{s_kwd},                                    data => $self->{kwd},
1890                                    line => $self->{line_prev},                                    line => $self->{line_prev},
1891                                    column => $self->{column_prev} - 1 - length $self->{s_kwd},                                    column => $self->{column_prev} - 1 - length $self->{kwd},
1892                                   };                                   };
1893          redo A;          redo A;
1894        }        }
# Line 1496  sub _get_next_token ($) { Line 1899  sub _get_next_token ($) {
1899          !!!next-input-character;          !!!next-input-character;
1900          redo A;          redo A;
1901        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (138);  
1902          !!!parse-error (type => 'bogus comment');          !!!parse-error (type => 'bogus comment');
1903          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
1904              !!!cp (138.1);
1905              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1906            } else {
1907              !!!cp (138);
1908              $self->{state} = DATA_STATE;
1909              $self->{s_kwd} = '';
1910            }
1911          !!!next-input-character;          !!!next-input-character;
1912    
1913          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
1914    
1915          redo A;          redo A;
1916        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (139);  
1917          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
1918          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
1919              !!!cp (139.1);
1920              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1921            } else {
1922              !!!cp (139);
1923              $self->{state} = DATA_STATE;
1924              $self->{s_kwd} = '';
1925            }
1926          ## reconsume          ## reconsume
1927    
1928          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1528  sub _get_next_token ($) { Line 1943  sub _get_next_token ($) {
1943          !!!next-input-character;          !!!next-input-character;
1944          redo A;          redo A;
1945        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (142);  
1946          !!!parse-error (type => 'bogus comment');          !!!parse-error (type => 'bogus comment');
1947          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
1948              !!!cp (142.1);
1949              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1950            } else {
1951              !!!cp (142);
1952              $self->{state} = DATA_STATE;
1953              $self->{s_kwd} = '';
1954            }
1955          !!!next-input-character;          !!!next-input-character;
1956    
1957          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
1958    
1959          redo A;          redo A;
1960        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (143);  
1961          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
1962          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
1963              !!!cp (143.1);
1964              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1965            } else {
1966              !!!cp (143);
1967              $self->{state} = DATA_STATE;
1968              $self->{s_kwd} = '';
1969            }
1970          ## reconsume          ## reconsume
1971    
1972          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1554  sub _get_next_token ($) { Line 1981  sub _get_next_token ($) {
1981          redo A;          redo A;
1982        }        }
1983      } elsif ($self->{state} == COMMENT_STATE) {      } elsif ($self->{state} == COMMENT_STATE) {
1984          ## XML5: "Comment state" and "DOCTYPE comment state".
1985    
1986        if ($self->{nc} == 0x002D) { # -        if ($self->{nc} == 0x002D) { # -
1987          !!!cp (145);          !!!cp (145);
1988          $self->{state} = COMMENT_END_DASH_STATE;          $self->{state} = COMMENT_END_DASH_STATE;
1989          !!!next-input-character;          !!!next-input-character;
1990          redo A;          redo A;
1991        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (146);  
1992          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
1993          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
1994              !!!cp (146.1);
1995              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1996            } else {
1997              !!!cp (146);
1998              $self->{state} = DATA_STATE;
1999              $self->{s_kwd} = '';
2000            }
2001          ## reconsume          ## reconsume
2002    
2003          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1580  sub _get_next_token ($) { Line 2015  sub _get_next_token ($) {
2015          redo A;          redo A;
2016        }        }
2017      } elsif ($self->{state} == COMMENT_END_DASH_STATE) {      } elsif ($self->{state} == COMMENT_END_DASH_STATE) {
2018          ## XML5: "Comment dash state" and "DOCTYPE comment dash state".
2019    
2020        if ($self->{nc} == 0x002D) { # -        if ($self->{nc} == 0x002D) { # -
2021          !!!cp (148);          !!!cp (148);
2022          $self->{state} = COMMENT_END_STATE;          $self->{state} = COMMENT_END_STATE;
2023          !!!next-input-character;          !!!next-input-character;
2024          redo A;          redo A;
2025        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (149);  
2026          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
2027          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
2028              !!!cp (149.1);
2029              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2030            } else {
2031              !!!cp (149);
2032              $self->{state} = DATA_STATE;
2033              $self->{s_kwd} = '';
2034            }
2035          ## reconsume          ## reconsume
2036    
2037          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1602  sub _get_next_token ($) { Line 2045  sub _get_next_token ($) {
2045          redo A;          redo A;
2046        }        }
2047      } elsif ($self->{state} == COMMENT_END_STATE) {      } elsif ($self->{state} == COMMENT_END_STATE) {
2048          ## XML5: "Comment end state" and "DOCTYPE comment end state".
2049    
2050        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
2051          !!!cp (151);          if ($self->{in_subset}) {
2052          $self->{state} = DATA_STATE;            !!!cp (151.1);
2053              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2054            } else {
2055              !!!cp (151);
2056              $self->{state} = DATA_STATE;
2057              $self->{s_kwd} = '';
2058            }
2059          !!!next-input-character;          !!!next-input-character;
2060    
2061          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1612  sub _get_next_token ($) { Line 2063  sub _get_next_token ($) {
2063          redo A;          redo A;
2064        } elsif ($self->{nc} == 0x002D) { # -        } elsif ($self->{nc} == 0x002D) { # -
2065          !!!cp (152);          !!!cp (152);
2066            ## XML5: Not a parse error.
2067          !!!parse-error (type => 'dash in comment',          !!!parse-error (type => 'dash in comment',
2068                          line => $self->{line_prev},                          line => $self->{line_prev},
2069                          column => $self->{column_prev});                          column => $self->{column_prev});
# Line 1620  sub _get_next_token ($) { Line 2072  sub _get_next_token ($) {
2072          !!!next-input-character;          !!!next-input-character;
2073          redo A;          redo A;
2074        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (153);  
2075          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
2076          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
2077              !!!cp (153.1);
2078              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2079            } else {
2080              !!!cp (153);
2081              $self->{state} = DATA_STATE;
2082              $self->{s_kwd} = '';
2083            }
2084          ## reconsume          ## reconsume
2085    
2086          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1630  sub _get_next_token ($) { Line 2088  sub _get_next_token ($) {
2088          redo A;          redo A;
2089        } else {        } else {
2090          !!!cp (154);          !!!cp (154);
2091            ## XML5: Not a parse error.
2092          !!!parse-error (type => 'dash in comment',          !!!parse-error (type => 'dash in comment',
2093                          line => $self->{line_prev},                          line => $self->{line_prev},
2094                          column => $self->{column_prev});                          column => $self->{column_prev});
# Line 1646  sub _get_next_token ($) { Line 2105  sub _get_next_token ($) {
2105          redo A;          redo A;
2106        } else {        } else {
2107          !!!cp (156);          !!!cp (156);
2108            ## XML5: Unless EOF, swith to the bogus comment state.
2109          !!!parse-error (type => 'no space before DOCTYPE name');          !!!parse-error (type => 'no space before DOCTYPE name');
2110          $self->{state} = BEFORE_DOCTYPE_NAME_STATE;          $self->{state} = BEFORE_DOCTYPE_NAME_STATE;
2111          ## reconsume          ## reconsume
2112          redo A;          redo A;
2113        }        }
2114      } elsif ($self->{state} == BEFORE_DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == BEFORE_DOCTYPE_NAME_STATE) {
2115          ## XML5: "DOCTYPE root name before state".
2116    
2117        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2118          !!!cp (157);          !!!cp (157);
2119          ## Stay in the state          ## Stay in the state
# Line 1659  sub _get_next_token ($) { Line 2121  sub _get_next_token ($) {
2121          redo A;          redo A;
2122        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2123          !!!cp (158);          !!!cp (158);
2124            ## XML5: No parse error.
2125          !!!parse-error (type => 'no DOCTYPE name');          !!!parse-error (type => 'no DOCTYPE name');
2126          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2127            $self->{s_kwd} = '';
2128          !!!next-input-character;          !!!next-input-character;
2129    
2130          !!!emit ($self->{ct}); # DOCTYPE (quirks)          !!!emit ($self->{ct}); # DOCTYPE (quirks)
# Line 1670  sub _get_next_token ($) { Line 2134  sub _get_next_token ($) {
2134          !!!cp (159);          !!!cp (159);
2135          !!!parse-error (type => 'no DOCTYPE name');          !!!parse-error (type => 'no DOCTYPE name');
2136          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2137            $self->{s_kwd} = '';
2138          ## reconsume          ## reconsume
2139    
2140          !!!emit ($self->{ct}); # DOCTYPE (quirks)          !!!emit ($self->{ct}); # DOCTYPE (quirks)
2141    
2142          redo A;          redo A;
2143          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
2144            !!!cp (159.1);
2145            !!!parse-error (type => 'no DOCTYPE name');
2146            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2147            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2148            $self->{in_subset} = 1;
2149            !!!next-input-character;
2150            !!!emit ($self->{ct}); # DOCTYPE
2151            redo A;
2152        } else {        } else {
2153          !!!cp (160);          !!!cp (160);
2154          $self->{ct}->{name} = chr $self->{nc};          $self->{ct}->{name} = chr $self->{nc};
# Line 1684  sub _get_next_token ($) { Line 2158  sub _get_next_token ($) {
2158          redo A;          redo A;
2159        }        }
2160      } elsif ($self->{state} == DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == DOCTYPE_NAME_STATE) {
2161  ## ISSUE: Redundant "First," in the spec.        ## XML5: "DOCTYPE root name state".
2162    
2163          ## ISSUE: Redundant "First," in the spec.
2164    
2165        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2166          !!!cp (161);          !!!cp (161);
2167          $self->{state} = AFTER_DOCTYPE_NAME_STATE;          $self->{state} = AFTER_DOCTYPE_NAME_STATE;
# Line 1693  sub _get_next_token ($) { Line 2170  sub _get_next_token ($) {
2170        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2171          !!!cp (162);          !!!cp (162);
2172          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2173            $self->{s_kwd} = '';
2174          !!!next-input-character;          !!!next-input-character;
2175    
2176          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
# Line 1702  sub _get_next_token ($) { Line 2180  sub _get_next_token ($) {
2180          !!!cp (163);          !!!cp (163);
2181          !!!parse-error (type => 'unclosed DOCTYPE');          !!!parse-error (type => 'unclosed DOCTYPE');
2182          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2183            $self->{s_kwd} = '';
2184          ## reconsume          ## reconsume
2185    
2186          $self->{ct}->{quirks} = 1;          $self->{ct}->{quirks} = 1;
2187          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2188    
2189          redo A;          redo A;
2190          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
2191            !!!cp (163.1);
2192            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2193            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2194            $self->{in_subset} = 1;
2195            !!!next-input-character;
2196            !!!emit ($self->{ct}); # DOCTYPE
2197            redo A;
2198        } else {        } else {
2199          !!!cp (164);          !!!cp (164);
2200          $self->{ct}->{name}          $self->{ct}->{name}
# Line 1717  sub _get_next_token ($) { Line 2204  sub _get_next_token ($) {
2204          redo A;          redo A;
2205        }        }
2206      } elsif ($self->{state} == AFTER_DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == AFTER_DOCTYPE_NAME_STATE) {
2207          ## XML5: Corresponding to XML5's "DOCTYPE root name after
2208          ## state", but implemented differently.
2209    
2210        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2211          !!!cp (165);          !!!cp (165);
2212          ## Stay in the state          ## Stay in the state
2213          !!!next-input-character;          !!!next-input-character;
2214          redo A;          redo A;
2215        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2216          !!!cp (166);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2217          $self->{state} = DATA_STATE;            !!!cp (166);
2218              $self->{state} = DATA_STATE;
2219              $self->{s_kwd} = '';
2220            } else {
2221              !!!cp (166.1);
2222              !!!parse-error (type => 'no md def'); ## TODO: type
2223              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2224            }
2225            
2226          !!!next-input-character;          !!!next-input-character;
2227            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         !!!emit ($self->{ct}); # DOCTYPE  
   
2228          redo A;          redo A;
2229        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2230          !!!cp (167);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2231          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (167);
2232          $self->{state} = DATA_STATE;            !!!parse-error (type => 'unclosed DOCTYPE');
2233          ## reconsume            $self->{state} = DATA_STATE;
2234              $self->{s_kwd} = '';
2235          $self->{ct}->{quirks} = 1;            $self->{ct}->{quirks} = 1;
2236          !!!emit ($self->{ct}); # DOCTYPE          } else {
2237              !!!cp (167.12);
2238              !!!parse-error (type => 'unclosed md'); ## TODO: type
2239              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2240            }
2241            
2242            ## Reconsume.
2243            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2244          redo A;          redo A;
2245        } elsif ($self->{nc} == 0x0050 or # P        } elsif ($self->{nc} == 0x0050 or # P
2246                 $self->{nc} == 0x0070) { # p                 $self->{nc} == 0x0070) { # p
2247            !!!cp (167.1);
2248          $self->{state} = PUBLIC_STATE;          $self->{state} = PUBLIC_STATE;
2249          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
2250          !!!next-input-character;          !!!next-input-character;
2251          redo A;          redo A;
2252        } elsif ($self->{nc} == 0x0053 or # S        } elsif ($self->{nc} == 0x0053 or # S
2253                 $self->{nc} == 0x0073) { # s                 $self->{nc} == 0x0073) { # s
2254            !!!cp (167.2);
2255          $self->{state} = SYSTEM_STATE;          $self->{state} = SYSTEM_STATE;
2256          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
2257            !!!next-input-character;
2258            redo A;
2259    ## TODO: " and ' for ENTITY
2260          } elsif ($self->{is_xml} and
2261                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2262                   $self->{nc} == 0x005B) { # [
2263            !!!cp (167.3);
2264            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2265            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2266            $self->{in_subset} = 1;
2267          !!!next-input-character;          !!!next-input-character;
2268            !!!emit ($self->{ct}); # DOCTYPE
2269          redo A;          redo A;
2270        } else {        } else {
2271          !!!cp (180);          !!!parse-error (type => 'string after DOCTYPE name'); ## TODO: type
2272          !!!parse-error (type => 'string after DOCTYPE name');  
2273          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2274              !!!cp (180);
2275              $self->{ct}->{quirks} = 1;
2276              $self->{state} = BOGUS_DOCTYPE_STATE;
2277            } else {
2278              !!!cp (180.1);
2279              $self->{state} = BOGUS_MD_STATE;
2280            }
2281    
         $self->{state} = BOGUS_DOCTYPE_STATE;  
2282          !!!next-input-character;          !!!next-input-character;
2283          redo A;          redo A;
2284        }        }
# Line 1769  sub _get_next_token ($) { Line 2290  sub _get_next_token ($) {
2290              0x0042, # B              0x0042, # B
2291              0x004C, # L              0x004C, # L
2292              0x0049, # I              0x0049, # I
2293            ]->[length $self->{s_kwd}] or            ]->[length $self->{kwd}] or
2294            $self->{nc} == [            $self->{nc} == [
2295              undef,              undef,
2296              0x0075, # u              0x0075, # u
2297              0x0062, # b              0x0062, # b
2298              0x006C, # l              0x006C, # l
2299              0x0069, # i              0x0069, # i
2300            ]->[length $self->{s_kwd}]) {            ]->[length $self->{kwd}]) {
2301          !!!cp (175);          !!!cp (175);
2302          ## Stay in the state.          ## Stay in the state.
2303          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
2304          !!!next-input-character;          !!!next-input-character;
2305          redo A;          redo A;
2306        } elsif ((length $self->{s_kwd}) == 5 and        } elsif ((length $self->{kwd}) == 5 and
2307                 ($self->{nc} == 0x0043 or # C                 ($self->{nc} == 0x0043 or # C
2308                  $self->{nc} == 0x0063)) { # c                  $self->{nc} == 0x0063)) { # c
2309          !!!cp (168);          if ($self->{is_xml} and
2310                ($self->{kwd} ne 'PUBLI' or $self->{nc} == 0x0063)) { # c
2311              !!!cp (168.1);
2312              !!!parse-error (type => 'lowercase keyword', ## TODO: type
2313                              text => 'PUBLIC',
2314                              line => $self->{line_prev},
2315                              column => $self->{column_prev} - 4);
2316            } else {
2317              !!!cp (168);
2318            }
2319          $self->{state} = BEFORE_DOCTYPE_PUBLIC_IDENTIFIER_STATE;          $self->{state} = BEFORE_DOCTYPE_PUBLIC_IDENTIFIER_STATE;
2320          !!!next-input-character;          !!!next-input-character;
2321          redo A;          redo A;
2322        } else {        } else {
2323          !!!cp (169);          !!!parse-error (type => 'string after DOCTYPE name', ## TODO: type
         !!!parse-error (type => 'string after DOCTYPE name',  
2324                          line => $self->{line_prev},                          line => $self->{line_prev},
2325                          column => $self->{column_prev} + 1 - length $self->{s_kwd});                          column => $self->{column_prev} + 1 - length $self->{kwd});
2326          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2327              !!!cp (169);
2328          $self->{state} = BOGUS_DOCTYPE_STATE;            $self->{ct}->{quirks} = 1;
2329              $self->{state} = BOGUS_DOCTYPE_STATE;
2330            } else {
2331              !!!cp (169.1);
2332              $self->{state} = BOGUS_MD_STATE;
2333            }
2334          ## Reconsume.          ## Reconsume.
2335          redo A;          redo A;
2336        }        }
# Line 1808  sub _get_next_token ($) { Line 2342  sub _get_next_token ($) {
2342              0x0053, # S              0x0053, # S
2343              0x0054, # T              0x0054, # T
2344              0x0045, # E              0x0045, # E
2345            ]->[length $self->{s_kwd}] or            ]->[length $self->{kwd}] or
2346            $self->{nc} == [            $self->{nc} == [
2347              undef,              undef,
2348              0x0079, # y              0x0079, # y
2349              0x0073, # s              0x0073, # s
2350              0x0074, # t              0x0074, # t
2351              0x0065, # e              0x0065, # e
2352            ]->[length $self->{s_kwd}]) {            ]->[length $self->{kwd}]) {
2353          !!!cp (170);          !!!cp (170);
2354          ## Stay in the state.          ## Stay in the state.
2355          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
2356          !!!next-input-character;          !!!next-input-character;
2357          redo A;          redo A;
2358        } elsif ((length $self->{s_kwd}) == 5 and        } elsif ((length $self->{kwd}) == 5 and
2359                 ($self->{nc} == 0x004D or # M                 ($self->{nc} == 0x004D or # M
2360                  $self->{nc} == 0x006D)) { # m                  $self->{nc} == 0x006D)) { # m
2361          !!!cp (171);          if ($self->{is_xml} and
2362                ($self->{kwd} ne 'SYSTE' or $self->{nc} == 0x006D)) { # m
2363              !!!cp (171.1);
2364              !!!parse-error (type => 'lowercase keyword', ## TODO: type
2365                              text => 'SYSTEM',
2366                              line => $self->{line_prev},
2367                              column => $self->{column_prev} - 4);
2368            } else {
2369              !!!cp (171);
2370            }
2371          $self->{state} = BEFORE_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = BEFORE_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2372          !!!next-input-character;          !!!next-input-character;
2373          redo A;          redo A;
2374        } else {        } else {
2375          !!!cp (172);          !!!parse-error (type => 'string after DOCTYPE name', ## TODO: type
         !!!parse-error (type => 'string after DOCTYPE name',  
2376                          line => $self->{line_prev},                          line => $self->{line_prev},
2377                          column => $self->{column_prev} + 1 - length $self->{s_kwd});                          column => $self->{column_prev} + 1 - length $self->{kwd});
2378          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2379              !!!cp (172);
2380          $self->{state} = BOGUS_DOCTYPE_STATE;            $self->{ct}->{quirks} = 1;
2381              $self->{state} = BOGUS_DOCTYPE_STATE;
2382            } else {
2383              !!!cp (172.1);
2384              $self->{state} = BOGUS_MD_STATE;
2385            }
2386          ## Reconsume.          ## Reconsume.
2387          redo A;          redo A;
2388        }        }
# Line 1858  sub _get_next_token ($) { Line 2405  sub _get_next_token ($) {
2405          !!!next-input-character;          !!!next-input-character;
2406          redo A;          redo A;
2407        } elsif ($self->{nc} eq 0x003E) { # >        } elsif ($self->{nc} eq 0x003E) { # >
         !!!cp (184);  
2408          !!!parse-error (type => 'no PUBLIC literal');          !!!parse-error (type => 'no PUBLIC literal');
2409            
2410          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2411              !!!cp (184);
2412              $self->{state} = DATA_STATE;
2413              $self->{s_kwd} = '';
2414              $self->{ct}->{quirks} = 1;
2415            } else {
2416              !!!cp (184.1);
2417              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2418            }
2419            
2420          !!!next-input-character;          !!!next-input-character;
2421            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2422          redo A;          redo A;
2423        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2424          !!!cp (185);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2425          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (185);
2426              !!!parse-error (type => 'unclosed DOCTYPE');
2427          $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
2428              $self->{s_kwd} = '';
2429              $self->{ct}->{quirks} = 1;
2430            } else {
2431              !!!cp (185.1);
2432              !!!parse-error (type => 'unclosed md'); ## TODO: type
2433              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2434            }
2435            
2436          ## reconsume          ## reconsume
   
         $self->{ct}->{quirks} = 1;  
2437          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2438            redo A;
2439          } elsif ($self->{is_xml} and
2440                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2441                   $self->{nc} == 0x005B) { # [
2442            !!!cp (186.1);
2443            !!!parse-error (type => 'no PUBLIC literal');
2444            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2445            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2446            $self->{in_subset} = 1;
2447            !!!next-input-character;
2448            !!!emit ($self->{ct}); # DOCTYPE
2449          redo A;          redo A;
2450        } else {        } else {
         !!!cp (186);  
2451          !!!parse-error (type => 'string after PUBLIC');          !!!parse-error (type => 'string after PUBLIC');
         $self->{ct}->{quirks} = 1;  
2452    
2453          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2454              !!!cp (186);
2455              $self->{ct}->{quirks} = 1;
2456              $self->{state} = BOGUS_DOCTYPE_STATE;
2457            } else {
2458              !!!cp (186.2);
2459              $self->{state} = BOGUS_MD_STATE;
2460            }
2461    
2462          !!!next-input-character;          !!!next-input-character;
2463          redo A;          redo A;
2464        }        }
# Line 1895  sub _get_next_token ($) { Line 2469  sub _get_next_token ($) {
2469          !!!next-input-character;          !!!next-input-character;
2470          redo A;          redo A;
2471        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (188);  
2472          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2473    
2474          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2475          !!!next-input-character;            !!!cp (188);
2476              $self->{state} = DATA_STATE;
2477          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2478          !!!emit ($self->{ct}); # DOCTYPE            $self->{ct}->{quirks} = 1;
2479            } else {
2480              !!!cp (188.1);
2481              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2482            }
2483    
2484            !!!next-input-character;
2485            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2486          redo A;          redo A;
2487        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (189);  
2488          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2489    
2490          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2491          ## reconsume            !!!cp (189);
2492              $self->{state} = DATA_STATE;
2493          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2494              $self->{ct}->{quirks} = 1;
2495            } else {
2496              !!!cp (189.1);
2497              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2498            }
2499            
2500            ## Reconsume.
2501          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2502          redo A;          redo A;
2503        } else {        } else {
2504          !!!cp (190);          !!!cp (190);
2505          $self->{ct}->{pubid} # DOCTYPE          $self->{ct}->{pubid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2506          $self->{read_until}->($self->{ct}->{pubid}, q[">],          $self->{read_until}->($self->{ct}->{pubid}, q[">],
2507                                length $self->{ct}->{pubid});                                length $self->{ct}->{pubid});
2508    
# Line 1934  sub _get_next_token ($) { Line 2517  sub _get_next_token ($) {
2517          !!!next-input-character;          !!!next-input-character;
2518          redo A;          redo A;
2519        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (192);  
2520          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2521    
2522          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2523          !!!next-input-character;            !!!cp (192);
2524              $self->{state} = DATA_STATE;
2525          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2526          !!!emit ($self->{ct}); # DOCTYPE            $self->{ct}->{quirks} = 1;
2527            } else {
2528              !!!cp (192.1);
2529              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2530            }
2531    
2532            !!!next-input-character;
2533            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2534          redo A;          redo A;
2535        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (193);  
2536          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2537    
2538          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2539              !!!cp (193);
2540              $self->{state} = DATA_STATE;
2541              $self->{s_kwd} = '';
2542              $self->{ct}->{quirks} = 1;
2543            } else {
2544              !!!cp (193.1);
2545              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2546            }
2547          
2548          ## reconsume          ## reconsume
2549            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2550          redo A;          redo A;
2551        } else {        } else {
2552          !!!cp (194);          !!!cp (194);
2553          $self->{ct}->{pubid} # DOCTYPE          $self->{ct}->{pubid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2554          $self->{read_until}->($self->{ct}->{pubid}, q['>],          $self->{read_until}->($self->{ct}->{pubid}, q['>],
2555                                length $self->{ct}->{pubid});                                length $self->{ct}->{pubid});
2556    
# Line 1974  sub _get_next_token ($) { Line 2566  sub _get_next_token ($) {
2566          redo A;          redo A;
2567        } elsif ($self->{nc} == 0x0022) { # "        } elsif ($self->{nc} == 0x0022) { # "
2568          !!!cp (196);          !!!cp (196);
2569          $self->{ct}->{sysid} = ''; # DOCTYPE          $self->{ct}->{sysid} = ''; # DOCTYPE/ENTITY/NOTATION
2570          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_DOUBLE_QUOTED_STATE;          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_DOUBLE_QUOTED_STATE;
2571          !!!next-input-character;          !!!next-input-character;
2572          redo A;          redo A;
2573        } elsif ($self->{nc} == 0x0027) { # '        } elsif ($self->{nc} == 0x0027) { # '
2574          !!!cp (197);          !!!cp (197);
2575          $self->{ct}->{sysid} = ''; # DOCTYPE          $self->{ct}->{sysid} = ''; # DOCTYPE/ENTITY/NOTATION
2576          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_SINGLE_QUOTED_STATE;          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_SINGLE_QUOTED_STATE;
2577          !!!next-input-character;          !!!next-input-character;
2578          redo A;          redo A;
2579        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2580          !!!cp (198);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2581          $self->{state} = DATA_STATE;            if ($self->{is_xml}) {
2582                !!!cp (198.1);
2583                !!!parse-error (type => 'no SYSTEM literal');
2584              } else {
2585                !!!cp (198);
2586              }
2587              $self->{state} = DATA_STATE;
2588              $self->{s_kwd} = '';
2589            } else {
2590              if ($self->{ct}->{type} == NOTATION_TOKEN) {
2591                !!!cp (198.2);
2592              } else {
2593                !!!cp (198.3);
2594                !!!parse-error (type => 'no SYSTEM literal');            
2595              }
2596              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2597            }
2598            
2599          !!!next-input-character;          !!!next-input-character;
2600            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         !!!emit ($self->{ct}); # DOCTYPE  
   
2601          redo A;          redo A;
2602        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2603          !!!cp (199);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2604          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (199);
2605              !!!parse-error (type => 'unclosed DOCTYPE');
2606          $self->{state} = DATA_STATE;            
2607              $self->{state} = DATA_STATE;
2608              $self->{s_kwd} = '';
2609              $self->{ct}->{quirks} = 1;
2610            } else {
2611              !!!parse-error (type => 'unclosed md'); ## TODO: type
2612              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2613            }
2614            
2615          ## reconsume          ## reconsume
2616            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2617          $self->{ct}->{quirks} = 1;          redo A;
2618          } elsif ($self->{is_xml} and
2619                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2620                   $self->{nc} == 0x005B) { # [
2621            !!!cp (200.1);
2622            !!!parse-error (type => 'no SYSTEM literal');
2623            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2624            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2625            $self->{in_subset} = 1;
2626            !!!next-input-character;
2627          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2628          redo A;          redo A;
2629        } else {        } else {
         !!!cp (200);  
2630          !!!parse-error (type => 'string after PUBLIC literal');          !!!parse-error (type => 'string after PUBLIC literal');
         $self->{ct}->{quirks} = 1;  
2631    
2632          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2633              !!!cp (200);
2634              $self->{ct}->{quirks} = 1;
2635              $self->{state} = BOGUS_DOCTYPE_STATE;
2636            } else {
2637              !!!cp (200.2);
2638              $self->{state} = BOGUS_MD_STATE;
2639            }
2640    
2641          !!!next-input-character;          !!!next-input-character;
2642          redo A;          redo A;
2643        }        }
# Line 2031  sub _get_next_token ($) { Line 2660  sub _get_next_token ($) {
2660          !!!next-input-character;          !!!next-input-character;
2661          redo A;          redo A;
2662        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (204);  
2663          !!!parse-error (type => 'no SYSTEM literal');          !!!parse-error (type => 'no SYSTEM literal');
         $self->{state} = DATA_STATE;  
2664          !!!next-input-character;          !!!next-input-character;
2665    
2666          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2667          !!!emit ($self->{ct}); # DOCTYPE            !!!cp (204);
2668              $self->{state} = DATA_STATE;
2669              $self->{s_kwd} = '';
2670              $self->{ct}->{quirks} = 1;
2671            } else {
2672              !!!cp (204.1);
2673              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2674            }
2675    
2676            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2677          redo A;          redo A;
2678        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2679          !!!cp (205);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2680          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (205);
2681              !!!parse-error (type => 'unclosed DOCTYPE');
2682          $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
2683              $self->{s_kwd} = '';
2684              $self->{ct}->{quirks} = 1;
2685            } else {
2686              !!!cp (205.1);
2687              !!!parse-error (type => 'unclosed md'); ## TODO: type
2688              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2689            }
2690            
2691          ## reconsume          ## reconsume
2692            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2693            redo A;
2694          } elsif ($self->{is_xml} and
2695                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2696                   $self->{nc} == 0x005B) { # [
2697            !!!cp (206.1);
2698            !!!parse-error (type => 'no SYSTEM literal');
2699    
2700          $self->{ct}->{quirks} = 1;          $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2701            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2702            $self->{in_subset} = 1;
2703            !!!next-input-character;
2704          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2705          redo A;          redo A;
2706        } else {        } else {
         !!!cp (206);  
2707          !!!parse-error (type => 'string after SYSTEM');          !!!parse-error (type => 'string after SYSTEM');
         $self->{ct}->{quirks} = 1;  
2708    
2709          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2710              !!!cp (206);          
2711              $self->{ct}->{quirks} = 1;
2712              $self->{state} = BOGUS_DOCTYPE_STATE;
2713            } else {
2714              !!!cp (206.2);
2715              $self->{state} = BOGUS_MD_STATE;
2716            }
2717    
2718          !!!next-input-character;          !!!next-input-character;
2719          redo A;          redo A;
2720        }        }
# Line 2066  sub _get_next_token ($) { Line 2724  sub _get_next_token ($) {
2724          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2725          !!!next-input-character;          !!!next-input-character;
2726          redo A;          redo A;
2727        } elsif ($self->{nc} == 0x003E) { # >        } elsif (not $self->{is_xml} and $self->{nc} == 0x003E) { # >
         !!!cp (208);  
2728          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2729    
2730          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2731              !!!cp (208);
2732              $self->{state} = DATA_STATE;
2733              $self->{s_kwd} = '';
2734              $self->{ct}->{quirks} = 1;
2735            } else {
2736              !!!cp (208.1);
2737              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2738            }
2739            
2740          !!!next-input-character;          !!!next-input-character;
2741            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2742          redo A;          redo A;
2743        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (209);  
2744          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2745    
2746          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2747              !!!cp (209);
2748              $self->{state} = DATA_STATE;
2749              $self->{s_kwd} = '';
2750              $self->{ct}->{quirks} = 1;
2751            } else {
2752              !!!cp (209.1);
2753              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2754            }
2755            
2756          ## reconsume          ## reconsume
2757            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2758          redo A;          redo A;
2759        } else {        } else {
2760          !!!cp (210);          !!!cp (210);
2761          $self->{ct}->{sysid} # DOCTYPE          $self->{ct}->{sysid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2762          $self->{read_until}->($self->{ct}->{sysid}, q[">],          $self->{read_until}->($self->{ct}->{sysid}, q[">],
2763                                length $self->{ct}->{sysid});                                length $self->{ct}->{sysid});
2764    
# Line 2105  sub _get_next_token ($) { Line 2772  sub _get_next_token ($) {
2772          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2773          !!!next-input-character;          !!!next-input-character;
2774          redo A;          redo A;
2775        } elsif ($self->{nc} == 0x003E) { # >        } elsif (not $self->{is_xml} and $self->{nc} == 0x003E) { # >
2776          !!!cp (212);          !!!cp (212);
2777          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2778    
2779          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2780            $self->{s_kwd} = '';
2781          !!!next-input-character;          !!!next-input-character;
2782    
2783          $self->{ct}->{quirks} = 1;          $self->{ct}->{quirks} = 1;
# Line 2117  sub _get_next_token ($) { Line 2785  sub _get_next_token ($) {
2785    
2786          redo A;          redo A;
2787        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (213);  
2788          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2789    
2790          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2791          ## reconsume            !!!cp (213);
2792              $self->{state} = DATA_STATE;
2793          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2794          !!!emit ($self->{ct}); # DOCTYPE            $self->{ct}->{quirks} = 1;
2795            } else {
2796              !!!cp (213.1);
2797              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2798            }
2799    
2800            ## reconsume
2801            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2802          redo A;          redo A;
2803        } else {        } else {
2804          !!!cp (214);          !!!cp (214);
2805          $self->{ct}->{sysid} # DOCTYPE          $self->{ct}->{sysid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2806          $self->{read_until}->($self->{ct}->{sysid}, q['>],          $self->{read_until}->($self->{ct}->{sysid}, q['>],
2807                                length $self->{ct}->{sysid});                                length $self->{ct}->{sysid});
2808    
# Line 2145  sub _get_next_token ($) { Line 2817  sub _get_next_token ($) {
2817          !!!next-input-character;          !!!next-input-character;
2818          redo A;          redo A;
2819        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2820          !!!cp (216);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2821          $self->{state} = DATA_STATE;            !!!cp (216);
2822          !!!next-input-character;            $self->{state} = DATA_STATE;
2823              $self->{s_kwd} = '';
2824          !!!emit ($self->{ct}); # DOCTYPE          } else {
2825              !!!cp (216.1);
2826              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2827            }
2828    
2829            !!!next-input-character;
2830            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2831          redo A;          redo A;
2832    ## TODO: "NDATA"
2833        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2834          !!!cp (217);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2835          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (217);
2836          $self->{state} = DATA_STATE;            !!!parse-error (type => 'unclosed DOCTYPE');
2837          ## reconsume            $self->{state} = DATA_STATE;
2838              $self->{s_kwd} = '';
2839              $self->{ct}->{quirks} = 1;
2840            } else {
2841              !!!cp (217.1);
2842              !!!parse-error (type => 'unclosed md'); ## TODO: type
2843              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2844            }
2845    
2846          $self->{ct}->{quirks} = 1;          ## reconsume
2847            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2848            redo A;
2849          } elsif ($self->{is_xml} and
2850                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2851                   $self->{nc} == 0x005B) { # [
2852            !!!cp (218.1);
2853            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2854            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2855            $self->{in_subset} = 1;
2856            !!!next-input-character;
2857          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2858          redo A;          redo A;
2859        } else {        } else {
         !!!cp (218);  
2860          !!!parse-error (type => 'string after SYSTEM literal');          !!!parse-error (type => 'string after SYSTEM literal');
         #$self->{ct}->{quirks} = 1;  
2861    
2862          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2863              !!!cp (218);
2864              #$self->{ct}->{quirks} = 1;
2865              $self->{state} = BOGUS_DOCTYPE_STATE;
2866            } else {
2867              !!!cp (218.2);
2868              $self->{state} = BOGUS_MD_STATE;
2869            }
2870    
2871          !!!next-input-character;          !!!next-input-character;
2872          redo A;          redo A;
2873        }        }
# Line 2175  sub _get_next_token ($) { Line 2875  sub _get_next_token ($) {
2875        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
2876          !!!cp (219);          !!!cp (219);
2877          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2878            $self->{s_kwd} = '';
2879          !!!next-input-character;          !!!next-input-character;
2880    
2881          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2882    
2883          redo A;          redo A;
2884          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
2885            !!!cp (220.1);
2886            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2887            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2888            $self->{in_subset} = 1;
2889            !!!next-input-character;
2890            !!!emit ($self->{ct}); # DOCTYPE
2891            redo A;
2892        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2893          !!!cp (220);          !!!cp (220);
2894          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2895            $self->{s_kwd} = '';
2896          ## reconsume          ## reconsume
2897    
2898          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
# Line 2191  sub _get_next_token ($) { Line 2901  sub _get_next_token ($) {
2901        } else {        } else {
2902          !!!cp (221);          !!!cp (221);
2903          my $s = '';          my $s = '';
2904          $self->{read_until}->($s, q[>], 0);          $self->{read_until}->($s, q{>[}, 0);
2905    
2906          ## Stay in the state          ## Stay in the state
2907          !!!next-input-character;          !!!next-input-character;
# Line 2201  sub _get_next_token ($) { Line 2911  sub _get_next_token ($) {
2911        ## NOTE: "CDATA section state" in the state is jointly implemented        ## NOTE: "CDATA section state" in the state is jointly implemented
2912        ## by three states, |CDATA_SECTION_STATE|, |CDATA_SECTION_MSE1_STATE|,        ## by three states, |CDATA_SECTION_STATE|, |CDATA_SECTION_MSE1_STATE|,
2913        ## and |CDATA_SECTION_MSE2_STATE|.        ## and |CDATA_SECTION_MSE2_STATE|.
2914    
2915          ## XML5: "CDATA state".
2916                
2917        if ($self->{nc} == 0x005D) { # ]        if ($self->{nc} == 0x005D) { # ]
2918          !!!cp (221.1);          !!!cp (221.1);
# Line 2208  sub _get_next_token ($) { Line 2920  sub _get_next_token ($) {
2920          !!!next-input-character;          !!!next-input-character;
2921          redo A;          redo A;
2922        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2923            if ($self->{is_xml}) {
2924              !!!cp (221.11);
2925              !!!parse-error (type => 'no mse'); ## TODO: type
2926            } else {
2927              !!!cp (221.12);
2928            }
2929    
2930          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2931          !!!next-input-character;          $self->{s_kwd} = '';
2932            ## Reconsume.
2933          if (length $self->{ct}->{data}) { # character          if (length $self->{ct}->{data}) { # character
2934            !!!cp (221.2);            !!!cp (221.2);
2935            !!!emit ($self->{ct}); # character            !!!emit ($self->{ct}); # character
# Line 2232  sub _get_next_token ($) { Line 2952  sub _get_next_token ($) {
2952    
2953        ## ISSUE: "text tokens" in spec.        ## ISSUE: "text tokens" in spec.
2954      } elsif ($self->{state} == CDATA_SECTION_MSE1_STATE) {      } elsif ($self->{state} == CDATA_SECTION_MSE1_STATE) {
2955          ## XML5: "CDATA bracket state".
2956    
2957        if ($self->{nc} == 0x005D) { # ]        if ($self->{nc} == 0x005D) { # ]
2958          !!!cp (221.5);          !!!cp (221.5);
2959          $self->{state} = CDATA_SECTION_MSE2_STATE;          $self->{state} = CDATA_SECTION_MSE2_STATE;
# Line 2239  sub _get_next_token ($) { Line 2961  sub _get_next_token ($) {
2961          redo A;          redo A;
2962        } else {        } else {
2963          !!!cp (221.6);          !!!cp (221.6);
2964            ## XML5: If EOF, "]" is not appended and changed to the data state.
2965          $self->{ct}->{data} .= ']';          $self->{ct}->{data} .= ']';
2966          $self->{state} = CDATA_SECTION_STATE;          $self->{state} = CDATA_SECTION_STATE; ## XML5: Stay in the state.
2967          ## Reconsume.          ## Reconsume.
2968          redo A;          redo A;
2969        }        }
2970      } elsif ($self->{state} == CDATA_SECTION_MSE2_STATE) {      } elsif ($self->{state} == CDATA_SECTION_MSE2_STATE) {
2971          ## XML5: "CDATA end state".
2972    
2973        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
2974          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2975            $self->{s_kwd} = '';
2976          !!!next-input-character;          !!!next-input-character;
2977          if (length $self->{ct}->{data}) { # character          if (length $self->{ct}->{data}) { # character
2978            !!!cp (221.7);            !!!cp (221.7);
# Line 2266  sub _get_next_token ($) { Line 2992  sub _get_next_token ($) {
2992          !!!cp (221.11);          !!!cp (221.11);
2993          $self->{ct}->{data} .= ']]'; # character          $self->{ct}->{data} .= ']]'; # character
2994          $self->{state} = CDATA_SECTION_STATE;          $self->{state} = CDATA_SECTION_STATE;
2995          ## Reconsume.          ## Reconsume. ## XML5: Emit.
2996          redo A;          redo A;
2997        }        }
2998      } elsif ($self->{state} == ENTITY_STATE) {      } elsif ($self->{state} == ENTITY_STATE) {
# Line 2283  sub _get_next_token ($) { Line 3009  sub _get_next_token ($) {
3009        } elsif ($self->{nc} == 0x0023) { # #        } elsif ($self->{nc} == 0x0023) { # #
3010          !!!cp (999);          !!!cp (999);
3011          $self->{state} = ENTITY_HASH_STATE;          $self->{state} = ENTITY_HASH_STATE;
3012          $self->{s_kwd} = '#';          $self->{kwd} = '#';
3013          !!!next-input-character;          !!!next-input-character;
3014          redo A;          redo A;
3015        } elsif ((0x0041 <= $self->{nc} and        } elsif ((0x0041 <= $self->{nc} and
# Line 2293  sub _get_next_token ($) { Line 3019  sub _get_next_token ($) {
3019          !!!cp (998);          !!!cp (998);
3020          require Whatpm::_NamedEntityList;          require Whatpm::_NamedEntityList;
3021          $self->{state} = ENTITY_NAME_STATE;          $self->{state} = ENTITY_NAME_STATE;
3022          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
3023          $self->{entity__value} = $self->{s_kwd};          $self->{entity__value} = $self->{kwd};
3024          $self->{entity__match} = 0;          $self->{entity__match} = 0;
3025          !!!next-input-character;          !!!next-input-character;
3026          redo A;          redo A;
# Line 2314  sub _get_next_token ($) { Line 3040  sub _get_next_token ($) {
3040        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3041          !!!cp (997);          !!!cp (997);
3042          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3043            $self->{s_kwd} = '';
3044          ## Reconsume.          ## Reconsume.
3045          !!!emit ({type => CHARACTER_TOKEN, data => '&',          !!!emit ({type => CHARACTER_TOKEN, data => '&',
3046                    line => $self->{line_prev},                    line => $self->{line_prev},
# Line 2324  sub _get_next_token ($) { Line 3051  sub _get_next_token ($) {
3051          !!!cp (996);          !!!cp (996);
3052          $self->{ca}->{value} .= '&';          $self->{ca}->{value} .= '&';
3053          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3054            $self->{s_kwd} = '';
3055          ## Reconsume.          ## Reconsume.
3056          redo A;          redo A;
3057        }        }
# Line 2332  sub _get_next_token ($) { Line 3060  sub _get_next_token ($) {
3060            $self->{nc} == 0x0058) { # X            $self->{nc} == 0x0058) { # X
3061          !!!cp (995);          !!!cp (995);
3062          $self->{state} = HEXREF_X_STATE;          $self->{state} = HEXREF_X_STATE;
3063          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
3064          !!!next-input-character;          !!!next-input-character;
3065          redo A;          redo A;
3066        } elsif (0x0030 <= $self->{nc} and        } elsif (0x0030 <= $self->{nc} and
3067                 $self->{nc} <= 0x0039) { # 0..9                 $self->{nc} <= 0x0039) { # 0..9
3068          !!!cp (994);          !!!cp (994);
3069          $self->{state} = NCR_NUM_STATE;          $self->{state} = NCR_NUM_STATE;
3070          $self->{s_kwd} = $self->{nc} - 0x0030;          $self->{kwd} = $self->{nc} - 0x0030;
3071          !!!next-input-character;          !!!next-input-character;
3072          redo A;          redo A;
3073        } else {        } else {
# Line 2354  sub _get_next_token ($) { Line 3082  sub _get_next_token ($) {
3082          if ($self->{prev_state} == DATA_STATE) {          if ($self->{prev_state} == DATA_STATE) {
3083            !!!cp (1019);            !!!cp (1019);
3084            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3085              $self->{s_kwd} = '';
3086            ## Reconsume.            ## Reconsume.
3087            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
3088                      data => '&#',                      data => '&#',
# Line 2365  sub _get_next_token ($) { Line 3094  sub _get_next_token ($) {
3094            !!!cp (993);            !!!cp (993);
3095            $self->{ca}->{value} .= '&#';            $self->{ca}->{value} .= '&#';
3096            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3097              $self->{s_kwd} = '';
3098            ## Reconsume.            ## Reconsume.
3099            redo A;            redo A;
3100          }          }
# Line 2373  sub _get_next_token ($) { Line 3103  sub _get_next_token ($) {
3103        if (0x0030 <= $self->{nc} and        if (0x0030 <= $self->{nc} and
3104            $self->{nc} <= 0x0039) { # 0..9            $self->{nc} <= 0x0039) { # 0..9
3105          !!!cp (1012);          !!!cp (1012);
3106          $self->{s_kwd} *= 10;          $self->{kwd} *= 10;
3107          $self->{s_kwd} += $self->{nc} - 0x0030;          $self->{kwd} += $self->{nc} - 0x0030;
3108                    
3109          ## Stay in the state.          ## Stay in the state.
3110          !!!next-input-character;          !!!next-input-character;
# Line 2390  sub _get_next_token ($) { Line 3120  sub _get_next_token ($) {
3120          #          #
3121        }        }
3122    
3123        my $code = $self->{s_kwd};        my $code = $self->{kwd};
3124        my $l = $self->{line_prev};        my $l = $self->{line_prev};
3125        my $c = $self->{column_prev};        my $c = $self->{column_prev};
3126        if ($charref_map->{$code}) {        if ($charref_map->{$code}) {
# Line 2410  sub _get_next_token ($) { Line 3140  sub _get_next_token ($) {
3140        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3141          !!!cp (992);          !!!cp (992);
3142          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3143            $self->{s_kwd} = '';
3144          ## Reconsume.          ## Reconsume.
3145          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,
3146                      has_reference => 1,
3147                    line => $l, column => $c,                    line => $l, column => $c,
3148                   });                   });
3149          redo A;          redo A;
# Line 2420  sub _get_next_token ($) { Line 3152  sub _get_next_token ($) {
3152          $self->{ca}->{value} .= chr $code;          $self->{ca}->{value} .= chr $code;
3153          $self->{ca}->{has_reference} = 1;          $self->{ca}->{has_reference} = 1;
3154          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3155            $self->{s_kwd} = '';
3156          ## Reconsume.          ## Reconsume.
3157          redo A;          redo A;
3158        }        }
# Line 2430  sub _get_next_token ($) { Line 3163  sub _get_next_token ($) {
3163          # 0..9, A..F, a..f          # 0..9, A..F, a..f
3164          !!!cp (990);          !!!cp (990);
3165          $self->{state} = HEXREF_HEX_STATE;          $self->{state} = HEXREF_HEX_STATE;
3166          $self->{s_kwd} = 0;          $self->{kwd} = 0;
3167          ## Reconsume.          ## Reconsume.
3168          redo A;          redo A;
3169        } else {        } else {
# Line 2445  sub _get_next_token ($) { Line 3178  sub _get_next_token ($) {
3178          if ($self->{prev_state} == DATA_STATE) {          if ($self->{prev_state} == DATA_STATE) {
3179            !!!cp (1005);            !!!cp (1005);
3180            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3181              $self->{s_kwd} = '';
3182            ## Reconsume.            ## Reconsume.
3183            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
3184                      data => '&' . $self->{s_kwd},                      data => '&' . $self->{kwd},
3185                      line => $self->{line_prev},                      line => $self->{line_prev},
3186                      column => $self->{column_prev} - length $self->{s_kwd},                      column => $self->{column_prev} - length $self->{kwd},
3187                     });                     });
3188            redo A;            redo A;
3189          } else {          } else {
3190            !!!cp (989);            !!!cp (989);
3191            $self->{ca}->{value} .= '&' . $self->{s_kwd};            $self->{ca}->{value} .= '&' . $self->{kwd};
3192            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3193              $self->{s_kwd} = '';
3194            ## Reconsume.            ## Reconsume.
3195            redo A;            redo A;
3196          }          }
# Line 2464  sub _get_next_token ($) { Line 3199  sub _get_next_token ($) {
3199        if (0x0030 <= $self->{nc} and $self->{nc} <= 0x0039) {        if (0x0030 <= $self->{nc} and $self->{nc} <= 0x0039) {
3200          # 0..9          # 0..9
3201          !!!cp (1002);          !!!cp (1002);
3202          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3203          $self->{s_kwd} += $self->{nc} - 0x0030;          $self->{kwd} += $self->{nc} - 0x0030;
3204          ## Stay in the state.          ## Stay in the state.
3205          !!!next-input-character;          !!!next-input-character;
3206          redo A;          redo A;
3207        } elsif (0x0061 <= $self->{nc} and        } elsif (0x0061 <= $self->{nc} and
3208                 $self->{nc} <= 0x0066) { # a..f                 $self->{nc} <= 0x0066) { # a..f
3209          !!!cp (1003);          !!!cp (1003);
3210          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3211          $self->{s_kwd} += $self->{nc} - 0x0060 + 9;          $self->{kwd} += $self->{nc} - 0x0060 + 9;
3212          ## Stay in the state.          ## Stay in the state.
3213          !!!next-input-character;          !!!next-input-character;
3214          redo A;          redo A;
3215        } elsif (0x0041 <= $self->{nc} and        } elsif (0x0041 <= $self->{nc} and
3216                 $self->{nc} <= 0x0046) { # A..F                 $self->{nc} <= 0x0046) { # A..F
3217          !!!cp (1004);          !!!cp (1004);
3218          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3219          $self->{s_kwd} += $self->{nc} - 0x0040 + 9;          $self->{kwd} += $self->{nc} - 0x0040 + 9;
3220          ## Stay in the state.          ## Stay in the state.
3221          !!!next-input-character;          !!!next-input-character;
3222          redo A;          redo A;
# Line 2498  sub _get_next_token ($) { Line 3233  sub _get_next_token ($) {
3233          #          #
3234        }        }
3235    
3236        my $code = $self->{s_kwd};        my $code = $self->{kwd};
3237        my $l = $self->{line_prev};        my $l = $self->{line_prev};
3238        my $c = $self->{column_prev};        my $c = $self->{column_prev};
3239        if ($charref_map->{$code}) {        if ($charref_map->{$code}) {
# Line 2518  sub _get_next_token ($) { Line 3253  sub _get_next_token ($) {
3253        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3254          !!!cp (988);          !!!cp (988);
3255          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3256            $self->{s_kwd} = '';
3257          ## Reconsume.          ## Reconsume.
3258          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,
3259                      has_reference => 1,
3260                    line => $l, column => $c,                    line => $l, column => $c,
3261                   });                   });
3262          redo A;          redo A;
# Line 2528  sub _get_next_token ($) { Line 3265  sub _get_next_token ($) {
3265          $self->{ca}->{value} .= chr $code;          $self->{ca}->{value} .= chr $code;
3266          $self->{ca}->{has_reference} = 1;          $self->{ca}->{has_reference} = 1;
3267          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3268            $self->{s_kwd} = '';
3269          ## Reconsume.          ## Reconsume.
3270          redo A;          redo A;
3271        }        }
3272      } elsif ($self->{state} == ENTITY_NAME_STATE) {      } elsif ($self->{state} == ENTITY_NAME_STATE) {
3273        if (length $self->{s_kwd} < 30 and        if (length $self->{kwd} < 30 and
3274            ## NOTE: Some number greater than the maximum length of entity name            ## NOTE: Some number greater than the maximum length of entity name
3275            ((0x0041 <= $self->{nc} and # a            ((0x0041 <= $self->{nc} and # a
3276              $self->{nc} <= 0x005A) or # x              $self->{nc} <= 0x005A) or # x
# Line 2542  sub _get_next_token ($) { Line 3280  sub _get_next_token ($) {
3280              $self->{nc} <= 0x0039) or # 9              $self->{nc} <= 0x0039) or # 9
3281             $self->{nc} == 0x003B)) { # ;             $self->{nc} == 0x003B)) { # ;
3282          our $EntityChar;          our $EntityChar;
3283          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
3284          if (defined $EntityChar->{$self->{s_kwd}}) {          if (defined $EntityChar->{$self->{kwd}}) {
3285            if ($self->{nc} == 0x003B) { # ;            if ($self->{nc} == 0x003B) { # ;
3286              !!!cp (1020);              !!!cp (1020);
3287              $self->{entity__value} = $EntityChar->{$self->{s_kwd}};              $self->{entity__value} = $EntityChar->{$self->{kwd}};
3288              $self->{entity__match} = 1;              $self->{entity__match} = 1;
3289              !!!next-input-character;              !!!next-input-character;
3290              #              #
3291            } else {            } else {
3292              !!!cp (1021);              !!!cp (1021);
3293              $self->{entity__value} = $EntityChar->{$self->{s_kwd}};              $self->{entity__value} = $EntityChar->{$self->{kwd}};
3294              $self->{entity__match} = -1;              $self->{entity__match} = -1;
3295              ## Stay in the state.              ## Stay in the state.
3296              !!!next-input-character;              !!!next-input-character;
# Line 2580  sub _get_next_token ($) { Line 3318  sub _get_next_token ($) {
3318          if ($self->{prev_state} != DATA_STATE and # in attribute          if ($self->{prev_state} != DATA_STATE and # in attribute
3319              $self->{entity__match} < -1) {              $self->{entity__match} < -1) {
3320            !!!cp (1024);            !!!cp (1024);
3321            $data = '&' . $self->{s_kwd};            $data = '&' . $self->{kwd};
3322            #            #
3323          } else {          } else {
3324            !!!cp (1025);            !!!cp (1025);
# Line 2592  sub _get_next_token ($) { Line 3330  sub _get_next_token ($) {
3330          !!!cp (1026);          !!!cp (1026);
3331          !!!parse-error (type => 'bare ero',          !!!parse-error (type => 'bare ero',
3332                          line => $self->{line_prev},                          line => $self->{line_prev},
3333                          column => $self->{column_prev} - length $self->{s_kwd});                          column => $self->{column_prev} - length $self->{kwd});
3334          $data = '&' . $self->{s_kwd};          $data = '&' . $self->{kwd};
3335          #          #
3336        }        }
3337        
# Line 2610  sub _get_next_token ($) { Line 3348  sub _get_next_token ($) {
3348        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3349          !!!cp (986);          !!!cp (986);
3350          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3351            $self->{s_kwd} = '';
3352          ## Reconsume.          ## Reconsume.
3353          !!!emit ({type => CHARACTER_TOKEN,          !!!emit ({type => CHARACTER_TOKEN,
3354                    data => $data,                    data => $data,
3355                      has_reference => $has_ref,
3356                    line => $self->{line_prev},                    line => $self->{line_prev},
3357                    column => $self->{column_prev} + 1 - length $self->{s_kwd},                    column => $self->{column_prev} + 1 - length $self->{kwd},
3358                   });                   });
3359          redo A;          redo A;
3360        } else {        } else {
# Line 2622  sub _get_next_token ($) { Line 3362  sub _get_next_token ($) {
3362          $self->{ca}->{value} .= $data;          $self->{ca}->{value} .= $data;
3363          $self->{ca}->{has_reference} = 1 if $has_ref;          $self->{ca}->{has_reference} = 1 if $has_ref;
3364          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3365            $self->{s_kwd} = '';
3366            ## Reconsume.
3367            redo A;
3368          }
3369    
3370        ## XML-only states
3371    
3372        } elsif ($self->{state} == PI_STATE) {
3373          ## XML5: "Pi state" and "DOCTYPE pi state".
3374    
3375          if ($is_space->{$self->{nc}} or
3376              $self->{nc} == 0x003F or # ?
3377              $self->{nc} == -1) {
3378            ## XML5: U+003F: "pi state": Same as "Anything else"; "DOCTYPE
3379            ## pi state": Switch to the "DOCTYPE pi after state".  EOF:
3380            ## "DOCTYPE pi state": Parse error, switch to the "data
3381            ## state".
3382            !!!parse-error (type => 'bare pio', ## TODO: type
3383                            line => $self->{line_prev},
3384                            column => $self->{column_prev}
3385                                - 1 * ($self->{nc} != -1));
3386            $self->{state} = BOGUS_COMMENT_STATE;
3387            ## Reconsume.
3388            $self->{ct} = {type => COMMENT_TOKEN,
3389                           data => '?',
3390                           line => $self->{line_prev},
3391                           column => $self->{column_prev}
3392                               - 1 * ($self->{nc} != -1),
3393                          };
3394            redo A;
3395          } else {
3396            ## XML5: "DOCTYPE pi state": Stay in the state.
3397            $self->{ct} = {type => PI_TOKEN,
3398                           target => chr $self->{nc},
3399                           data => '',
3400                           line => $self->{line_prev},
3401                           column => $self->{column_prev} - 1,
3402                          };
3403            $self->{state} = PI_TARGET_STATE;
3404            !!!next-input-character;
3405            redo A;
3406          }
3407        } elsif ($self->{state} == PI_TARGET_STATE) {
3408          if ($is_space->{$self->{nc}}) {
3409            $self->{state} = PI_TARGET_AFTER_STATE;
3410            !!!next-input-character;
3411            redo A;
3412          } elsif ($self->{nc} == -1) {
3413            !!!parse-error (type => 'no pic'); ## TODO: type
3414            if ($self->{in_subset}) {
3415              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3416            } else {
3417              $self->{state} = DATA_STATE;
3418              $self->{s_kwd} = '';
3419            }
3420            ## Reconsume.
3421            !!!emit ($self->{ct}); # pi
3422            redo A;
3423          } elsif ($self->{nc} == 0x003F) { # ?
3424            $self->{state} = PI_AFTER_STATE;
3425            !!!next-input-character;
3426            redo A;
3427          } else {
3428            ## XML5: typo ("tag name" -> "target")
3429            $self->{ct}->{target} .= chr $self->{nc}; # pi
3430            !!!next-input-character;
3431            redo A;
3432          }
3433        } elsif ($self->{state} == PI_TARGET_AFTER_STATE) {
3434          if ($is_space->{$self->{nc}}) {
3435            ## Stay in the state.
3436            !!!next-input-character;
3437            redo A;
3438          } else {
3439            $self->{state} = PI_DATA_STATE;
3440            ## Reprocess.
3441            redo A;
3442          }
3443        } elsif ($self->{state} == PI_DATA_STATE) {
3444          if ($self->{nc} == 0x003F) { # ?
3445            $self->{state} = PI_DATA_AFTER_STATE;
3446            !!!next-input-character;
3447            redo A;
3448          } elsif ($self->{nc} == -1) {
3449            !!!parse-error (type => 'no pic'); ## TODO: type
3450            if ($self->{in_subset}) {
3451              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state"
3452            } else {
3453              $self->{state} = DATA_STATE;
3454              $self->{s_kwd} = '';
3455            }
3456            ## Reprocess.
3457            !!!emit ($self->{ct}); # pi
3458            redo A;
3459          } else {
3460            $self->{ct}->{data} .= chr $self->{nc}; # pi
3461            $self->{read_until}->($self->{ct}->{data}, q[?],
3462                                  length $self->{ct}->{data});
3463            ## Stay in the state.
3464            !!!next-input-character;
3465            ## Reprocess.
3466            redo A;
3467          }
3468        } elsif ($self->{state} == PI_AFTER_STATE) {
3469          ## XML5: Part of "Pi after state".
3470    
3471          if ($self->{nc} == 0x003E) { # >
3472            if ($self->{in_subset}) {
3473              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3474            } else {
3475              $self->{state} = DATA_STATE;
3476              $self->{s_kwd} = '';
3477            }
3478            !!!next-input-character;
3479            !!!emit ($self->{ct}); # pi
3480            redo A;
3481          } elsif ($self->{nc} == 0x003F) { # ?
3482            !!!parse-error (type => 'no s after target', ## TODO: type
3483                            line => $self->{line_prev},
3484                            column => $self->{column_prev}); ## XML5: no error
3485            $self->{ct}->{data} .= '?';
3486            $self->{state} = PI_DATA_AFTER_STATE;
3487            !!!next-input-character;
3488            redo A;
3489          } else {
3490            !!!parse-error (type => 'no s after target', ## TODO: type
3491                            line => $self->{line_prev},
3492                            column => $self->{column_prev}
3493                                + 1 * ($self->{nc} == -1)); ## XML5: no error
3494            $self->{ct}->{data} .= '?'; ## XML5: not appended
3495            $self->{state} = PI_DATA_STATE;
3496            ## Reprocess.
3497            redo A;
3498          }
3499        } elsif ($self->{state} == PI_DATA_AFTER_STATE) {
3500          ## XML5: Same as "pi after state" and "DOCTYPE pi after state".
3501    
3502          if ($self->{nc} == 0x003E) { # >
3503            if ($self->{in_subset}) {
3504              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3505            } else {
3506              $self->{state} = DATA_STATE;
3507              $self->{s_kwd} = '';
3508            }
3509            !!!next-input-character;
3510            !!!emit ($self->{ct}); # pi
3511            redo A;
3512          } elsif ($self->{nc} == 0x003F) { # ?
3513            $self->{ct}->{data} .= '?';
3514            ## Stay in the state.
3515            !!!next-input-character;
3516            redo A;
3517          } else {
3518            $self->{ct}->{data} .= '?'; ## XML5: not appended
3519            $self->{state} = PI_DATA_STATE;
3520            ## Reprocess.
3521            redo A;
3522          }
3523    
3524        } elsif ($self->{state} == DOCTYPE_INTERNAL_SUBSET_STATE) {
3525          if ($self->{nc} == 0x003C) { # <
3526            $self->{state} = DOCTYPE_TAG_STATE;
3527            !!!next-input-character;
3528            redo A;
3529          } elsif ($self->{nc} == 0x0025) { # %
3530            ## XML5: Not defined yet.
3531    
3532            ## TODO:
3533            !!!next-input-character;
3534            redo A;
3535          } elsif ($self->{nc} == 0x005D) { # ]
3536            delete $self->{in_subset};
3537            $self->{state} = DOCTYPE_INTERNAL_SUBSET_AFTER_STATE;
3538            !!!next-input-character;
3539            redo A;
3540          } elsif ($is_space->{$self->{nc}}) {
3541            ## Stay in the state.
3542            !!!next-input-character;
3543            redo A;
3544          } elsif ($self->{nc} == -1) {
3545            !!!parse-error (type => 'unclosed internal subset'); ## TODO: type
3546            delete $self->{in_subset};
3547            $self->{state} = DATA_STATE;
3548            $self->{s_kwd} = '';
3549            ## Reconsume.
3550            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3551            redo A;
3552          } else {
3553            unless ($self->{internal_subset_tainted}) {
3554              ## XML5: No parse error.
3555              !!!parse-error (type => 'string in internal subset');
3556              $self->{internal_subset_tainted} = 1;
3557            }
3558            ## Stay in the state.
3559            !!!next-input-character;
3560            redo A;
3561          }
3562        } elsif ($self->{state} == DOCTYPE_INTERNAL_SUBSET_AFTER_STATE) {
3563          if ($self->{nc} == 0x003E) { # >
3564            $self->{state} = DATA_STATE;
3565            $self->{s_kwd} = '';
3566            !!!next-input-character;
3567            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3568            redo A;
3569          } elsif ($self->{nc} == -1) {
3570            !!!parse-error (type => 'unclosed DOCTYPE');
3571            $self->{state} = DATA_STATE;
3572            $self->{s_kwd} = '';
3573            ## Reconsume.
3574            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3575            redo A;
3576          } else {
3577            ## XML5: No parse error and stay in the state.
3578            !!!parse-error (type => 'string after internal subset'); ## TODO: type
3579    
3580            $self->{state} = BOGUS_DOCTYPE_INTERNAL_SUBSET_AFTER_STATE;
3581            !!!next-input-character;
3582            redo A;
3583          }
3584        } elsif ($self->{state} == BOGUS_DOCTYPE_INTERNAL_SUBSET_AFTER_STATE) {
3585          if ($self->{nc} == 0x003E) { # >
3586            $self->{state} = DATA_STATE;
3587            $self->{s_kwd} = '';
3588            !!!next-input-character;
3589            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3590            redo A;
3591          } elsif ($self->{nc} == -1) {
3592            $self->{state} = DATA_STATE;
3593            $self->{s_kwd} = '';
3594            ## Reconsume.
3595            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3596            redo A;
3597          } else {
3598            ## Stay in the state.
3599            !!!next-input-character;
3600            redo A;
3601          }
3602        } elsif ($self->{state} == DOCTYPE_TAG_STATE) {
3603          if ($self->{nc} == 0x0021) { # !
3604            $self->{state} = DOCTYPE_MARKUP_DECLARATION_OPEN_STATE;
3605            !!!next-input-character;
3606            redo A;
3607          } elsif ($self->{nc} == 0x003F) { # ?
3608            $self->{state} = PI_STATE;
3609            !!!next-input-character;
3610            redo A;
3611          } elsif ($self->{nc} == -1) {
3612            !!!parse-error (type => 'bare stago');
3613            $self->{state} = DATA_STATE;
3614            $self->{s_kwd} = '';
3615            ## Reconsume.
3616            redo A;
3617          } else {
3618            !!!parse-error (type => 'bare stago', ## XML5: Not a parse error.
3619                            line => $self->{line_prev},
3620                            column => $self->{column_prev});
3621            $self->{state} = BOGUS_COMMENT_STATE;
3622            $self->{ct} = {type => COMMENT_TOKEN,
3623                           data => '',
3624                          }; ## NOTE: Will be discarded.
3625            !!!next-input-character;
3626            redo A;
3627          }
3628        } elsif ($self->{state} == DOCTYPE_MARKUP_DECLARATION_OPEN_STATE) {
3629          ## XML5: "DOCTYPE markup declaration state".
3630          
3631          if ($self->{nc} == 0x002D) { # -
3632            $self->{state} = MD_HYPHEN_STATE;
3633            !!!next-input-character;
3634            redo A;
3635          } elsif ($self->{nc} == 0x0045) { # E
3636            $self->{state} = MD_E_STATE;
3637            $self->{kwd} = chr $self->{nc};
3638            !!!next-input-character;
3639            redo A;
3640          } elsif ($self->{nc} == 0x0041) { # A
3641            $self->{state} = MD_ATTLIST_STATE;
3642            $self->{kwd} = chr $self->{nc};
3643            !!!next-input-character;
3644            redo A;
3645          } elsif ($self->{nc} == 0x004E) { # N
3646            $self->{state} = MD_NOTATION_STATE;
3647            $self->{kwd} = chr $self->{nc};
3648            !!!next-input-character;
3649            redo A;
3650          } else {
3651            #
3652          }
3653          
3654          ## XML5: No parse error.
3655          !!!parse-error (type => 'bogus comment',
3656                          line => $self->{line_prev},
3657                          column => $self->{column_prev} - 1);
3658          ## Reconsume.
3659          $self->{state} = BOGUS_COMMENT_STATE;
3660          $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded.
3661          redo A;
3662        } elsif ($self->{state} == MD_E_STATE) {
3663          if ($self->{nc} == 0x004E) { # N
3664            $self->{state} = MD_ENTITY_STATE;
3665            $self->{kwd} .= chr $self->{nc};
3666            !!!next-input-character;
3667            redo A;
3668          } elsif ($self->{nc} == 0x004C) { # L
3669            ## XML5: <!ELEMENT> not supported.
3670            $self->{state} = MD_ELEMENT_STATE;
3671            $self->{kwd} .= chr $self->{nc};
3672            !!!next-input-character;
3673            redo A;
3674          } else {
3675            ## XML5: No parse error.
3676            !!!parse-error (type => 'bogus comment',
3677                            line => $self->{line_prev},
3678                            column => $self->{column_prev} - 2
3679                                + 1 * ($self->{nc} == -1));
3680            ## Reconsume.
3681            $self->{state} = BOGUS_COMMENT_STATE;
3682            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3683            redo A;
3684          }
3685        } elsif ($self->{state} == MD_ENTITY_STATE) {
3686          if ($self->{nc} == {
3687                'EN' => 0x0054, # T
3688                'ENT' => 0x0049, # I
3689                'ENTI' => 0x0054, # T
3690              }->{$self->{kwd}}) {
3691            ## Stay in the state.
3692            $self->{kwd} .= chr $self->{nc};
3693            !!!next-input-character;
3694            redo A;
3695          } elsif ($self->{kwd} eq 'ENTIT' and
3696                   $self->{nc} == 0x0059) { # Y
3697            $self->{ct} = {type => GENERAL_ENTITY_TOKEN, name => '', text => '',
3698                           line => $self->{line_prev},
3699                           column => $self->{column_prev} - 6};
3700            $self->{state} = DOCTYPE_MD_STATE;
3701            !!!next-input-character;
3702            redo A;
3703          } else {
3704            !!!parse-error (type => 'bogus comment',
3705                            line => $self->{line_prev},
3706                            column => $self->{column_prev} - 1
3707                                - (length $self->{kwd})
3708                                + 1 * ($self->{nc} == -1));
3709            $self->{state} = BOGUS_COMMENT_STATE;
3710            ## Reconsume.
3711            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3712            redo A;
3713          }
3714        } elsif ($self->{state} == MD_ELEMENT_STATE) {
3715          if ($self->{nc} == {
3716                'EL' => 0x0045, # E
3717                'ELE' => 0x004D, # M
3718                'ELEM' => 0x0045, # E
3719                'ELEME' => 0x004E, # N
3720              }->{$self->{kwd}}) {
3721            ## Stay in the state.
3722            $self->{kwd} .= chr $self->{nc};
3723            !!!next-input-character;
3724            redo A;
3725          } elsif ($self->{kwd} eq 'ELEMEN' and
3726                   $self->{nc} == 0x0054) { # T
3727            $self->{ct} = {type => ELEMENT_TOKEN, name => '',
3728                           line => $self->{line_prev},
3729                           column => $self->{column_prev} - 6};
3730            $self->{state} = DOCTYPE_MD_STATE;
3731            !!!next-input-character;
3732            redo A;
3733          } else {
3734            !!!parse-error (type => 'bogus comment',
3735                            line => $self->{line_prev},
3736                            column => $self->{column_prev} - 1
3737                                - (length $self->{kwd})
3738                                + 1 * ($self->{nc} == -1));
3739            $self->{state} = BOGUS_COMMENT_STATE;
3740            ## Reconsume.
3741            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3742            redo A;
3743          }
3744        } elsif ($self->{state} == MD_ATTLIST_STATE) {
3745          if ($self->{nc} == {
3746                'A' => 0x0054, # T
3747                'AT' => 0x0054, # T
3748                'ATT' => 0x004C, # L
3749                'ATTL' => 0x0049, # I
3750                'ATTLI' => 0x0053, # S
3751              }->{$self->{kwd}}) {
3752            ## Stay in the state.
3753            $self->{kwd} .= chr $self->{nc};
3754            !!!next-input-character;
3755            redo A;
3756          } elsif ($self->{kwd} eq 'ATTLIS' and
3757                   $self->{nc} == 0x0054) { # T
3758            $self->{ct} = {type => ATTLIST_TOKEN, name => '',
3759                           attrdefs => [],
3760                           line => $self->{line_prev},
3761                           column => $self->{column_prev} - 6};
3762            $self->{state} = DOCTYPE_MD_STATE;
3763            !!!next-input-character;
3764            redo A;
3765          } else {
3766            !!!parse-error (type => 'bogus comment',
3767                            line => $self->{line_prev},
3768                            column => $self->{column_prev} - 1
3769                                 - (length $self->{kwd})
3770                                 + 1 * ($self->{nc} == -1));
3771            $self->{state} = BOGUS_COMMENT_STATE;
3772            ## Reconsume.
3773            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3774            redo A;
3775          }
3776        } elsif ($self->{state} == MD_NOTATION_STATE) {
3777          if ($self->{nc} == {
3778                'N' => 0x004F, # O
3779                'NO' => 0x0054, # T
3780                'NOT' => 0x0041, # A
3781                'NOTA' => 0x0054, # T
3782                'NOTAT' => 0x0049, # I
3783                'NOTATI' => 0x004F, # O
3784              }->{$self->{kwd}}) {
3785            ## Stay in the state.
3786            $self->{kwd} .= chr $self->{nc};
3787            !!!next-input-character;
3788            redo A;
3789          } elsif ($self->{kwd} eq 'NOTATIO' and
3790                   $self->{nc} == 0x004E) { # N
3791            $self->{ct} = {type => NOTATION_TOKEN, name => '',
3792                           line => $self->{line_prev},
3793                           column => $self->{column_prev} - 6};
3794            $self->{state} = DOCTYPE_MD_STATE;
3795            !!!next-input-character;
3796            redo A;
3797          } else {
3798            !!!parse-error (type => 'bogus comment',
3799                            line => $self->{line_prev},
3800                            column => $self->{column_prev} - 1
3801                                - (length $self->{kwd})
3802                                + 1 * ($self->{nc} == -1));
3803            $self->{state} = BOGUS_COMMENT_STATE;
3804            ## Reconsume.
3805            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3806            redo A;
3807          }
3808        } elsif ($self->{state} == DOCTYPE_MD_STATE) {
3809          ## XML5: "DOCTYPE ENTITY state", "DOCTYPE ATTLIST state", and
3810          ## "DOCTYPE NOTATION state".
3811    
3812          if ($is_space->{$self->{nc}}) {
3813            ## XML5: [NOTATION] Switch to the "DOCTYPE NOTATION identifier state".
3814            $self->{state} = BEFORE_MD_NAME_STATE;
3815            !!!next-input-character;
3816            redo A;
3817          } elsif ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN and
3818                   $self->{nc} == 0x0025) { # %
3819            ## XML5: Switch to the "DOCTYPE bogus comment state".
3820            !!!parse-error (type => 'no space before md name'); ## TODO: type
3821            $self->{state} = DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE;
3822            !!!next-input-character;
3823            redo A;
3824          } elsif ($self->{nc} == -1) {
3825            !!!parse-error (type => 'unclosed md'); ## TODO: type
3826            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
3827            ## Reconsume.
3828            redo A;
3829          } elsif ($self->{nc} == 0x003E) { # >
3830            ## XML5: Switch to the "DOCTYPE bogus comment state".
3831            !!!parse-error (type => 'no md name'); ## TODO: type
3832            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3833            !!!next-input-character;
3834            redo A;
3835          } else {
3836            ## XML5: Switch to the "DOCTYPE bogus comment state".
3837            !!!parse-error (type => 'no space before md name'); ## TODO: type
3838            $self->{state} = BEFORE_MD_NAME_STATE;
3839            redo A;
3840          }
3841        } elsif ($self->{state} == BEFORE_MD_NAME_STATE) {
3842          ## XML5: "DOCTYPE ENTITY parameter state", "DOCTYPE ENTITY type
3843          ## before state", "DOCTYPE ATTLIST name before state".
3844    
3845          if ($is_space->{$self->{nc}}) {
3846            ## Stay in the state.
3847            !!!next-input-character;
3848            redo A;
3849          } elsif ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN and
3850                   $self->{nc} == 0x0025) { # %
3851            $self->{state} = DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE;
3852            !!!next-input-character;
3853            redo A;
3854          } elsif ($self->{nc} == 0x003E) { # >
3855            ## XML5: Same as "Anything else".
3856            !!!parse-error (type => 'no md name'); ## TODO: type
3857            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3858            !!!next-input-character;
3859            redo A;
3860          } elsif ($self->{nc} == -1) {
3861            !!!parse-error (type => 'unclosed md'); ## TODO: type
3862            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
3863            ## Reconsume.
3864            redo A;
3865          } else {
3866            ## XML5: [ATTLIST] Not defined yet.
3867            $self->{ct}->{name} .= chr $self->{nc};
3868            $self->{state} = MD_NAME_STATE;
3869            !!!next-input-character;
3870            redo A;
3871          }
3872        } elsif ($self->{state} == DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE) {
3873          if ($is_space->{$self->{nc}}) {
3874            ## XML5: Switch to the "DOCTYPE ENTITY parameter state".
3875            $self->{ct}->{type} = PARAMETER_ENTITY_TOKEN;
3876            $self->{state} = BEFORE_MD_NAME_STATE;
3877            !!!next-input-character;
3878            redo A;
3879          } elsif ($self->{nc} == 0x003E) { # >
3880            ## XML5: Same as "Anything else".
3881            !!!parse-error (type => 'no md name'); ## TODO: type
3882            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3883            !!!next-input-character;
3884            redo A;
3885          } elsif ($self->{nc} == -1) {
3886            !!!parse-error (type => 'unclosed md');
3887            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
3888            ## Reconsume.
3889            redo A;
3890          } else {
3891            ## XML5: No parse error.
3892            !!!parse-error (type => 'no space after ENTITY percent'); ## TODO: type
3893            $self->{state} = BOGUS_COMMENT_STATE;
3894            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3895            ## Reconsume.
3896            redo A;
3897          }
3898        } elsif ($self->{state} == MD_NAME_STATE) {
3899          ## XML5: "DOCTYPE ENTITY name state" and "DOCTYPE ATTLIST name state".
3900          
3901          if ($is_space->{$self->{nc}}) {
3902            if ($self->{ct}->{type} == ATTLIST_TOKEN) {
3903              $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
3904            } elsif ($self->{ct}->{type} == ELEMENT_TOKEN) {
3905              ## TODO: ...
3906              $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
3907            } else { # ENTITY/NOTATION
3908              $self->{state} = AFTER_DOCTYPE_NAME_STATE;
3909            }
3910            !!!next-input-character;
3911            redo A;
3912          } elsif ($self->{nc} == 0x003E) { # >
3913            if ($self->{ct}->{type} == ATTLIST_TOKEN) {
3914              #
3915            } else {
3916              !!!parse-error (type => 'no md def'); ## TODO: type
3917            }
3918            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3919            !!!next-input-character;
3920            !!!emit ($self->{ct}); # ELEMENT/ENTITY/ATTLIST/NOTATION
3921            redo A;
3922          } elsif ($self->{nc} == -1) {
3923            ## XML5: [ATTLIST] No parse error.
3924            !!!parse-error (type => 'unclosed md');
3925            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
3926            ## Reconsume.
3927            !!!emit ($self->{ct}); # ELEMENT/ENTITY/ATTLIST/NOTATION
3928            redo A;
3929          } else {
3930            ## XML5: [ATTLIST] Not defined yet.
3931            $self->{ct}->{name} .= chr $self->{nc};
3932            ## Stay in the state.
3933            !!!next-input-character;
3934            redo A;
3935          }
3936        } elsif ($self->{state} == DOCTYPE_ATTLIST_NAME_AFTER_STATE) {
3937          if ($is_space->{$self->{nc}}) {
3938            ## Stay in the state.
3939            !!!next-input-character;
3940            redo A;
3941          } elsif ($self->{nc} == 0x003E) { # >
3942            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3943            !!!next-input-character;
3944            !!!emit ($self->{ct}); # ATTLIST
3945            redo A;
3946          } elsif ($self->{nc} == -1) {
3947            ## XML5: No parse error.
3948            !!!parse-error (type => 'unclosed md'); ## TODO: type
3949            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
3950            !!!emit ($self->{ct});
3951            redo A;
3952          } else {
3953            ## XML5: Not defined yet.
3954            $self->{ca} = {name => chr ($self->{nc}), # attrdef
3955                           tokens => [],
3956                           line => $self->{line}, column => $self->{column}};
3957            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_NAME_STATE;
3958            !!!next-input-character;
3959            redo A;
3960          }
3961        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_NAME_STATE) {
3962          if ($is_space->{$self->{nc}}) {
3963            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_NAME_AFTER_STATE;
3964            !!!next-input-character;
3965            redo A;
3966          } elsif ($self->{nc} == 0x003E) { # >
3967            ## XML5: Same as "anything else".
3968            !!!parse-error (type => 'no attr type'); ## TODO: type
3969            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3970            !!!next-input-character;
3971            !!!emit ($self->{ct}); # ATTLIST
3972            redo A;
3973          } elsif ($self->{nc} == 0x0028) { # (
3974            ## XML5: Same as "anything else".
3975            !!!parse-error (type => 'no space before paren'); ## TODO: type
3976            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
3977            !!!next-input-character;
3978            redo A;
3979          } elsif ($self->{nc} == -1) {
3980            ## XML5: No parse error.
3981            !!!parse-error (type => 'unclosed md'); ## TODO: type
3982            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
3983            !!!next-input-character;
3984            !!!emit ($self->{ct}); # ATTLIST
3985            redo A;
3986          } else {
3987            ## XML5: Not defined yet.
3988            $self->{ca}->{name} .= chr $self->{nc};
3989            ## Stay in the state.
3990            !!!next-input-character;
3991            redo A;
3992          }
3993        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_NAME_AFTER_STATE) {
3994          if ($is_space->{$self->{nc}}) {
3995            ## Stay in the state.
3996            !!!next-input-character;
3997            redo A;
3998          } elsif ($self->{nc} == 0x003E) { # >
3999            ## XML5: Same as "anything else".
4000            !!!parse-error (type => 'no attr type'); ## TODO: type
4001            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4002            !!!next-input-character;
4003            !!!emit ($self->{ct}); # ATTLIST
4004            redo A;
4005          } elsif ($self->{nc} == 0x0028) { # (
4006            ## XML5: Same as "anything else".
4007            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4008            !!!next-input-character;
4009            redo A;
4010          } elsif ($self->{nc} == -1) {
4011            ## XML5: No parse error.
4012            !!!parse-error (type => 'unclosed md'); ## TODO: type
4013            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4014            !!!next-input-character;
4015            !!!emit ($self->{ct});
4016            redo A;
4017          } else {
4018            ## XML5: Not defined yet.
4019            $self->{ca}->{type} = chr $self->{nc};
4020            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_STATE;
4021            !!!next-input-character;
4022            redo A;
4023          }
4024        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_STATE) {
4025          if ($is_space->{$self->{nc}}) {
4026            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_AFTER_STATE;
4027            !!!next-input-character;
4028            redo A;
4029          } elsif ($self->{nc} == 0x0023) { # #
4030            ## XML5: Same as "anything else".
4031            !!!parse-error (type => 'no space before default value'); ## TODO: type
4032            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4033            !!!next-input-character;
4034            redo A;
4035          } elsif ($self->{nc} == 0x0022) { # "
4036            ## XML5: Same as "anything else".
4037            !!!parse-error (type => 'no space before default value'); ## TODO: type
4038            $self->{ca}->{value} = '';
4039            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4040            !!!next-input-character;
4041            redo A;
4042          } elsif ($self->{nc} == 0x0027) { # '
4043            ## XML5: Same as "anything else".
4044            !!!parse-error (type => 'no space before default value'); ## TODO: type
4045            $self->{ca}->{value} = '';
4046            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4047            !!!next-input-character;
4048            redo A;
4049          } elsif ($self->{nc} == 0x003E) { # >
4050            ## XML5: Same as "anything else".
4051            !!!parse-error (type => 'no attr default'); ## TODO: type
4052            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4053            !!!next-input-character;
4054            !!!emit ($self->{ct}); # ATTLIST
4055            redo A;
4056          } elsif ($self->{nc} == 0x0028) { # (
4057            ## XML5: Same as "anything else".
4058            !!!parse-error (type => 'no space before paren'); ## TODO: type
4059            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4060            !!!next-input-character;
4061            redo A;
4062          } elsif ($self->{nc} == -1) {
4063            ## XML5: No parse error.
4064            !!!parse-error (type => 'unclosed md'); ## TODO: type
4065            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4066            !!!next-input-character;
4067            !!!emit ($self->{ct});
4068            redo A;
4069          } else {
4070            ## XML5: Not defined yet.
4071            $self->{ca}->{type} .= chr $self->{nc};
4072            ## Stay in the state.
4073            !!!next-input-character;
4074            redo A;
4075          }
4076        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_AFTER_STATE) {
4077          if ($is_space->{$self->{nc}}) {
4078            ## Stay in the state.
4079            !!!next-input-character;
4080            redo A;
4081          } elsif ($self->{nc} == 0x0028) { # (
4082            ## XML5: Same as "anything else".
4083            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4084            !!!next-input-character;
4085            redo A;
4086          } elsif ($self->{nc} == 0x0023) { # #
4087            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4088            !!!next-input-character;
4089            redo A;
4090          } elsif ($self->{nc} == 0x0022) { # "
4091            ## XML5: Same as "anything else".
4092            $self->{ca}->{value} = '';
4093            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4094            !!!next-input-character;
4095            redo A;
4096          } elsif ($self->{nc} == 0x0027) { # '
4097            ## XML5: Same as "anything else".
4098            $self->{ca}->{value} = '';
4099            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4100            !!!next-input-character;
4101            redo A;
4102          } elsif ($self->{nc} == 0x003E) { # >
4103            ## XML5: Same as "anything else".
4104            !!!parse-error (type => 'no attr default'); ## TODO: type
4105            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4106            !!!next-input-character;
4107            !!!emit ($self->{ct}); # ATTLIST
4108            redo A;
4109          } elsif ($self->{nc} == -1) {
4110            ## XML5: No parse error.
4111            !!!parse-error (type => 'unclosed md'); ## TODO: type
4112            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4113            !!!next-input-character;
4114            !!!emit ($self->{ct});
4115            redo A;
4116          } else {
4117            ## XML5: Switch to the "DOCTYPE bogus comment state".
4118            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4119            $self->{ca}->{value} = '';
4120            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4121            ## Reconsume.
4122            redo A;
4123          }
4124        } elsif ($self->{state} == BEFORE_ALLOWED_TOKEN_STATE) {
4125          if ($is_space->{$self->{nc}}) {
4126            ## Stay in the state.
4127            !!!next-input-character;
4128            redo A;
4129          } elsif ($self->{nc} == 0x007C) { # |
4130            !!!parse-error (type => 'empty allowed token'); ## TODO: type
4131            ## Stay in the state.
4132            !!!next-input-character;
4133            redo A;
4134          } elsif ($self->{nc} == 0x0029) { # )
4135            !!!parse-error (type => 'empty allowed token'); ## TODO: type
4136            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4137            !!!next-input-character;
4138            redo A;
4139          } elsif ($self->{nc} == 0x003E) { # >
4140            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4141            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4142            !!!next-input-character;
4143            !!!emit ($self->{ct}); # ATTLIST
4144            redo A;
4145          } elsif ($self->{nc} == -1) {
4146            ## XML5: No parse error.
4147            !!!parse-error (type => 'unclosed md'); ## TODO: type
4148            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4149            !!!next-input-character;
4150            !!!emit ($self->{ct});
4151            redo A;
4152          } else {
4153            push @{$self->{ca}->{tokens}}, chr $self->{nc};
4154            $self->{state} = ALLOWED_TOKEN_STATE;
4155            !!!next-input-character;
4156            redo A;
4157          }
4158        } elsif ($self->{state} == ALLOWED_TOKEN_STATE) {
4159          if ($is_space->{$self->{nc}}) {
4160            $self->{state} = AFTER_ALLOWED_TOKEN_STATE;
4161            !!!next-input-character;
4162            redo A;
4163          } elsif ($self->{nc} == 0x007C) { # |
4164            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4165            !!!next-input-character;
4166            redo A;
4167          } elsif ($self->{nc} == 0x0029) { # )
4168            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4169            !!!next-input-character;
4170            redo A;
4171          } elsif ($self->{nc} == 0x003E) { # >
4172            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4173            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4174            !!!next-input-character;
4175            !!!emit ($self->{ct}); # ATTLIST
4176            redo A;
4177          } elsif ($self->{nc} == -1) {
4178            ## XML5: No parse error.
4179            !!!parse-error (type => 'unclosed md'); ## TODO: type
4180            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4181            !!!next-input-character;
4182            !!!emit ($self->{ct});
4183            redo A;
4184          } else {
4185            $self->{ca}->{tokens}->[-1] .= chr $self->{nc};
4186            ## Stay in the state.
4187            !!!next-input-character;
4188            redo A;
4189          }
4190        } elsif ($self->{state} == AFTER_ALLOWED_TOKEN_STATE) {
4191          if ($is_space->{$self->{nc}}) {
4192            ## Stay in the state.
4193            !!!next-input-character;
4194            redo A;
4195          } elsif ($self->{nc} == 0x007C) { # |
4196            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4197            !!!next-input-character;
4198            redo A;
4199          } elsif ($self->{nc} == 0x0029) { # )
4200            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4201            !!!next-input-character;
4202            redo A;
4203          } elsif ($self->{nc} == 0x003E) { # >
4204            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4205            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4206            !!!next-input-character;
4207            !!!emit ($self->{ct}); # ATTLIST
4208            redo A;
4209          } elsif ($self->{nc} == -1) {
4210            ## XML5: No parse error.
4211            !!!parse-error (type => 'unclosed md'); ## TODO: type
4212            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4213            !!!next-input-character;
4214            !!!emit ($self->{ct});
4215            redo A;
4216          } else {
4217            !!!parse-error (type => 'space in allowed token', ## TODO: type
4218                            line => $self->{line_prev},
4219                            column => $self->{column_prev});
4220            $self->{ca}->{tokens}->[-1] .= ' ' . chr $self->{nc};
4221            $self->{state} = ALLOWED_TOKEN_STATE;
4222            !!!next-input-character;
4223            redo A;
4224          }
4225        } elsif ($self->{state} == AFTER_ALLOWED_TOKENS_STATE) {
4226          if ($is_space->{$self->{nc}}) {
4227            $self->{state} = BEFORE_ATTR_DEFAULT_STATE;
4228            !!!next-input-character;
4229            redo A;
4230          } elsif ($self->{nc} == 0x0023) { # #
4231            !!!parse-error (type => 'no space before default value'); ## TODO: type
4232            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4233            !!!next-input-character;
4234            redo A;
4235          } elsif ($self->{nc} == 0x0022) { # "
4236            !!!parse-error (type => 'no space before default value'); ## TODO: type
4237            $self->{ca}->{value} = '';
4238            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4239            !!!next-input-character;
4240            redo A;
4241          } elsif ($self->{nc} == 0x0027) { # '
4242            !!!parse-error (type => 'no space before default value'); ## TODO: type
4243            $self->{ca}->{value} = '';
4244            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4245            !!!next-input-character;
4246            redo A;
4247          } elsif ($self->{nc} == 0x003E) { # >
4248            !!!parse-error (type => 'no attr default'); ## TODO: type
4249            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4250            !!!next-input-character;
4251            !!!emit ($self->{ct}); # ATTLIST
4252            redo A;
4253          } elsif ($self->{nc} == -1) {
4254            !!!parse-error (type => 'unclosed md'); ## TODO: type
4255            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4256            !!!next-input-character;
4257            !!!emit ($self->{ct});
4258            redo A;
4259          } else {
4260            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4261            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4262          ## Reconsume.          ## Reconsume.
4263          redo A;          redo A;
4264        }        }
4265        } elsif ($self->{state} == BEFORE_ATTR_DEFAULT_STATE) {
4266          if ($is_space->{$self->{nc}}) {
4267            ## Stay in the state.
4268            !!!next-input-character;
4269            redo A;
4270          } elsif ($self->{nc} == 0x0023) { # #
4271            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4272            !!!next-input-character;
4273            redo A;
4274          } elsif ($self->{nc} == 0x0022) { # "
4275            $self->{ca}->{value} = '';
4276            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4277            !!!next-input-character;
4278            redo A;
4279          } elsif ($self->{nc} == 0x0027) { # '
4280            $self->{ca}->{value} = '';
4281            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4282            !!!next-input-character;
4283            redo A;
4284          } elsif ($self->{nc} == 0x003E) { # >
4285            !!!parse-error (type => 'no attr default'); ## TODO: type
4286            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4287            !!!next-input-character;
4288            !!!emit ($self->{ct}); # ATTLIST
4289            redo A;
4290          } elsif ($self->{nc} == -1) {
4291            !!!parse-error (type => 'unclosed md'); ## TODO: type
4292            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4293            !!!next-input-character;
4294            !!!emit ($self->{ct});
4295            redo A;
4296          } else {
4297            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4298            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4299            ## Reconsume.
4300            redo A;
4301          }
4302        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE) {
4303          if ($is_space->{$self->{nc}}) {
4304            ## XML5: No parse error.
4305            !!!parse-error (type => 'no default type'); ## TODO: type
4306            $self->{state} = BOGUS_MD_STATE;
4307            ## Reconsume.
4308            redo A;
4309          } elsif ($self->{nc} == 0x0022) { # "
4310            ## XML5: Same as "anything else".
4311            $self->{ca}->{value} = '';
4312            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4313            !!!next-input-character;
4314            redo A;
4315          } elsif ($self->{nc} == 0x0027) { # '
4316            ## XML5: Same as "anything else".
4317            $self->{ca}->{value} = '';
4318            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4319            !!!next-input-character;
4320            redo A;
4321          } elsif ($self->{nc} == 0x003E) { # >
4322            ## XML5: Same as "anything else".
4323            !!!parse-error (type => 'no attr default'); ## TODO: type
4324            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4325            !!!next-input-character;
4326            !!!emit ($self->{ct}); # ATTLIST
4327            redo A;
4328          } elsif ($self->{nc} == -1) {
4329            ## XML5: No parse error.
4330            !!!parse-error (type => 'unclosed md'); ## TODO: type
4331            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4332            !!!next-input-character;
4333            !!!emit ($self->{ct});
4334            redo A;
4335          } else {
4336            $self->{ca}->{default} = chr $self->{nc};
4337            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_STATE;
4338            !!!next-input-character;
4339            redo A;
4340          }
4341        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_STATE) {
4342          if ($is_space->{$self->{nc}}) {
4343            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_AFTER_STATE;
4344            !!!next-input-character;
4345            redo A;
4346          } elsif ($self->{nc} == 0x0022) { # "
4347            ## XML5: Same as "anything else".
4348            !!!parse-error (type => 'no space before default value'); ## TODO: type
4349            $self->{ca}->{value} = '';
4350            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4351            !!!next-input-character;
4352            redo A;
4353          } elsif ($self->{nc} == 0x0027) { # '
4354            ## XML5: Same as "anything else".
4355            !!!parse-error (type => 'no space before default value'); ## TODO: type
4356            $self->{ca}->{value} = '';
4357            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4358            !!!next-input-character;
4359            redo A;
4360          } elsif ($self->{nc} == 0x003E) { # >
4361            ## XML5: Same as "anything else".
4362            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4363            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4364            !!!next-input-character;
4365            !!!emit ($self->{ct}); # ATTLIST
4366            redo A;
4367          } elsif ($self->{nc} == -1) {
4368            ## XML5: No parse error.
4369            !!!parse-error (type => 'unclosed md'); ## TODO: type
4370            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4371            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4372            !!!next-input-character;
4373            !!!emit ($self->{ct});
4374            redo A;
4375          } else {
4376            $self->{ca}->{default} .= chr $self->{nc};
4377            ## Stay in the state.
4378            !!!next-input-character;
4379            redo A;
4380          }
4381        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_AFTER_STATE) {
4382          if ($is_space->{$self->{nc}}) {
4383            ## Stay in the state.
4384            !!!next-input-character;
4385            redo A;
4386          } elsif ($self->{nc} == 0x0022) { # "
4387            $self->{ca}->{value} = '';
4388            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4389            !!!next-input-character;
4390            redo A;
4391          } elsif ($self->{nc} == 0x0027) { # '
4392            $self->{ca}->{value} = '';
4393            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4394            !!!next-input-character;
4395            redo A;
4396          } elsif ($self->{nc} == 0x003E) { # >
4397            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4398            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4399            !!!next-input-character;
4400            !!!emit ($self->{ct}); # ATTLIST
4401            redo A;
4402          } elsif ($self->{nc} == -1) {
4403            ## XML5: No parse error.
4404            !!!parse-error (type => 'unclosed md'); ## TODO: type
4405            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4406            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4407            !!!next-input-character;
4408            !!!emit ($self->{ct});
4409            redo A;
4410          } else {
4411            ## XML5: Not defined yet.
4412            if ($self->{ca}->{default} eq 'FIXED') {
4413              $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4414            } else {
4415              push @{$self->{ct}->{attrdefs}}, $self->{ca};
4416              $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4417            }
4418            ## Reconsume.
4419            redo A;
4420          }
4421        } elsif ($self->{state} == AFTER_ATTLIST_ATTR_VALUE_QUOTED_STATE) {
4422          if ($is_space->{$self->{nc}} or
4423              $self->{nc} == -1 or
4424              $self->{nc} == 0x003E) { # >
4425            $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4426            ## Reconsume.
4427            redo A;
4428          } else {
4429            !!!parse-error (type => 'no space before attr name'); ## TODO: type
4430            $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4431            ## Reconsume.
4432            redo A;
4433          }
4434    
4435        } elsif ($self->{state} == BOGUS_MD_STATE) {
4436          if ($self->{nc} == 0x003E) { # >
4437            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4438            !!!next-input-character;
4439            !!!emit ($self->{ct}); # ATTLIST/ENTITY/NOTATION
4440            redo A;
4441          } elsif ($self->{nc} == -1) {
4442            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4443            ## Reconsume.
4444            !!!emit ($self->{ct}); # ATTLIST/ENTITY/NOTATION
4445            redo A;
4446          } else {
4447            ## Stay in the state.
4448            !!!next-input-character;
4449            redo A;
4450          }
4451      } else {      } else {
4452        die "$0: $self->{state}: Unknown state";        die "$0: $self->{state}: Unknown state";
4453      }      }
# Line 2635  sub _get_next_token ($) { Line 4458  sub _get_next_token ($) {
4458    
4459  1;  1;
4460  ## $Date$  ## $Date$
4461                                    
Legend:
Removed from v.1.1  
changed lines
  Added in v.1.16
admin@suikawiki.org
 ViewVC Help
Powered by ViewVC 1.1.24