/[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 1.26 by wakaba, Thu Jul 2 21:42:43 2009 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 BEFORE_NDATA_STATE () { 85 }
181    sub NDATA_STATE () { 86 }
182    sub AFTER_NDATA_STATE () { 87 }
183    sub BEFORE_NOTATION_NAME_STATE () { 88 }
184    sub NOTATION_NAME_STATE () { 89 }
185    sub DOCTYPE_ENTITY_VALUE_DOUBLE_QUOTED_STATE () { 90 }
186    sub DOCTYPE_ENTITY_VALUE_SINGLE_QUOTED_STATE () { 91 }
187    sub ENTITY_VALUE_ENTITY_STATE () { 92 }
188    sub AFTER_ELEMENT_NAME_STATE () { 93 }
189    sub BEFORE_ELEMENT_CONTENT_STATE () { 94 }
190    sub CONTENT_KEYWORD_STATE () { 95 }
191    sub AFTER_CM_GROUP_OPEN_STATE () { 96 }
192    sub CM_ELEMENT_NAME_STATE () { 97 }
193    sub AFTER_CM_ELEMENT_NAME_STATE () { 98 }
194    sub AFTER_CM_GROUP_CLOSE_STATE () { 99 }
195    sub AFTER_MD_DEF_STATE () { 100 }
196    sub BOGUS_MD_STATE () { 101 }
197    
198  ## Tree constructor state constants (see Whatpm::HTML for the full  ## Tree constructor state constants (see Whatpm::HTML for the full
199  ## list and descriptions)  ## list and descriptions)
# Line 142  sub _initialize_tokenizer ($) { Line 256  sub _initialize_tokenizer ($) {
256    #$self->{level}    #$self->{level}
257    #$self->{set_nc}    #$self->{set_nc}
258    #$self->{parse_error}    #$self->{parse_error}
259      #$self->{is_xml} (if XML)
260    
261    $self->{state} = DATA_STATE; # MUST    $self->{state} = DATA_STATE; # MUST
262    #$self->{s_kwd}; # state keyword - initialized when used    $self->{s_kwd} = ''; # Data state keyword
263      #$self->{kwd} = ''; # State-dependent keyword; initialized when used
264    #$self->{entity__value}; # initialized when used    #$self->{entity__value}; # initialized when used
265    #$self->{entity__match}; # initialized when used    #$self->{entity__match}; # initialized when used
266    $self->{content_model} = PCDATA_CONTENT_MODEL; # be    $self->{content_model} = PCDATA_CONTENT_MODEL; # be
# Line 164  sub _initialize_tokenizer ($) { Line 280  sub _initialize_tokenizer ($) {
280    
281  ## A token has:  ## A token has:
282  ##   ->{type} == DOCTYPE_TOKEN, START_TAG_TOKEN, END_TAG_TOKEN, COMMENT_TOKEN,  ##   ->{type} == DOCTYPE_TOKEN, START_TAG_TOKEN, END_TAG_TOKEN, COMMENT_TOKEN,
283  ##       CHARACTER_TOKEN, or END_OF_FILE_TOKEN  ##       CHARACTER_TOKEN, END_OF_FILE_TOKEN, PI_TOKEN, or ABORT_TOKEN
284  ##   ->{name} (DOCTYPE_TOKEN)  ##   ->{name} (DOCTYPE_TOKEN)
285  ##   ->{tag_name} (START_TAG_TOKEN, END_TAG_TOKEN)  ##   ->{tag_name} (START_TAG_TOKEN, END_TAG_TOKEN)
286    ##   ->{target} (PI_TOKEN)
287  ##   ->{pubid} (DOCTYPE_TOKEN)  ##   ->{pubid} (DOCTYPE_TOKEN)
288  ##   ->{sysid} (DOCTYPE_TOKEN)  ##   ->{sysid} (DOCTYPE_TOKEN)
289  ##   ->{quirks} == 1 or 0 (DOCTYPE_TOKEN): "force-quirks" flag  ##   ->{quirks} == 1 or 0 (DOCTYPE_TOKEN): "force-quirks" flag
# Line 174  sub _initialize_tokenizer ($) { Line 291  sub _initialize_tokenizer ($) {
291  ##        ->{name}  ##        ->{name}
292  ##        ->{value}  ##        ->{value}
293  ##        ->{has_reference} == 1 or 0  ##        ->{has_reference} == 1 or 0
294  ##   ->{data} (COMMENT_TOKEN, CHARACTER_TOKEN)  ##        ->{index}: Index of the attribute in a tag.
295    ##   ->{data} (COMMENT_TOKEN, CHARACTER_TOKEN, PI_TOKEN)
296    ##   ->{has_reference} == 1 or 0 (CHARACTER_TOKEN)
297    ##   ->{last_index} (ELEMENT_TOKEN): Next attribute's index - 1.
298    ##   ->{has_internal_subset} = 1 or 0 (DOCTYPE_TOKEN)
299    
300  ## NOTE: The "self-closing flag" is hold as |$self->{self_closing}|.  ## NOTE: The "self-closing flag" is hold as |$self->{self_closing}|.
301  ##     |->{self_closing}| is used to save the value of |$self->{self_closing}|  ##     |->{self_closing}| is used to save the value of |$self->{self_closing}|
302  ##     while the token is pushed back to the stack.  ##     while the token is pushed back to the stack.
# Line 194  my $is_space = { Line 316  my $is_space = {
316    0x0009 => 1, # CHARACTER TABULATION (HT)    0x0009 => 1, # CHARACTER TABULATION (HT)
317    0x000A => 1, # LINE FEED (LF)    0x000A => 1, # LINE FEED (LF)
318    #0x000B => 0, # LINE TABULATION (VT)    #0x000B => 0, # LINE TABULATION (VT)
319    0x000C => 1, # FORM FEED (FF)    0x000C => 1, # FORM FEED (FF) ## XML5: Not a space character.
320    #0x000D => 1, # CARRIAGE RETURN (CR)    #0x000D => 1, # CARRIAGE RETURN (CR)
321    0x0020 => 1, # SPACE (SP)    0x0020 => 1, # SPACE (SP)
322  };  };
# Line 278  sub _get_next_token ($) { Line 400  sub _get_next_token ($) {
400          }          }
401        } elsif ($self->{nc} == 0x002D) { # -        } elsif ($self->{nc} == 0x002D) { # -
402          if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA          if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA
403            $self->{s_kwd} .= '-';            if ($self->{s_kwd} eq '<!-') {
             
           if ($self->{s_kwd} eq '<!--') {  
404              !!!cp (3);              !!!cp (3);
405              $self->{escape} = 1; # unless $self->{escape};              $self->{escape} = 1; # unless $self->{escape};
406              $self->{s_kwd} = '--';              $self->{s_kwd} = '--';
407              #              #
408            } elsif ($self->{s_kwd} eq '---') {            } elsif ($self->{s_kwd} eq '-') {
409              !!!cp (4);              !!!cp (4);
410              $self->{s_kwd} = '--';              $self->{s_kwd} = '--';
411              #              #
412              } elsif ($self->{s_kwd} eq '<!' or $self->{s_kwd} eq '-') {
413                !!!cp (4.1);
414                $self->{s_kwd} .= '-';
415                #
416            } else {            } else {
417              !!!cp (5);              !!!cp (5);
418                $self->{s_kwd} = '-';
419              #              #
420            }            }
421          }          }
# Line 326  sub _get_next_token ($) { Line 451  sub _get_next_token ($) {
451            if ($self->{s_kwd} eq '--') {            if ($self->{s_kwd} eq '--') {
452              !!!cp (8);              !!!cp (8);
453              delete $self->{escape};              delete $self->{escape};
454                #
455            } else {            } else {
456              !!!cp (9);              !!!cp (9);
457                #
458            }            }
459            } elsif ($self->{is_xml} and $self->{s_kwd} eq ']]') {
460              !!!cp (9.1);
461              !!!parse-error (type => 'unmatched mse', ## TODO: type
462                              line => $self->{line_prev},
463                              column => $self->{column_prev} - 1);
464              #
465          } else {          } else {
466            !!!cp (10);            !!!cp (10);
467              #
468          }          }
469                    
470          $self->{s_kwd} = '';          $self->{s_kwd} = '';
471          #          #
472          } elsif ($self->{nc} == 0x005D) { # ]
473            if ($self->{s_kwd} eq ']' or $self->{s_kwd} eq '') {
474              !!!cp (10.1);
475              $self->{s_kwd} .= ']';
476            } elsif ($self->{s_kwd} eq ']]') {
477              !!!cp (10.2);
478              #
479            } else {
480              !!!cp (10.3);
481              $self->{s_kwd} = '';
482            }
483            #
484        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
485          !!!cp (11);          !!!cp (11);
486          $self->{s_kwd} = '';          $self->{s_kwd} = '';
# Line 352  sub _get_next_token ($) { Line 498  sub _get_next_token ($) {
498                     data => chr $self->{nc},                     data => chr $self->{nc},
499                     line => $self->{line}, column => $self->{column},                     line => $self->{line}, column => $self->{column},
500                    };                    };
501        if ($self->{read_until}->($token->{data}, q[-!<>&],        if ($self->{read_until}->($token->{data}, q{-!<>&\]},
502                                  length $token->{data})) {                                  length $token->{data})) {
503          $self->{s_kwd} = '';          $self->{s_kwd} = '';
504        }        }
505    
506        ## Stay in the data state.        ## Stay in the data state.
507        if ($self->{content_model} == PCDATA_CONTENT_MODEL) {        if (not $self->{is_xml} and
508              $self->{content_model} == PCDATA_CONTENT_MODEL) {
509          !!!cp (13);          !!!cp (13);
510          $self->{state} = PCDATA_STATE;          $self->{state} = PCDATA_STATE;
511        } else {        } else {
# Line 369  sub _get_next_token ($) { Line 516  sub _get_next_token ($) {
516        !!!emit ($token);        !!!emit ($token);
517        redo A;        redo A;
518      } elsif ($self->{state} == TAG_OPEN_STATE) {      } elsif ($self->{state} == TAG_OPEN_STATE) {
519          ## XML5: "tag state".
520    
521        if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA        if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA
522          if ($self->{nc} == 0x002F) { # /          if ($self->{nc} == 0x002F) { # /
523            !!!cp (15);            !!!cp (15);
# Line 377  sub _get_next_token ($) { Line 526  sub _get_next_token ($) {
526            redo A;            redo A;
527          } elsif ($self->{nc} == 0x0021) { # !          } elsif ($self->{nc} == 0x0021) { # !
528            !!!cp (15.1);            !!!cp (15.1);
529            $self->{s_kwd} = '<' unless $self->{escape};            $self->{s_kwd} = $self->{escaped} ? '' : '<';
530            #            #
531          } else {          } else {
532            !!!cp (16);            !!!cp (16);
533              $self->{s_kwd} = '';
534            #            #
535          }          }
536    
# Line 407  sub _get_next_token ($) { Line 557  sub _get_next_token ($) {
557            !!!cp (19);            !!!cp (19);
558            $self->{ct}            $self->{ct}
559              = {type => START_TAG_TOKEN,              = {type => START_TAG_TOKEN,
560                 tag_name => chr ($self->{nc} + 0x0020),                 tag_name => chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020)),
561                 line => $self->{line_prev},                 line => $self->{line_prev},
562                 column => $self->{column_prev}};                 column => $self->{column_prev}};
563            $self->{state} = TAG_NAME_STATE;            $self->{state} = TAG_NAME_STATE;
# Line 429  sub _get_next_token ($) { Line 579  sub _get_next_token ($) {
579                            line => $self->{line_prev},                            line => $self->{line_prev},
580                            column => $self->{column_prev});                            column => $self->{column_prev});
581            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
582              $self->{s_kwd} = '';
583            !!!next-input-character;            !!!next-input-character;
584    
585            !!!emit ({type => CHARACTER_TOKEN, data => '<>',            !!!emit ({type => CHARACTER_TOKEN, data => '<>',
# Line 438  sub _get_next_token ($) { Line 589  sub _get_next_token ($) {
589    
590            redo A;            redo A;
591          } elsif ($self->{nc} == 0x003F) { # ?          } elsif ($self->{nc} == 0x003F) { # ?
592            !!!cp (22);            if ($self->{is_xml}) {
593            !!!parse-error (type => 'pio',              !!!cp (22.1);
594                            line => $self->{line_prev},              $self->{state} = PI_STATE;
595                            column => $self->{column_prev});              !!!next-input-character;
596            $self->{state} = BOGUS_COMMENT_STATE;              redo A;
597            $self->{ct} = {type => COMMENT_TOKEN, data => '',            } else {
598                                      line => $self->{line_prev},              !!!cp (22);
599                                      column => $self->{column_prev},              !!!parse-error (type => 'pio',
600                                     };                              line => $self->{line_prev},
601            ## $self->{nc} is intentionally left as is                              column => $self->{column_prev});
602            redo A;              $self->{state} = BOGUS_COMMENT_STATE;
603          } else {              $self->{ct} = {type => COMMENT_TOKEN, data => '',
604                               line => $self->{line_prev},
605                               column => $self->{column_prev},
606                              };
607                ## $self->{nc} is intentionally left as is
608                redo A;
609              }
610            } elsif (not $self->{is_xml} or $is_space->{$self->{nc}}) {
611            !!!cp (23);            !!!cp (23);
612            !!!parse-error (type => 'bare stago',            !!!parse-error (type => 'bare stago',
613                            line => $self->{line_prev},                            line => $self->{line_prev},
614                            column => $self->{column_prev});                            column => $self->{column_prev});
615            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
616              $self->{s_kwd} = '';
617            ## reconsume            ## reconsume
618    
619            !!!emit ({type => CHARACTER_TOKEN, data => '<',            !!!emit ({type => CHARACTER_TOKEN, data => '<',
# Line 463  sub _get_next_token ($) { Line 622  sub _get_next_token ($) {
622                     });                     });
623    
624            redo A;            redo A;
625            } else {
626              ## XML5: "<:" is a parse error.
627              !!!cp (23.1);
628              $self->{ct} = {type => START_TAG_TOKEN,
629                                        tag_name => chr ($self->{nc}),
630                                        line => $self->{line_prev},
631                                        column => $self->{column_prev}};
632              $self->{state} = TAG_NAME_STATE;
633              !!!next-input-character;
634              redo A;
635          }          }
636        } else {        } else {
637          die "$0: $self->{content_model} in tag open";          die "$0: $self->{content_model} in tag open";
# Line 471  sub _get_next_token ($) { Line 640  sub _get_next_token ($) {
640        ## NOTE: The "close tag open state" in the spec is implemented as        ## NOTE: The "close tag open state" in the spec is implemented as
641        ## |CLOSE_TAG_OPEN_STATE| and |CDATA_RCDATA_CLOSE_TAG_STATE|.        ## |CLOSE_TAG_OPEN_STATE| and |CDATA_RCDATA_CLOSE_TAG_STATE|.
642    
643          ## XML5: "end tag state".
644    
645        my ($l, $c) = ($self->{line_prev}, $self->{column_prev} - 1); # "<"of"</"        my ($l, $c) = ($self->{line_prev}, $self->{column_prev} - 1); # "<"of"</"
646        if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA        if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA
647          if (defined $self->{last_stag_name}) {          if (defined $self->{last_stag_name}) {
648            $self->{state} = CDATA_RCDATA_CLOSE_TAG_STATE;            $self->{state} = CDATA_RCDATA_CLOSE_TAG_STATE;
649            $self->{s_kwd} = '';            $self->{kwd} = '';
650            ## Reconsume.            ## Reconsume.
651            redo A;            redo A;
652          } else {          } else {
# Line 483  sub _get_next_token ($) { Line 654  sub _get_next_token ($) {
654            ## NOTE: See <http://krijnhoetmer.nl/irc-logs/whatwg/20070626#l-564>.            ## NOTE: See <http://krijnhoetmer.nl/irc-logs/whatwg/20070626#l-564>.
655            !!!cp (28);            !!!cp (28);
656            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
657              $self->{s_kwd} = '';
658            ## Reconsume.            ## Reconsume.
659            !!!emit ({type => CHARACTER_TOKEN, data => '</',            !!!emit ({type => CHARACTER_TOKEN, data => '</',
660                      line => $l, column => $c,                      line => $l, column => $c,
# Line 496  sub _get_next_token ($) { Line 668  sub _get_next_token ($) {
668          !!!cp (29);          !!!cp (29);
669          $self->{ct}          $self->{ct}
670              = {type => END_TAG_TOKEN,              = {type => END_TAG_TOKEN,
671                 tag_name => chr ($self->{nc} + 0x0020),                 tag_name => chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020)),
672                 line => $l, column => $c};                 line => $l, column => $c};
673          $self->{state} = TAG_NAME_STATE;          $self->{state} = TAG_NAME_STATE;
674          !!!next-input-character;          !!!next-input-character;
# Line 511  sub _get_next_token ($) { Line 683  sub _get_next_token ($) {
683          !!!next-input-character;          !!!next-input-character;
684          redo A;          redo A;
685        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (31);  
686          !!!parse-error (type => 'empty end tag',          !!!parse-error (type => 'empty end tag',
687                          line => $self->{line_prev}, ## "<" in "</>"                          line => $self->{line_prev}, ## "<" in "</>"
688                          column => $self->{column_prev} - 1);                          column => $self->{column_prev} - 1);
689          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
690          !!!next-input-character;          $self->{s_kwd} = '';
691            if ($self->{is_xml}) {
692              !!!cp (31);
693              ## XML5: No parse error.
694              
695              ## NOTE: This parser raises a parse error, since it supports
696              ## XML1, not XML5.
697    
698              ## NOTE: A short end tag token.
699              my $ct = {type => END_TAG_TOKEN,
700                        tag_name => '',
701                        line => $self->{line_prev},
702                        column => $self->{column_prev} - 1,
703                       };
704              !!!next-input-character;
705              !!!emit ($ct);
706            } else {
707              !!!cp (31.1);
708              !!!next-input-character;
709            }
710          redo A;          redo A;
711        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
712          !!!cp (32);          !!!cp (32);
713          !!!parse-error (type => 'bare etago');          !!!parse-error (type => 'bare etago');
714            $self->{s_kwd} = '';
715          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
716          # reconsume          # reconsume
717    
# Line 529  sub _get_next_token ($) { Line 720  sub _get_next_token ($) {
720                   });                   });
721    
722          redo A;          redo A;
723        } else {        } elsif (not $self->{is_xml} or
724                   $is_space->{$self->{nc}}) {
725          !!!cp (33);          !!!cp (33);
726          !!!parse-error (type => 'bogus end tag');          !!!parse-error (type => 'bogus end tag',
727                            line => $self->{line_prev}, # "<" of "</"
728                            column => $self->{column_prev} - 1);
729          $self->{state} = BOGUS_COMMENT_STATE;          $self->{state} = BOGUS_COMMENT_STATE;
730          $self->{ct} = {type => COMMENT_TOKEN, data => '',          $self->{ct} = {type => COMMENT_TOKEN, data => '',
731                                    line => $self->{line_prev}, # "<" of "</"                                    line => $self->{line_prev}, # "<" of "</"
# Line 544  sub _get_next_token ($) { Line 738  sub _get_next_token ($) {
738          ## generated from the bogus end tag, as defined in the          ## generated from the bogus end tag, as defined in the
739          ## "bogus comment state" entry.          ## "bogus comment state" entry.
740          redo A;          redo A;
741          } else {
742            ## XML5: "</:" is a parse error.
743            !!!cp (30.1);
744            $self->{ct} = {type => END_TAG_TOKEN,
745                           tag_name => chr ($self->{nc}),
746                           line => $l, column => $c};
747            $self->{state} = TAG_NAME_STATE; ## XML5: "end tag name state".
748            !!!next-input-character;
749            redo A;
750        }        }
751      } elsif ($self->{state} == CDATA_RCDATA_CLOSE_TAG_STATE) {      } elsif ($self->{state} == CDATA_RCDATA_CLOSE_TAG_STATE) {
752        my $ch = substr $self->{last_stag_name}, length $self->{s_kwd}, 1;        my $ch = substr $self->{last_stag_name}, length $self->{kwd}, 1;
753        if (length $ch) {        if (length $ch) {
754          my $CH = $ch;          my $CH = $ch;
755          $ch =~ tr/a-z/A-Z/;          $ch =~ tr/a-z/A-Z/;
# Line 554  sub _get_next_token ($) { Line 757  sub _get_next_token ($) {
757          if ($nch eq $ch or $nch eq $CH) {          if ($nch eq $ch or $nch eq $CH) {
758            !!!cp (24);            !!!cp (24);
759            ## Stay in the state.            ## Stay in the state.
760            $self->{s_kwd} .= $nch;            $self->{kwd} .= $nch;
761            !!!next-input-character;            !!!next-input-character;
762            redo A;            redo A;
763          } else {          } else {
764            !!!cp (25);            !!!cp (25);
765            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
766              $self->{s_kwd} = '';
767            ## Reconsume.            ## Reconsume.
768            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
769                      data => '</' . $self->{s_kwd},                      data => '</' . $self->{kwd},
770                      line => $self->{line_prev},                      line => $self->{line_prev},
771                      column => $self->{column_prev} - 1 - length $self->{s_kwd},                      column => $self->{column_prev} - 1 - length $self->{kwd},
772                     });                     });
773            redo A;            redo A;
774          }          }
# Line 578  sub _get_next_token ($) { Line 782  sub _get_next_token ($) {
782            !!!cp (26);            !!!cp (26);
783            ## Reconsume.            ## Reconsume.
784            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
785              $self->{s_kwd} = '';
786            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
787                      data => '</' . $self->{s_kwd},                      data => '</' . $self->{kwd},
788                      line => $self->{line_prev},                      line => $self->{line_prev},
789                      column => $self->{column_prev} - 1 - length $self->{s_kwd},                      column => $self->{column_prev} - 1 - length $self->{kwd},
790                     });                     });
791            redo A;            redo A;
792          } else {          } else {
# Line 590  sub _get_next_token ($) { Line 795  sub _get_next_token ($) {
795                = {type => END_TAG_TOKEN,                = {type => END_TAG_TOKEN,
796                   tag_name => $self->{last_stag_name},                   tag_name => $self->{last_stag_name},
797                   line => $self->{line_prev},                   line => $self->{line_prev},
798                   column => $self->{column_prev} - 1 - length $self->{s_kwd}};                   column => $self->{column_prev} - 1 - length $self->{kwd}};
799            $self->{state} = TAG_NAME_STATE;            $self->{state} = TAG_NAME_STATE;
800            ## Reconsume.            ## Reconsume.
801            redo A;            redo A;
# Line 619  sub _get_next_token ($) { Line 824  sub _get_next_token ($) {
824            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
825          }          }
826          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
827            $self->{s_kwd} = '';
828          !!!next-input-character;          !!!next-input-character;
829    
830          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 627  sub _get_next_token ($) { Line 833  sub _get_next_token ($) {
833        } elsif (0x0041 <= $self->{nc} and        } elsif (0x0041 <= $self->{nc} and
834                 $self->{nc} <= 0x005A) { # A..Z                 $self->{nc} <= 0x005A) { # A..Z
835          !!!cp (38);          !!!cp (38);
836          $self->{ct}->{tag_name} .= chr ($self->{nc} + 0x0020);          $self->{ct}->{tag_name}
837                .= chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020));
838            # start tag or end tag            # start tag or end tag
839          ## Stay in this state          ## Stay in this state
840          !!!next-input-character;          !!!next-input-character;
# Line 650  sub _get_next_token ($) { Line 857  sub _get_next_token ($) {
857            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
858          }          }
859          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
860            $self->{s_kwd} = '';
861          # reconsume          # reconsume
862    
863          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 669  sub _get_next_token ($) { Line 877  sub _get_next_token ($) {
877          redo A;          redo A;
878        }        }
879      } elsif ($self->{state} == BEFORE_ATTRIBUTE_NAME_STATE) {      } elsif ($self->{state} == BEFORE_ATTRIBUTE_NAME_STATE) {
880          ## XML5: "Tag attribute name before state".
881    
882        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
883          !!!cp (45);          !!!cp (45);
884          ## Stay in the state          ## Stay in the state
# Line 690  sub _get_next_token ($) { Line 900  sub _get_next_token ($) {
900            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
901          }          }
902          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
903            $self->{s_kwd} = '';
904          !!!next-input-character;          !!!next-input-character;
905    
906          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 699  sub _get_next_token ($) { Line 910  sub _get_next_token ($) {
910                 $self->{nc} <= 0x005A) { # A..Z                 $self->{nc} <= 0x005A) { # A..Z
911          !!!cp (49);          !!!cp (49);
912          $self->{ca}          $self->{ca}
913              = {name => chr ($self->{nc} + 0x0020),              = {name => chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020)),
914                 value => '',                 value => '',
915                 line => $self->{line}, column => $self->{column}};                 line => $self->{line}, column => $self->{column}};
916          $self->{state} = ATTRIBUTE_NAME_STATE;          $self->{state} = ATTRIBUTE_NAME_STATE;
# Line 727  sub _get_next_token ($) { Line 938  sub _get_next_token ($) {
938            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
939          }          }
940          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
941            $self->{s_kwd} = '';
942          # reconsume          # reconsume
943    
944          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 739  sub _get_next_token ($) { Line 951  sub _get_next_token ($) {
951               0x003D => 1, # =               0x003D => 1, # =
952              }->{$self->{nc}}) {              }->{$self->{nc}}) {
953            !!!cp (55);            !!!cp (55);
954              ## XML5: Not a parse error.
955            !!!parse-error (type => 'bad attribute name');            !!!parse-error (type => 'bad attribute name');
956          } else {          } else {
957            !!!cp (56);            !!!cp (56);
958              ## XML5: ":" raises a parse error and is ignored.
959          }          }
960          $self->{ca}          $self->{ca}
961              = {name => chr ($self->{nc}),              = {name => chr ($self->{nc}),
# Line 752  sub _get_next_token ($) { Line 966  sub _get_next_token ($) {
966          redo A;          redo A;
967        }        }
968      } elsif ($self->{state} == ATTRIBUTE_NAME_STATE) {      } elsif ($self->{state} == ATTRIBUTE_NAME_STATE) {
969          ## XML5: "Tag attribute name state".
970    
971        my $before_leave = sub {        my $before_leave = sub {
972          if (exists $self->{ct}->{attributes} # start tag or end tag          if (exists $self->{ct}->{attributes} # start tag or end tag
973              ->{$self->{ca}->{name}}) { # MUST              ->{$self->{ca}->{name}}) { # MUST
# Line 762  sub _get_next_token ($) { Line 978  sub _get_next_token ($) {
978            !!!cp (58);            !!!cp (58);
979            $self->{ct}->{attributes}->{$self->{ca}->{name}}            $self->{ct}->{attributes}->{$self->{ca}->{name}}
980              = $self->{ca};              = $self->{ca};
981              $self->{ca}->{index} = ++$self->{ct}->{last_index};
982          }          }
983        }; # $before_leave        }; # $before_leave
984    
# Line 778  sub _get_next_token ($) { Line 995  sub _get_next_token ($) {
995          !!!next-input-character;          !!!next-input-character;
996          redo A;          redo A;
997        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
998            if ($self->{is_xml}) {
999              !!!cp (60.1);
1000              ## XML5: Not a parse error.
1001              !!!parse-error (type => 'no attr value'); ## TODO: type
1002            } else {
1003              !!!cp (60.2);
1004            }
1005    
1006          $before_leave->();          $before_leave->();
1007          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1008            !!!cp (61);            !!!cp (61);
# Line 792  sub _get_next_token ($) { Line 1017  sub _get_next_token ($) {
1017            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1018          }          }
1019          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1020            $self->{s_kwd} = '';
1021          !!!next-input-character;          !!!next-input-character;
1022    
1023          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 800  sub _get_next_token ($) { Line 1026  sub _get_next_token ($) {
1026        } elsif (0x0041 <= $self->{nc} and        } elsif (0x0041 <= $self->{nc} and
1027                 $self->{nc} <= 0x005A) { # A..Z                 $self->{nc} <= 0x005A) { # A..Z
1028          !!!cp (63);          !!!cp (63);
1029          $self->{ca}->{name} .= chr ($self->{nc} + 0x0020);          $self->{ca}->{name}
1030                .= chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020));
1031          ## Stay in the state          ## Stay in the state
1032          !!!next-input-character;          !!!next-input-character;
1033          redo A;          redo A;
1034        } elsif ($self->{nc} == 0x002F) { # /        } elsif ($self->{nc} == 0x002F) { # /
1035          !!!cp (64);          if ($self->{is_xml}) {
1036              !!!cp (64);
1037              ## XML5: Not a parse error.
1038              !!!parse-error (type => 'no attr value'); ## TODO: type
1039            } else {
1040              !!!cp (64.1);
1041            }
1042            
1043          $before_leave->();          $before_leave->();
1044          $self->{state} = SELF_CLOSING_START_TAG_STATE;          $self->{state} = SELF_CLOSING_START_TAG_STATE;
1045          !!!next-input-character;          !!!next-input-character;
# Line 829  sub _get_next_token ($) { Line 1063  sub _get_next_token ($) {
1063            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1064          }          }
1065          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1066            $self->{s_kwd} = '';
1067          # reconsume          # reconsume
1068    
1069          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 838  sub _get_next_token ($) { Line 1073  sub _get_next_token ($) {
1073          if ($self->{nc} == 0x0022 or # "          if ($self->{nc} == 0x0022 or # "
1074              $self->{nc} == 0x0027) { # '              $self->{nc} == 0x0027) { # '
1075            !!!cp (69);            !!!cp (69);
1076              ## XML5: Not a parse error.
1077            !!!parse-error (type => 'bad attribute name');            !!!parse-error (type => 'bad attribute name');
1078          } else {          } else {
1079            !!!cp (70);            !!!cp (70);
# Line 848  sub _get_next_token ($) { Line 1084  sub _get_next_token ($) {
1084          redo A;          redo A;
1085        }        }
1086      } elsif ($self->{state} == AFTER_ATTRIBUTE_NAME_STATE) {      } elsif ($self->{state} == AFTER_ATTRIBUTE_NAME_STATE) {
1087          ## XML5: "Tag attribute name after state".
1088          
1089        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
1090          !!!cp (71);          !!!cp (71);
1091          ## Stay in the state          ## Stay in the state
# Line 859  sub _get_next_token ($) { Line 1097  sub _get_next_token ($) {
1097          !!!next-input-character;          !!!next-input-character;
1098          redo A;          redo A;
1099        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
1100            if ($self->{is_xml}) {
1101              !!!cp (72.1);
1102              ## XML5: Not a parse error.
1103              !!!parse-error (type => 'no attr value'); ## TODO: type
1104            } else {
1105              !!!cp (72.2);
1106            }
1107    
1108          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1109            !!!cp (73);            !!!cp (73);
1110            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
# Line 875  sub _get_next_token ($) { Line 1121  sub _get_next_token ($) {
1121            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1122          }          }
1123          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1124            $self->{s_kwd} = '';
1125          !!!next-input-character;          !!!next-input-character;
1126    
1127          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 884  sub _get_next_token ($) { Line 1131  sub _get_next_token ($) {
1131                 $self->{nc} <= 0x005A) { # A..Z                 $self->{nc} <= 0x005A) { # A..Z
1132          !!!cp (76);          !!!cp (76);
1133          $self->{ca}          $self->{ca}
1134              = {name => chr ($self->{nc} + 0x0020),              = {name => chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020)),
1135                 value => '',                 value => '',
1136                 line => $self->{line}, column => $self->{column}};                 line => $self->{line}, column => $self->{column}};
1137          $self->{state} = ATTRIBUTE_NAME_STATE;          $self->{state} = ATTRIBUTE_NAME_STATE;
1138          !!!next-input-character;          !!!next-input-character;
1139          redo A;          redo A;
1140        } elsif ($self->{nc} == 0x002F) { # /        } elsif ($self->{nc} == 0x002F) { # /
1141          !!!cp (77);          if ($self->{is_xml}) {
1142              !!!cp (77);
1143              ## XML5: Not a parse error.
1144              !!!parse-error (type => 'no attr value'); ## TODO: type
1145            } else {
1146              !!!cp (77.1);
1147            }
1148            
1149          $self->{state} = SELF_CLOSING_START_TAG_STATE;          $self->{state} = SELF_CLOSING_START_TAG_STATE;
1150          !!!next-input-character;          !!!next-input-character;
1151          redo A;          redo A;
# Line 912  sub _get_next_token ($) { Line 1166  sub _get_next_token ($) {
1166          } else {          } else {
1167            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1168          }          }
1169            $self->{s_kwd} = '';
1170          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1171          # reconsume          # reconsume
1172    
# Line 919  sub _get_next_token ($) { Line 1174  sub _get_next_token ($) {
1174    
1175          redo A;          redo A;
1176        } else {        } else {
1177            if ($self->{is_xml}) {
1178              !!!cp (78.1);
1179              ## XML5: Not a parse error.
1180              !!!parse-error (type => 'no attr value'); ## TODO: type
1181            } else {
1182              !!!cp (78.2);
1183            }
1184    
1185          if ($self->{nc} == 0x0022 or # "          if ($self->{nc} == 0x0022 or # "
1186              $self->{nc} == 0x0027) { # '              $self->{nc} == 0x0027) { # '
1187            !!!cp (78);            !!!cp (78);
1188              ## XML5: Not a parse error.
1189            !!!parse-error (type => 'bad attribute name');            !!!parse-error (type => 'bad attribute name');
1190          } else {          } else {
1191            !!!cp (82);            !!!cp (82);
# Line 935  sub _get_next_token ($) { Line 1199  sub _get_next_token ($) {
1199          redo A;                  redo A;        
1200        }        }
1201      } elsif ($self->{state} == BEFORE_ATTRIBUTE_VALUE_STATE) {      } elsif ($self->{state} == BEFORE_ATTRIBUTE_VALUE_STATE) {
1202          ## XML5: "Tag attribute value before state".
1203    
1204        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
1205          !!!cp (83);          !!!cp (83);
1206          ## Stay in the state          ## Stay in the state
# Line 973  sub _get_next_token ($) { Line 1239  sub _get_next_token ($) {
1239            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1240          }          }
1241          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1242            $self->{s_kwd} = '';
1243          !!!next-input-character;          !!!next-input-character;
1244    
1245          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 996  sub _get_next_token ($) { Line 1263  sub _get_next_token ($) {
1263            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1264          }          }
1265          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1266            $self->{s_kwd} = '';
1267          ## reconsume          ## reconsume
1268    
1269          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
1270    
1271          redo A;          redo A;
1272        } else {        } else {
1273          if ($self->{nc} == 0x003D) { # =          if ($self->{nc} == 0x003D or $self->{nc} == 0x003C) { # =, <
1274            !!!cp (93);            !!!cp (93);
1275              ## XML5: Not a parse error.
1276            !!!parse-error (type => 'bad attribute value');            !!!parse-error (type => 'bad attribute value');
1277            } elsif ($self->{is_xml}) {
1278              !!!cp (93.1);
1279              ## XML5: No parse error.
1280              !!!parse-error (type => 'unquoted attr value'); ## TODO
1281          } else {          } else {
1282            !!!cp (94);            !!!cp (94);
1283          }          }
# Line 1014  sub _get_next_token ($) { Line 1287  sub _get_next_token ($) {
1287          redo A;          redo A;
1288        }        }
1289      } elsif ($self->{state} == ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE) {      } elsif ($self->{state} == ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE) {
1290          ## XML5: "Tag attribute value double quoted state" and "DOCTYPE
1291          ## ATTLIST attribute value double quoted state".
1292          
1293        if ($self->{nc} == 0x0022) { # "        if ($self->{nc} == 0x0022) { # "
1294          !!!cp (95);          if ($self->{ct}->{type} == ATTLIST_TOKEN) {
1295          $self->{state} = AFTER_ATTRIBUTE_VALUE_QUOTED_STATE;            !!!cp (95.1);
1296              ## XML5: "DOCTYPE ATTLIST name after state".
1297              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1298              $self->{state} = AFTER_ATTLIST_ATTR_VALUE_QUOTED_STATE;
1299            } else {
1300              !!!cp (95);
1301              ## XML5: "Tag attribute name before state".
1302              $self->{state} = AFTER_ATTRIBUTE_VALUE_QUOTED_STATE;
1303            }
1304          !!!next-input-character;          !!!next-input-character;
1305          redo A;          redo A;
1306        } elsif ($self->{nc} == 0x0026) { # &        } elsif ($self->{nc} == 0x0026) { # &
1307          !!!cp (96);          !!!cp (96);
1308            ## XML5: Not defined yet.
1309    
1310          ## NOTE: In the spec, the tokenizer is switched to the          ## NOTE: In the spec, the tokenizer is switched to the
1311          ## "entity in attribute value state".  In this implementation, the          ## "entity in attribute value state".  In this implementation, the
1312          ## tokenizer is switched to the |ENTITY_STATE|, which is an          ## tokenizer is switched to the |ENTITY_STATE|, which is an
# Line 1030  sub _get_next_token ($) { Line 1316  sub _get_next_token ($) {
1316          $self->{state} = ENTITY_STATE;          $self->{state} = ENTITY_STATE;
1317          !!!next-input-character;          !!!next-input-character;
1318          redo A;          redo A;
1319          } elsif ($self->{is_xml} and
1320                   $is_space->{$self->{nc}}) {
1321            !!!cp (97.1);
1322            $self->{ca}->{value} .= ' ';
1323            ## Stay in the state.
1324            !!!next-input-character;
1325            redo A;
1326        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
1327          !!!parse-error (type => 'unclosed attribute value');          !!!parse-error (type => 'unclosed attribute value');
1328          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1329            !!!cp (97);            !!!cp (97);
1330            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
1331    
1332              $self->{state} = DATA_STATE;
1333              $self->{s_kwd} = '';
1334              ## reconsume
1335              !!!emit ($self->{ct}); # start tag
1336              redo A;
1337          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {
1338            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1339            if ($self->{ct}->{attributes}) {            if ($self->{ct}->{attributes}) {
# Line 1044  sub _get_next_token ($) { Line 1343  sub _get_next_token ($) {
1343              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1344              !!!cp (99);              !!!cp (99);
1345            }            }
1346    
1347              $self->{state} = DATA_STATE;
1348              $self->{s_kwd} = '';
1349              ## reconsume
1350              !!!emit ($self->{ct}); # end tag
1351              redo A;
1352            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1353              ## XML5: No parse error above; not defined yet.
1354              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1355              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1356              ## Reconsume.
1357              !!!emit ($self->{ct}); # ATTLIST
1358              redo A;
1359          } else {          } else {
1360            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1361          }          }
         $self->{state} = DATA_STATE;  
         ## reconsume  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1362        } else {        } else {
1363          !!!cp (100);          ## XML5 [ATTLIST]: Not defined yet.
1364            if ($self->{is_xml} and $self->{nc} == 0x003C) { # <
1365              !!!cp (100);
1366              ## XML5: Not a parse error.
1367              !!!parse-error (type => 'lt in attr value'); ## TODO: type
1368            } else {
1369              !!!cp (100.1);
1370            }
1371          $self->{ca}->{value} .= chr ($self->{nc});          $self->{ca}->{value} .= chr ($self->{nc});
1372          $self->{read_until}->($self->{ca}->{value},          $self->{read_until}->($self->{ca}->{value},
1373                                q["&],                                qq["&<\x09\x0C\x20],
1374                                length $self->{ca}->{value});                                length $self->{ca}->{value});
1375    
1376          ## Stay in the state          ## Stay in the state
# Line 1065  sub _get_next_token ($) { Line 1378  sub _get_next_token ($) {
1378          redo A;          redo A;
1379        }        }
1380      } elsif ($self->{state} == ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE) {      } elsif ($self->{state} == ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE) {
1381          ## XML5: "Tag attribute value single quoted state" and "DOCTYPE
1382          ## ATTLIST attribute value single quoted state".
1383    
1384        if ($self->{nc} == 0x0027) { # '        if ($self->{nc} == 0x0027) { # '
1385          !!!cp (101);          if ($self->{ct}->{type} == ATTLIST_TOKEN) {
1386          $self->{state} = AFTER_ATTRIBUTE_VALUE_QUOTED_STATE;            !!!cp (101.1);
1387              ## XML5: "DOCTYPE ATTLIST name after state".
1388              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1389              $self->{state} = AFTER_ATTLIST_ATTR_VALUE_QUOTED_STATE;
1390            } else {
1391              !!!cp (101);
1392              ## XML5: "Before attribute name state" (sic).
1393              $self->{state} = AFTER_ATTRIBUTE_VALUE_QUOTED_STATE;
1394            }
1395          !!!next-input-character;          !!!next-input-character;
1396          redo A;          redo A;
1397        } elsif ($self->{nc} == 0x0026) { # &        } elsif ($self->{nc} == 0x0026) { # &
1398          !!!cp (102);          !!!cp (102);
1399            ## XML5: Not defined yet.
1400    
1401          ## NOTE: In the spec, the tokenizer is switched to the          ## NOTE: In the spec, the tokenizer is switched to the
1402          ## "entity in attribute value state".  In this implementation, the          ## "entity in attribute value state".  In this implementation, the
1403          ## tokenizer is switched to the |ENTITY_STATE|, which is an          ## tokenizer is switched to the |ENTITY_STATE|, which is an
# Line 1081  sub _get_next_token ($) { Line 1407  sub _get_next_token ($) {
1407          $self->{state} = ENTITY_STATE;          $self->{state} = ENTITY_STATE;
1408          !!!next-input-character;          !!!next-input-character;
1409          redo A;          redo A;
1410          } elsif ($self->{is_xml} and
1411                   $is_space->{$self->{nc}}) {
1412            !!!cp (103.1);
1413            $self->{ca}->{value} .= ' ';
1414            ## Stay in the state.
1415            !!!next-input-character;
1416            redo A;
1417        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
1418          !!!parse-error (type => 'unclosed attribute value');          !!!parse-error (type => 'unclosed attribute value');
1419          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1420            !!!cp (103);            !!!cp (103);
1421            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
1422    
1423              $self->{state} = DATA_STATE;
1424              $self->{s_kwd} = '';
1425              ## reconsume
1426              !!!emit ($self->{ct}); # start tag
1427              redo A;
1428          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {
1429            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1430            if ($self->{ct}->{attributes}) {            if ($self->{ct}->{attributes}) {
# Line 1095  sub _get_next_token ($) { Line 1434  sub _get_next_token ($) {
1434              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1435              !!!cp (105);              !!!cp (105);
1436            }            }
1437    
1438              $self->{state} = DATA_STATE;
1439              $self->{s_kwd} = '';
1440              ## reconsume
1441              !!!emit ($self->{ct}); # end tag
1442              redo A;
1443            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1444              ## XML5: No parse error above; not defined yet.
1445              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1446              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1447              ## Reconsume.
1448              !!!emit ($self->{ct}); # ATTLIST
1449              redo A;
1450          } else {          } else {
1451            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1452          }          }
         $self->{state} = DATA_STATE;  
         ## reconsume  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1453        } else {        } else {
1454          !!!cp (106);          ## XML5 [ATTLIST]: Not defined yet.
1455            if ($self->{is_xml} and $self->{nc} == 0x003C) { # <
1456              !!!cp (106);
1457              ## XML5: Not a parse error.
1458              !!!parse-error (type => 'lt in attr value'); ## TODO: type
1459            } else {
1460              !!!cp (106.1);
1461            }
1462          $self->{ca}->{value} .= chr ($self->{nc});          $self->{ca}->{value} .= chr ($self->{nc});
1463          $self->{read_until}->($self->{ca}->{value},          $self->{read_until}->($self->{ca}->{value},
1464                                q['&],                                qq['&<\x09\x0C\x20],
1465                                length $self->{ca}->{value});                                length $self->{ca}->{value});
1466    
1467          ## Stay in the state          ## Stay in the state
# Line 1116  sub _get_next_token ($) { Line 1469  sub _get_next_token ($) {
1469          redo A;          redo A;
1470        }        }
1471      } elsif ($self->{state} == ATTRIBUTE_VALUE_UNQUOTED_STATE) {      } elsif ($self->{state} == ATTRIBUTE_VALUE_UNQUOTED_STATE) {
1472          ## XML5: "Tag attribute value unquoted state".
1473    
1474        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
1475          !!!cp (107);          if ($self->{ct}->{type} == ATTLIST_TOKEN) {
1476          $self->{state} = BEFORE_ATTRIBUTE_NAME_STATE;            !!!cp (107.1);
1477              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1478              $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
1479            } else {
1480              !!!cp (107);
1481              ## XML5: "Tag attribute name before state".
1482              $self->{state} = BEFORE_ATTRIBUTE_NAME_STATE;
1483            }
1484          !!!next-input-character;          !!!next-input-character;
1485          redo A;          redo A;
1486        } elsif ($self->{nc} == 0x0026) { # &        } elsif ($self->{nc} == 0x0026) { # &
1487          !!!cp (108);          !!!cp (108);
1488    
1489            ## XML5: Not defined yet.
1490    
1491          ## NOTE: In the spec, the tokenizer is switched to the          ## NOTE: In the spec, the tokenizer is switched to the
1492          ## "entity in attribute value state".  In this implementation, the          ## "entity in attribute value state".  In this implementation, the
1493          ## tokenizer is switched to the |ENTITY_STATE|, which is an          ## tokenizer is switched to the |ENTITY_STATE|, which is an
# Line 1136  sub _get_next_token ($) { Line 1501  sub _get_next_token ($) {
1501          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1502            !!!cp (109);            !!!cp (109);
1503            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
1504    
1505              $self->{state} = DATA_STATE;
1506              $self->{s_kwd} = '';
1507              !!!next-input-character;
1508              !!!emit ($self->{ct}); # start tag
1509              redo A;
1510          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {
1511            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1512            if ($self->{ct}->{attributes}) {            if ($self->{ct}->{attributes}) {
# Line 1145  sub _get_next_token ($) { Line 1516  sub _get_next_token ($) {
1516              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1517              !!!cp (111);              !!!cp (111);
1518            }            }
1519    
1520              $self->{state} = DATA_STATE;
1521              $self->{s_kwd} = '';
1522              !!!next-input-character;
1523              !!!emit ($self->{ct}); # end tag
1524              redo A;
1525            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1526              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1527              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1528              !!!next-input-character;
1529              !!!emit ($self->{ct}); # ATTLIST
1530              redo A;
1531          } else {          } else {
1532            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1533          }          }
         $self->{state} = DATA_STATE;  
         !!!next-input-character;  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1534        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!parse-error (type => 'unclosed tag');  
1535          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1536            !!!cp (112);            !!!cp (112);
1537              !!!parse-error (type => 'unclosed tag');
1538            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
1539    
1540              $self->{state} = DATA_STATE;
1541              $self->{s_kwd} = '';
1542              ## reconsume
1543              !!!emit ($self->{ct}); # start tag
1544              redo A;
1545          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {
1546              !!!parse-error (type => 'unclosed tag');
1547            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1548            if ($self->{ct}->{attributes}) {            if ($self->{ct}->{attributes}) {
1549              !!!cp (113);              !!!cp (113);
# Line 1168  sub _get_next_token ($) { Line 1552  sub _get_next_token ($) {
1552              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1553              !!!cp (114);              !!!cp (114);
1554            }            }
1555    
1556              $self->{state} = DATA_STATE;
1557              $self->{s_kwd} = '';
1558              ## reconsume
1559              !!!emit ($self->{ct}); # end tag
1560              redo A;
1561            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1562              !!!parse-error (type => 'unclosed md'); ## TODO: type
1563              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1564              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1565              ## Reconsume.
1566              !!!emit ($self->{ct}); # ATTLIST
1567              redo A;
1568          } else {          } else {
1569            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1570          }          }
         $self->{state} = DATA_STATE;  
         ## reconsume  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1571        } else {        } else {
1572          if ({          if ({
1573               0x0022 => 1, # "               0x0022 => 1, # "
1574               0x0027 => 1, # '               0x0027 => 1, # '
1575               0x003D => 1, # =               0x003D => 1, # =
1576                 0x003C => 1, # <
1577              }->{$self->{nc}}) {              }->{$self->{nc}}) {
1578            !!!cp (115);            !!!cp (115);
1579              ## XML5: Not a parse error.
1580            !!!parse-error (type => 'bad attribute value');            !!!parse-error (type => 'bad attribute value');
1581          } else {          } else {
1582            !!!cp (116);            !!!cp (116);
1583          }          }
1584          $self->{ca}->{value} .= chr ($self->{nc});          $self->{ca}->{value} .= chr ($self->{nc});
1585          $self->{read_until}->($self->{ca}->{value},          $self->{read_until}->($self->{ca}->{value},
1586                                q["'=& >],                                qq["'=& \x09\x0C>],
1587                                length $self->{ca}->{value});                                length $self->{ca}->{value});
1588    
1589          ## Stay in the state          ## Stay in the state
# Line 1220  sub _get_next_token ($) { Line 1613  sub _get_next_token ($) {
1613            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1614          }          }
1615          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1616            $self->{s_kwd} = '';
1617          !!!next-input-character;          !!!next-input-character;
1618    
1619          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 1247  sub _get_next_token ($) { Line 1641  sub _get_next_token ($) {
1641            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1642          }          }
1643          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1644            $self->{s_kwd} = '';
1645          ## Reconsume.          ## Reconsume.
1646          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
1647          redo A;          redo A;
# Line 1258  sub _get_next_token ($) { Line 1653  sub _get_next_token ($) {
1653          redo A;          redo A;
1654        }        }
1655      } elsif ($self->{state} == SELF_CLOSING_START_TAG_STATE) {      } elsif ($self->{state} == SELF_CLOSING_START_TAG_STATE) {
1656          ## XML5: "Empty tag state".
1657    
1658        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
1659          if ($self->{ct}->{type} == END_TAG_TOKEN) {          if ($self->{ct}->{type} == END_TAG_TOKEN) {
1660            !!!cp ('124.2');            !!!cp ('124.2');
# Line 1277  sub _get_next_token ($) { Line 1674  sub _get_next_token ($) {
1674          }          }
1675    
1676          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1677            $self->{s_kwd} = '';
1678          !!!next-input-character;          !!!next-input-character;
1679    
1680          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 1298  sub _get_next_token ($) { Line 1696  sub _get_next_token ($) {
1696          } else {          } else {
1697            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1698          }          }
1699            ## XML5: "Tag attribute name before state".
1700          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1701            $self->{s_kwd} = '';
1702          ## Reconsume.          ## Reconsume.
1703          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
1704          redo A;          redo A;
# Line 1311  sub _get_next_token ($) { Line 1711  sub _get_next_token ($) {
1711          redo A;          redo A;
1712        }        }
1713      } elsif ($self->{state} == BOGUS_COMMENT_STATE) {      } elsif ($self->{state} == BOGUS_COMMENT_STATE) {
1714        ## (only happen if PCDATA state)        ## XML5: "Bogus comment state" and "DOCTYPE bogus comment state".
1715    
1716        ## NOTE: Unlike spec's "bogus comment state", this implementation        ## NOTE: Unlike spec's "bogus comment state", this implementation
1717        ## consumes characters one-by-one basis.        ## consumes characters one-by-one basis.
1718                
1719        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
1720          !!!cp (124);          if ($self->{in_subset}) {
1721          $self->{state} = DATA_STATE;            !!!cp (123);
1722              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1723            } else {
1724              !!!cp (124);
1725              $self->{state} = DATA_STATE;
1726              $self->{s_kwd} = '';
1727            }
1728          !!!next-input-character;          !!!next-input-character;
1729    
1730          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
1731          redo A;          redo A;
1732        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
1733          !!!cp (125);          if ($self->{in_subset}) {
1734          $self->{state} = DATA_STATE;            !!!cp (125.1);
1735              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1736            } else {
1737              !!!cp (125);
1738              $self->{state} = DATA_STATE;
1739              $self->{s_kwd} = '';
1740            }
1741          ## reconsume          ## reconsume
1742    
1743          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1342  sub _get_next_token ($) { Line 1754  sub _get_next_token ($) {
1754          redo A;          redo A;
1755        }        }
1756      } elsif ($self->{state} == MARKUP_DECLARATION_OPEN_STATE) {      } elsif ($self->{state} == MARKUP_DECLARATION_OPEN_STATE) {
1757        ## (only happen if PCDATA state)        ## XML5: "Markup declaration state".
1758                
1759        if ($self->{nc} == 0x002D) { # -        if ($self->{nc} == 0x002D) { # -
1760          !!!cp (133);          !!!cp (133);
# Line 1354  sub _get_next_token ($) { Line 1766  sub _get_next_token ($) {
1766          ## ASCII case-insensitive.          ## ASCII case-insensitive.
1767          !!!cp (130);          !!!cp (130);
1768          $self->{state} = MD_DOCTYPE_STATE;          $self->{state} = MD_DOCTYPE_STATE;
1769          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
1770          !!!next-input-character;          !!!next-input-character;
1771          redo A;          redo A;
1772        } elsif ($self->{insertion_mode} & IN_FOREIGN_CONTENT_IM and        } elsif ((($self->{insertion_mode} & IN_FOREIGN_CONTENT_IM and
1773                 $self->{open_elements}->[-1]->[1] & FOREIGN_EL and                   $self->{open_elements}->[-1]->[1] & FOREIGN_EL) or
1774                    $self->{is_xml}) and
1775                 $self->{nc} == 0x005B) { # [                 $self->{nc} == 0x005B) { # [
1776          !!!cp (135.4);                          !!!cp (135.4);                
1777          $self->{state} = MD_CDATA_STATE;          $self->{state} = MD_CDATA_STATE;
1778          $self->{s_kwd} = '[';          $self->{kwd} = '[';
1779          !!!next-input-character;          !!!next-input-character;
1780          redo A;          redo A;
1781        } else {        } else {
# Line 1386  sub _get_next_token ($) { Line 1799  sub _get_next_token ($) {
1799                                    line => $self->{line_prev},                                    line => $self->{line_prev},
1800                                    column => $self->{column_prev} - 2,                                    column => $self->{column_prev} - 2,
1801                                   };                                   };
1802          $self->{state} = COMMENT_START_STATE;          $self->{state} = COMMENT_START_STATE; ## XML5: "comment state".
1803          !!!next-input-character;          !!!next-input-character;
1804          redo A;          redo A;
1805        } else {        } else {
# Line 1412  sub _get_next_token ($) { Line 1825  sub _get_next_token ($) {
1825              0x0054, # T              0x0054, # T
1826              0x0059, # Y              0x0059, # Y
1827              0x0050, # P              0x0050, # P
1828            ]->[length $self->{s_kwd}] or            ]->[length $self->{kwd}] or
1829            $self->{nc} == [            $self->{nc} == [
1830              undef,              undef,
1831              0x006F, # o              0x006F, # o
# Line 1420  sub _get_next_token ($) { Line 1833  sub _get_next_token ($) {
1833              0x0074, # t              0x0074, # t
1834              0x0079, # y              0x0079, # y
1835              0x0070, # p              0x0070, # p
1836            ]->[length $self->{s_kwd}]) {            ]->[length $self->{kwd}]) {
1837          !!!cp (131);          !!!cp (131);
1838          ## Stay in the state.          ## Stay in the state.
1839          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
1840          !!!next-input-character;          !!!next-input-character;
1841          redo A;          redo A;
1842        } elsif ((length $self->{s_kwd}) == 6 and        } elsif ((length $self->{kwd}) == 6 and
1843                 ($self->{nc} == 0x0045 or # E                 ($self->{nc} == 0x0045 or # E
1844                  $self->{nc} == 0x0065)) { # e                  $self->{nc} == 0x0065)) { # e
1845          !!!cp (129);          if ($self->{is_xml} and
1846                ($self->{kwd} ne 'DOCTYP' or $self->{nc} == 0x0065)) {
1847              !!!cp (129);
1848              ## XML5: case-sensitive.
1849              !!!parse-error (type => 'lowercase keyword', ## TODO
1850                              text => 'DOCTYPE',
1851                              line => $self->{line_prev},
1852                              column => $self->{column_prev} - 5);
1853            } else {
1854              !!!cp (129.1);
1855            }
1856          $self->{state} = DOCTYPE_STATE;          $self->{state} = DOCTYPE_STATE;
1857          $self->{ct} = {type => DOCTYPE_TOKEN,          $self->{ct} = {type => DOCTYPE_TOKEN,
1858                                    quirks => 1,                                    quirks => 1,
# Line 1442  sub _get_next_token ($) { Line 1865  sub _get_next_token ($) {
1865          !!!cp (132);                  !!!cp (132);        
1866          !!!parse-error (type => 'bogus comment',          !!!parse-error (type => 'bogus comment',
1867                          line => $self->{line_prev},                          line => $self->{line_prev},
1868                          column => $self->{column_prev} - 1 - length $self->{s_kwd});                          column => $self->{column_prev} - 1 - length $self->{kwd});
1869          $self->{state} = BOGUS_COMMENT_STATE;          $self->{state} = BOGUS_COMMENT_STATE;
1870          ## Reconsume.          ## Reconsume.
1871          $self->{ct} = {type => COMMENT_TOKEN,          $self->{ct} = {type => COMMENT_TOKEN,
1872                                    data => $self->{s_kwd},                                    data => $self->{kwd},
1873                                    line => $self->{line_prev},                                    line => $self->{line_prev},
1874                                    column => $self->{column_prev} - 1 - length $self->{s_kwd},                                    column => $self->{column_prev} - 1 - length $self->{kwd},
1875                                   };                                   };
1876          redo A;          redo A;
1877        }        }
# Line 1459  sub _get_next_token ($) { Line 1882  sub _get_next_token ($) {
1882              '[CD' => 0x0041, # A              '[CD' => 0x0041, # A
1883              '[CDA' => 0x0054, # T              '[CDA' => 0x0054, # T
1884              '[CDAT' => 0x0041, # A              '[CDAT' => 0x0041, # A
1885            }->{$self->{s_kwd}}) {            }->{$self->{kwd}}) {
1886          !!!cp (135.1);          !!!cp (135.1);
1887          ## Stay in the state.          ## Stay in the state.
1888          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
1889          !!!next-input-character;          !!!next-input-character;
1890          redo A;          redo A;
1891        } elsif ($self->{s_kwd} eq '[CDATA' and        } elsif ($self->{kwd} eq '[CDATA' and
1892                 $self->{nc} == 0x005B) { # [                 $self->{nc} == 0x005B) { # [
1893          !!!cp (135.2);          if ($self->{is_xml} and
1894                not $self->{tainted} and
1895                @{$self->{open_elements} or []} == 0) {
1896              !!!cp (135.2);
1897              !!!parse-error (type => 'cdata outside of root element',
1898                              line => $self->{line_prev},
1899                              column => $self->{column_prev} - 7);
1900              $self->{tainted} = 1;
1901            } else {
1902              !!!cp (135.21);
1903            }
1904    
1905          $self->{ct} = {type => CHARACTER_TOKEN,          $self->{ct} = {type => CHARACTER_TOKEN,
1906                                    data => '',                                    data => '',
1907                                    line => $self->{line_prev},                                    line => $self->{line_prev},
# Line 1479  sub _get_next_token ($) { Line 1913  sub _get_next_token ($) {
1913          !!!cp (135.3);          !!!cp (135.3);
1914          !!!parse-error (type => 'bogus comment',          !!!parse-error (type => 'bogus comment',
1915                          line => $self->{line_prev},                          line => $self->{line_prev},
1916                          column => $self->{column_prev} - 1 - length $self->{s_kwd});                          column => $self->{column_prev} - 1 - length $self->{kwd});
1917          $self->{state} = BOGUS_COMMENT_STATE;          $self->{state} = BOGUS_COMMENT_STATE;
1918          ## Reconsume.          ## Reconsume.
1919          $self->{ct} = {type => COMMENT_TOKEN,          $self->{ct} = {type => COMMENT_TOKEN,
1920                                    data => $self->{s_kwd},                                    data => $self->{kwd},
1921                                    line => $self->{line_prev},                                    line => $self->{line_prev},
1922                                    column => $self->{column_prev} - 1 - length $self->{s_kwd},                                    column => $self->{column_prev} - 1 - length $self->{kwd},
1923                                   };                                   };
1924          redo A;          redo A;
1925        }        }
# Line 1496  sub _get_next_token ($) { Line 1930  sub _get_next_token ($) {
1930          !!!next-input-character;          !!!next-input-character;
1931          redo A;          redo A;
1932        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (138);  
1933          !!!parse-error (type => 'bogus comment');          !!!parse-error (type => 'bogus comment');
1934          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
1935              !!!cp (138.1);
1936              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1937            } else {
1938              !!!cp (138);
1939              $self->{state} = DATA_STATE;
1940              $self->{s_kwd} = '';
1941            }
1942          !!!next-input-character;          !!!next-input-character;
1943    
1944          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
1945    
1946          redo A;          redo A;
1947        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (139);  
1948          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
1949          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
1950              !!!cp (139.1);
1951              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1952            } else {
1953              !!!cp (139);
1954              $self->{state} = DATA_STATE;
1955              $self->{s_kwd} = '';
1956            }
1957          ## reconsume          ## reconsume
1958    
1959          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1528  sub _get_next_token ($) { Line 1974  sub _get_next_token ($) {
1974          !!!next-input-character;          !!!next-input-character;
1975          redo A;          redo A;
1976        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (142);  
1977          !!!parse-error (type => 'bogus comment');          !!!parse-error (type => 'bogus comment');
1978          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
1979              !!!cp (142.1);
1980              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1981            } else {
1982              !!!cp (142);
1983              $self->{state} = DATA_STATE;
1984              $self->{s_kwd} = '';
1985            }
1986          !!!next-input-character;          !!!next-input-character;
1987    
1988          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
1989    
1990          redo A;          redo A;
1991        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (143);  
1992          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
1993          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
1994              !!!cp (143.1);
1995              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1996            } else {
1997              !!!cp (143);
1998              $self->{state} = DATA_STATE;
1999              $self->{s_kwd} = '';
2000            }
2001          ## reconsume          ## reconsume
2002    
2003          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1554  sub _get_next_token ($) { Line 2012  sub _get_next_token ($) {
2012          redo A;          redo A;
2013        }        }
2014      } elsif ($self->{state} == COMMENT_STATE) {      } elsif ($self->{state} == COMMENT_STATE) {
2015          ## XML5: "Comment state" and "DOCTYPE comment state".
2016    
2017        if ($self->{nc} == 0x002D) { # -        if ($self->{nc} == 0x002D) { # -
2018          !!!cp (145);          !!!cp (145);
2019          $self->{state} = COMMENT_END_DASH_STATE;          $self->{state} = COMMENT_END_DASH_STATE;
2020          !!!next-input-character;          !!!next-input-character;
2021          redo A;          redo A;
2022        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (146);  
2023          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
2024          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
2025              !!!cp (146.1);
2026              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2027            } else {
2028              !!!cp (146);
2029              $self->{state} = DATA_STATE;
2030              $self->{s_kwd} = '';
2031            }
2032          ## reconsume          ## reconsume
2033    
2034          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1580  sub _get_next_token ($) { Line 2046  sub _get_next_token ($) {
2046          redo A;          redo A;
2047        }        }
2048      } elsif ($self->{state} == COMMENT_END_DASH_STATE) {      } elsif ($self->{state} == COMMENT_END_DASH_STATE) {
2049          ## XML5: "Comment dash state" and "DOCTYPE comment dash state".
2050    
2051        if ($self->{nc} == 0x002D) { # -        if ($self->{nc} == 0x002D) { # -
2052          !!!cp (148);          !!!cp (148);
2053          $self->{state} = COMMENT_END_STATE;          $self->{state} = COMMENT_END_STATE;
2054          !!!next-input-character;          !!!next-input-character;
2055          redo A;          redo A;
2056        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (149);  
2057          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
2058          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
2059              !!!cp (149.1);
2060              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2061            } else {
2062              !!!cp (149);
2063              $self->{state} = DATA_STATE;
2064              $self->{s_kwd} = '';
2065            }
2066          ## reconsume          ## reconsume
2067    
2068          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1602  sub _get_next_token ($) { Line 2076  sub _get_next_token ($) {
2076          redo A;          redo A;
2077        }        }
2078      } elsif ($self->{state} == COMMENT_END_STATE) {      } elsif ($self->{state} == COMMENT_END_STATE) {
2079          ## XML5: "Comment end state" and "DOCTYPE comment end state".
2080    
2081        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
2082          !!!cp (151);          if ($self->{in_subset}) {
2083          $self->{state} = DATA_STATE;            !!!cp (151.1);
2084              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2085            } else {
2086              !!!cp (151);
2087              $self->{state} = DATA_STATE;
2088              $self->{s_kwd} = '';
2089            }
2090          !!!next-input-character;          !!!next-input-character;
2091    
2092          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1612  sub _get_next_token ($) { Line 2094  sub _get_next_token ($) {
2094          redo A;          redo A;
2095        } elsif ($self->{nc} == 0x002D) { # -        } elsif ($self->{nc} == 0x002D) { # -
2096          !!!cp (152);          !!!cp (152);
2097            ## XML5: Not a parse error.
2098          !!!parse-error (type => 'dash in comment',          !!!parse-error (type => 'dash in comment',
2099                          line => $self->{line_prev},                          line => $self->{line_prev},
2100                          column => $self->{column_prev});                          column => $self->{column_prev});
# Line 1620  sub _get_next_token ($) { Line 2103  sub _get_next_token ($) {
2103          !!!next-input-character;          !!!next-input-character;
2104          redo A;          redo A;
2105        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (153);  
2106          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
2107          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
2108              !!!cp (153.1);
2109              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2110            } else {
2111              !!!cp (153);
2112              $self->{state} = DATA_STATE;
2113              $self->{s_kwd} = '';
2114            }
2115          ## reconsume          ## reconsume
2116    
2117          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1630  sub _get_next_token ($) { Line 2119  sub _get_next_token ($) {
2119          redo A;          redo A;
2120        } else {        } else {
2121          !!!cp (154);          !!!cp (154);
2122            ## XML5: Not a parse error.
2123          !!!parse-error (type => 'dash in comment',          !!!parse-error (type => 'dash in comment',
2124                          line => $self->{line_prev},                          line => $self->{line_prev},
2125                          column => $self->{column_prev});                          column => $self->{column_prev});
# Line 1646  sub _get_next_token ($) { Line 2136  sub _get_next_token ($) {
2136          redo A;          redo A;
2137        } else {        } else {
2138          !!!cp (156);          !!!cp (156);
2139            ## XML5: Unless EOF, swith to the bogus comment state.
2140          !!!parse-error (type => 'no space before DOCTYPE name');          !!!parse-error (type => 'no space before DOCTYPE name');
2141          $self->{state} = BEFORE_DOCTYPE_NAME_STATE;          $self->{state} = BEFORE_DOCTYPE_NAME_STATE;
2142          ## reconsume          ## reconsume
2143          redo A;          redo A;
2144        }        }
2145      } elsif ($self->{state} == BEFORE_DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == BEFORE_DOCTYPE_NAME_STATE) {
2146          ## XML5: "DOCTYPE root name before state".
2147    
2148        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2149          !!!cp (157);          !!!cp (157);
2150          ## Stay in the state          ## Stay in the state
# Line 1659  sub _get_next_token ($) { Line 2152  sub _get_next_token ($) {
2152          redo A;          redo A;
2153        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2154          !!!cp (158);          !!!cp (158);
2155            ## XML5: No parse error.
2156          !!!parse-error (type => 'no DOCTYPE name');          !!!parse-error (type => 'no DOCTYPE name');
2157          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2158            $self->{s_kwd} = '';
2159          !!!next-input-character;          !!!next-input-character;
2160    
2161          !!!emit ($self->{ct}); # DOCTYPE (quirks)          !!!emit ($self->{ct}); # DOCTYPE (quirks)
# Line 1670  sub _get_next_token ($) { Line 2165  sub _get_next_token ($) {
2165          !!!cp (159);          !!!cp (159);
2166          !!!parse-error (type => 'no DOCTYPE name');          !!!parse-error (type => 'no DOCTYPE name');
2167          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2168            $self->{s_kwd} = '';
2169          ## reconsume          ## reconsume
2170    
2171          !!!emit ($self->{ct}); # DOCTYPE (quirks)          !!!emit ($self->{ct}); # DOCTYPE (quirks)
2172    
2173          redo A;          redo A;
2174          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
2175            !!!cp (159.1);
2176            !!!parse-error (type => 'no DOCTYPE name');
2177            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2178            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2179            $self->{in_subset} = 1;
2180            !!!next-input-character;
2181            !!!emit ($self->{ct}); # DOCTYPE
2182            redo A;
2183        } else {        } else {
2184          !!!cp (160);          !!!cp (160);
2185          $self->{ct}->{name} = chr $self->{nc};          $self->{ct}->{name} = chr $self->{nc};
# Line 1684  sub _get_next_token ($) { Line 2189  sub _get_next_token ($) {
2189          redo A;          redo A;
2190        }        }
2191      } elsif ($self->{state} == DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == DOCTYPE_NAME_STATE) {
2192  ## ISSUE: Redundant "First," in the spec.        ## XML5: "DOCTYPE root name state".
2193    
2194          ## ISSUE: Redundant "First," in the spec.
2195    
2196        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2197          !!!cp (161);          !!!cp (161);
2198          $self->{state} = AFTER_DOCTYPE_NAME_STATE;          $self->{state} = AFTER_DOCTYPE_NAME_STATE;
# Line 1693  sub _get_next_token ($) { Line 2201  sub _get_next_token ($) {
2201        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2202          !!!cp (162);          !!!cp (162);
2203          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2204            $self->{s_kwd} = '';
2205          !!!next-input-character;          !!!next-input-character;
2206    
2207          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
# Line 1702  sub _get_next_token ($) { Line 2211  sub _get_next_token ($) {
2211          !!!cp (163);          !!!cp (163);
2212          !!!parse-error (type => 'unclosed DOCTYPE');          !!!parse-error (type => 'unclosed DOCTYPE');
2213          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2214            $self->{s_kwd} = '';
2215          ## reconsume          ## reconsume
2216    
2217          $self->{ct}->{quirks} = 1;          $self->{ct}->{quirks} = 1;
2218          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2219    
2220          redo A;          redo A;
2221          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
2222            !!!cp (163.1);
2223            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2224            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2225            $self->{in_subset} = 1;
2226            !!!next-input-character;
2227            !!!emit ($self->{ct}); # DOCTYPE
2228            redo A;
2229        } else {        } else {
2230          !!!cp (164);          !!!cp (164);
2231          $self->{ct}->{name}          $self->{ct}->{name}
# Line 1717  sub _get_next_token ($) { Line 2235  sub _get_next_token ($) {
2235          redo A;          redo A;
2236        }        }
2237      } elsif ($self->{state} == AFTER_DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == AFTER_DOCTYPE_NAME_STATE) {
2238          ## XML5: Corresponding to XML5's "DOCTYPE root name after
2239          ## state", but implemented differently.
2240    
2241        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2242          !!!cp (165);          !!!cp (165);
2243          ## Stay in the state          ## Stay in the state
2244          !!!next-input-character;          !!!next-input-character;
2245          redo A;          redo A;
2246        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2247          !!!cp (166);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2248          $self->{state} = DATA_STATE;            !!!cp (166);
2249              $self->{state} = DATA_STATE;
2250              $self->{s_kwd} = '';
2251            } else {
2252              !!!cp (166.1);
2253              !!!parse-error (type => 'no md def'); ## TODO: type
2254              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2255            }
2256            
2257          !!!next-input-character;          !!!next-input-character;
2258            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         !!!emit ($self->{ct}); # DOCTYPE  
   
2259          redo A;          redo A;
2260        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2261          !!!cp (167);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2262          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (167);
2263          $self->{state} = DATA_STATE;            !!!parse-error (type => 'unclosed DOCTYPE');
2264          ## reconsume            $self->{state} = DATA_STATE;
2265              $self->{s_kwd} = '';
2266          $self->{ct}->{quirks} = 1;            $self->{ct}->{quirks} = 1;
2267          !!!emit ($self->{ct}); # DOCTYPE          } else {
2268              !!!cp (167.12);
2269              !!!parse-error (type => 'unclosed md'); ## TODO: type
2270              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2271            }
2272            
2273            ## Reconsume.
2274            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2275          redo A;          redo A;
2276        } elsif ($self->{nc} == 0x0050 or # P        } elsif ($self->{nc} == 0x0050 or # P
2277                 $self->{nc} == 0x0070) { # p                 $self->{nc} == 0x0070) { # p
2278            !!!cp (167.1);
2279          $self->{state} = PUBLIC_STATE;          $self->{state} = PUBLIC_STATE;
2280          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
2281          !!!next-input-character;          !!!next-input-character;
2282          redo A;          redo A;
2283        } elsif ($self->{nc} == 0x0053 or # S        } elsif ($self->{nc} == 0x0053 or # S
2284                 $self->{nc} == 0x0073) { # s                 $self->{nc} == 0x0073) { # s
2285            !!!cp (167.2);
2286          $self->{state} = SYSTEM_STATE;          $self->{state} = SYSTEM_STATE;
2287          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
2288            !!!next-input-character;
2289            redo A;
2290          } elsif ($self->{nc} == 0x0022 and # "
2291                   ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN or
2292                    $self->{ct}->{type} == PARAMETER_ENTITY_TOKEN)) {
2293            !!!cp (167.21);
2294            $self->{state} = DOCTYPE_ENTITY_VALUE_DOUBLE_QUOTED_STATE;
2295            $self->{ct}->{value} = ''; # ENTITY
2296            !!!next-input-character;
2297            redo A;
2298          } elsif ($self->{nc} == 0x0027 and # '
2299                   ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN or
2300                    $self->{ct}->{type} == PARAMETER_ENTITY_TOKEN)) {
2301            !!!cp (167.22);
2302            $self->{state} = DOCTYPE_ENTITY_VALUE_SINGLE_QUOTED_STATE;
2303            $self->{ct}->{value} = ''; # ENTITY
2304          !!!next-input-character;          !!!next-input-character;
2305          redo A;          redo A;
2306          } elsif ($self->{is_xml} and
2307                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2308                   $self->{nc} == 0x005B) { # [
2309            !!!cp (167.3);
2310            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2311            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2312            $self->{in_subset} = 1;
2313            !!!next-input-character;
2314            !!!emit ($self->{ct}); # DOCTYPE
2315            redo A;
2316        } else {        } else {
2317          !!!cp (180);          !!!parse-error (type => 'string after DOCTYPE name'); ## TODO: type
2318          !!!parse-error (type => 'string after DOCTYPE name');  
2319          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2320              !!!cp (180);
2321              $self->{ct}->{quirks} = 1;
2322              $self->{state} = BOGUS_DOCTYPE_STATE;
2323            } else {
2324              !!!cp (180.1);
2325              $self->{state} = BOGUS_MD_STATE;
2326            }
2327    
         $self->{state} = BOGUS_DOCTYPE_STATE;  
2328          !!!next-input-character;          !!!next-input-character;
2329          redo A;          redo A;
2330        }        }
# Line 1769  sub _get_next_token ($) { Line 2336  sub _get_next_token ($) {
2336              0x0042, # B              0x0042, # B
2337              0x004C, # L              0x004C, # L
2338              0x0049, # I              0x0049, # I
2339            ]->[length $self->{s_kwd}] or            ]->[length $self->{kwd}] or
2340            $self->{nc} == [            $self->{nc} == [
2341              undef,              undef,
2342              0x0075, # u              0x0075, # u
2343              0x0062, # b              0x0062, # b
2344              0x006C, # l              0x006C, # l
2345              0x0069, # i              0x0069, # i
2346            ]->[length $self->{s_kwd}]) {            ]->[length $self->{kwd}]) {
2347          !!!cp (175);          !!!cp (175);
2348          ## Stay in the state.          ## Stay in the state.
2349          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
2350          !!!next-input-character;          !!!next-input-character;
2351          redo A;          redo A;
2352        } elsif ((length $self->{s_kwd}) == 5 and        } elsif ((length $self->{kwd}) == 5 and
2353                 ($self->{nc} == 0x0043 or # C                 ($self->{nc} == 0x0043 or # C
2354                  $self->{nc} == 0x0063)) { # c                  $self->{nc} == 0x0063)) { # c
2355          !!!cp (168);          if ($self->{is_xml} and
2356                ($self->{kwd} ne 'PUBLI' or $self->{nc} == 0x0063)) { # c
2357              !!!cp (168.1);
2358              !!!parse-error (type => 'lowercase keyword', ## TODO: type
2359                              text => 'PUBLIC',
2360                              line => $self->{line_prev},
2361                              column => $self->{column_prev} - 4);
2362            } else {
2363              !!!cp (168);
2364            }
2365          $self->{state} = BEFORE_DOCTYPE_PUBLIC_IDENTIFIER_STATE;          $self->{state} = BEFORE_DOCTYPE_PUBLIC_IDENTIFIER_STATE;
2366          !!!next-input-character;          !!!next-input-character;
2367          redo A;          redo A;
2368        } else {        } else {
2369          !!!cp (169);          !!!parse-error (type => 'string after DOCTYPE name', ## TODO: type
         !!!parse-error (type => 'string after DOCTYPE name',  
2370                          line => $self->{line_prev},                          line => $self->{line_prev},
2371                          column => $self->{column_prev} + 1 - length $self->{s_kwd});                          column => $self->{column_prev} + 1 - length $self->{kwd});
2372          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2373              !!!cp (169);
2374          $self->{state} = BOGUS_DOCTYPE_STATE;            $self->{ct}->{quirks} = 1;
2375              $self->{state} = BOGUS_DOCTYPE_STATE;
2376            } else {
2377              !!!cp (169.1);
2378              $self->{state} = BOGUS_MD_STATE;
2379            }
2380          ## Reconsume.          ## Reconsume.
2381          redo A;          redo A;
2382        }        }
# Line 1808  sub _get_next_token ($) { Line 2388  sub _get_next_token ($) {
2388              0x0053, # S              0x0053, # S
2389              0x0054, # T              0x0054, # T
2390              0x0045, # E              0x0045, # E
2391            ]->[length $self->{s_kwd}] or            ]->[length $self->{kwd}] or
2392            $self->{nc} == [            $self->{nc} == [
2393              undef,              undef,
2394              0x0079, # y              0x0079, # y
2395              0x0073, # s              0x0073, # s
2396              0x0074, # t              0x0074, # t
2397              0x0065, # e              0x0065, # e
2398            ]->[length $self->{s_kwd}]) {            ]->[length $self->{kwd}]) {
2399          !!!cp (170);          !!!cp (170);
2400          ## Stay in the state.          ## Stay in the state.
2401          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
2402          !!!next-input-character;          !!!next-input-character;
2403          redo A;          redo A;
2404        } elsif ((length $self->{s_kwd}) == 5 and        } elsif ((length $self->{kwd}) == 5 and
2405                 ($self->{nc} == 0x004D or # M                 ($self->{nc} == 0x004D or # M
2406                  $self->{nc} == 0x006D)) { # m                  $self->{nc} == 0x006D)) { # m
2407          !!!cp (171);          if ($self->{is_xml} and
2408                ($self->{kwd} ne 'SYSTE' or $self->{nc} == 0x006D)) { # m
2409              !!!cp (171.1);
2410              !!!parse-error (type => 'lowercase keyword', ## TODO: type
2411                              text => 'SYSTEM',
2412                              line => $self->{line_prev},
2413                              column => $self->{column_prev} - 4);
2414            } else {
2415              !!!cp (171);
2416            }
2417          $self->{state} = BEFORE_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = BEFORE_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2418          !!!next-input-character;          !!!next-input-character;
2419          redo A;          redo A;
2420        } else {        } else {
2421          !!!cp (172);          !!!parse-error (type => 'string after DOCTYPE name', ## TODO: type
         !!!parse-error (type => 'string after DOCTYPE name',  
2422                          line => $self->{line_prev},                          line => $self->{line_prev},
2423                          column => $self->{column_prev} + 1 - length $self->{s_kwd});                          column => $self->{column_prev} + 1 - length $self->{kwd});
2424          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2425              !!!cp (172);
2426          $self->{state} = BOGUS_DOCTYPE_STATE;            $self->{ct}->{quirks} = 1;
2427              $self->{state} = BOGUS_DOCTYPE_STATE;
2428            } else {
2429              !!!cp (172.1);
2430              $self->{state} = BOGUS_MD_STATE;
2431            }
2432          ## Reconsume.          ## Reconsume.
2433          redo A;          redo A;
2434        }        }
# Line 1858  sub _get_next_token ($) { Line 2451  sub _get_next_token ($) {
2451          !!!next-input-character;          !!!next-input-character;
2452          redo A;          redo A;
2453        } elsif ($self->{nc} eq 0x003E) { # >        } elsif ($self->{nc} eq 0x003E) { # >
         !!!cp (184);  
2454          !!!parse-error (type => 'no PUBLIC literal');          !!!parse-error (type => 'no PUBLIC literal');
2455            
2456          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2457              !!!cp (184);
2458              $self->{state} = DATA_STATE;
2459              $self->{s_kwd} = '';
2460              $self->{ct}->{quirks} = 1;
2461            } else {
2462              !!!cp (184.1);
2463              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2464            }
2465            
2466          !!!next-input-character;          !!!next-input-character;
2467            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2468          redo A;          redo A;
2469        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2470          !!!cp (185);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2471          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (185);
2472              !!!parse-error (type => 'unclosed DOCTYPE');
2473          $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
2474              $self->{s_kwd} = '';
2475              $self->{ct}->{quirks} = 1;
2476            } else {
2477              !!!cp (185.1);
2478              !!!parse-error (type => 'unclosed md'); ## TODO: type
2479              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2480            }
2481            
2482          ## reconsume          ## reconsume
   
         $self->{ct}->{quirks} = 1;  
2483          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2484            redo A;
2485          } elsif ($self->{is_xml} and
2486                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2487                   $self->{nc} == 0x005B) { # [
2488            !!!cp (186.1);
2489            !!!parse-error (type => 'no PUBLIC literal');
2490            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2491            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2492            $self->{in_subset} = 1;
2493            !!!next-input-character;
2494            !!!emit ($self->{ct}); # DOCTYPE
2495          redo A;          redo A;
2496        } else {        } else {
         !!!cp (186);  
2497          !!!parse-error (type => 'string after PUBLIC');          !!!parse-error (type => 'string after PUBLIC');
         $self->{ct}->{quirks} = 1;  
2498    
2499          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2500              !!!cp (186);
2501              $self->{ct}->{quirks} = 1;
2502              $self->{state} = BOGUS_DOCTYPE_STATE;
2503            } else {
2504              !!!cp (186.2);
2505              $self->{state} = BOGUS_MD_STATE;
2506            }
2507    
2508          !!!next-input-character;          !!!next-input-character;
2509          redo A;          redo A;
2510        }        }
# Line 1895  sub _get_next_token ($) { Line 2515  sub _get_next_token ($) {
2515          !!!next-input-character;          !!!next-input-character;
2516          redo A;          redo A;
2517        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (188);  
2518          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2519    
2520          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2521          !!!next-input-character;            !!!cp (188);
2522              $self->{state} = DATA_STATE;
2523          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2524          !!!emit ($self->{ct}); # DOCTYPE            $self->{ct}->{quirks} = 1;
2525            } else {
2526              !!!cp (188.1);
2527              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2528            }
2529    
2530            !!!next-input-character;
2531            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2532          redo A;          redo A;
2533        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (189);  
2534          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2535    
2536          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2537          ## reconsume            !!!cp (189);
2538              $self->{state} = DATA_STATE;
2539          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2540              $self->{ct}->{quirks} = 1;
2541            } else {
2542              !!!cp (189.1);
2543              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2544            }
2545            
2546            ## Reconsume.
2547          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2548          redo A;          redo A;
2549        } else {        } else {
2550          !!!cp (190);          !!!cp (190);
2551          $self->{ct}->{pubid} # DOCTYPE          $self->{ct}->{pubid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2552          $self->{read_until}->($self->{ct}->{pubid}, q[">],          $self->{read_until}->($self->{ct}->{pubid}, q[">],
2553                                length $self->{ct}->{pubid});                                length $self->{ct}->{pubid});
2554    
# Line 1934  sub _get_next_token ($) { Line 2563  sub _get_next_token ($) {
2563          !!!next-input-character;          !!!next-input-character;
2564          redo A;          redo A;
2565        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (192);  
2566          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2567    
2568          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2569          !!!next-input-character;            !!!cp (192);
2570              $self->{state} = DATA_STATE;
2571          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2572          !!!emit ($self->{ct}); # DOCTYPE            $self->{ct}->{quirks} = 1;
2573            } else {
2574              !!!cp (192.1);
2575              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2576            }
2577    
2578            !!!next-input-character;
2579            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2580          redo A;          redo A;
2581        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (193);  
2582          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2583    
2584          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2585              !!!cp (193);
2586              $self->{state} = DATA_STATE;
2587              $self->{s_kwd} = '';
2588              $self->{ct}->{quirks} = 1;
2589            } else {
2590              !!!cp (193.1);
2591              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2592            }
2593          
2594          ## reconsume          ## reconsume
2595            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2596          redo A;          redo A;
2597        } else {        } else {
2598          !!!cp (194);          !!!cp (194);
2599          $self->{ct}->{pubid} # DOCTYPE          $self->{ct}->{pubid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2600          $self->{read_until}->($self->{ct}->{pubid}, q['>],          $self->{read_until}->($self->{ct}->{pubid}, q['>],
2601                                length $self->{ct}->{pubid});                                length $self->{ct}->{pubid});
2602    
# Line 1974  sub _get_next_token ($) { Line 2612  sub _get_next_token ($) {
2612          redo A;          redo A;
2613        } elsif ($self->{nc} == 0x0022) { # "        } elsif ($self->{nc} == 0x0022) { # "
2614          !!!cp (196);          !!!cp (196);
2615          $self->{ct}->{sysid} = ''; # DOCTYPE          $self->{ct}->{sysid} = ''; # DOCTYPE/ENTITY/NOTATION
2616          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_DOUBLE_QUOTED_STATE;          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_DOUBLE_QUOTED_STATE;
2617          !!!next-input-character;          !!!next-input-character;
2618          redo A;          redo A;
2619        } elsif ($self->{nc} == 0x0027) { # '        } elsif ($self->{nc} == 0x0027) { # '
2620          !!!cp (197);          !!!cp (197);
2621          $self->{ct}->{sysid} = ''; # DOCTYPE          $self->{ct}->{sysid} = ''; # DOCTYPE/ENTITY/NOTATION
2622          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_SINGLE_QUOTED_STATE;          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_SINGLE_QUOTED_STATE;
2623          !!!next-input-character;          !!!next-input-character;
2624          redo A;          redo A;
2625        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2626          !!!cp (198);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2627          $self->{state} = DATA_STATE;            if ($self->{is_xml}) {
2628                !!!cp (198.1);
2629                !!!parse-error (type => 'no SYSTEM literal');
2630              } else {
2631                !!!cp (198);
2632              }
2633              $self->{state} = DATA_STATE;
2634              $self->{s_kwd} = '';
2635            } else {
2636              if ($self->{ct}->{type} == NOTATION_TOKEN) {
2637                !!!cp (198.2);
2638              } else {
2639                !!!cp (198.3);
2640                !!!parse-error (type => 'no SYSTEM literal');            
2641              }
2642              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2643            }
2644            
2645          !!!next-input-character;          !!!next-input-character;
2646            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         !!!emit ($self->{ct}); # DOCTYPE  
   
2647          redo A;          redo A;
2648        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2649          !!!cp (199);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2650          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (199);
2651              !!!parse-error (type => 'unclosed DOCTYPE');
2652          $self->{state} = DATA_STATE;            
2653              $self->{state} = DATA_STATE;
2654              $self->{s_kwd} = '';
2655              $self->{ct}->{quirks} = 1;
2656            } else {
2657              !!!parse-error (type => 'unclosed md'); ## TODO: type
2658              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2659            }
2660            
2661          ## reconsume          ## reconsume
2662            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2663          $self->{ct}->{quirks} = 1;          redo A;
2664          } elsif ($self->{is_xml} and
2665                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2666                   $self->{nc} == 0x005B) { # [
2667            !!!cp (200.1);
2668            !!!parse-error (type => 'no SYSTEM literal');
2669            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2670            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2671            $self->{in_subset} = 1;
2672            !!!next-input-character;
2673          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2674          redo A;          redo A;
2675        } else {        } else {
         !!!cp (200);  
2676          !!!parse-error (type => 'string after PUBLIC literal');          !!!parse-error (type => 'string after PUBLIC literal');
         $self->{ct}->{quirks} = 1;  
2677    
2678          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2679              !!!cp (200);
2680              $self->{ct}->{quirks} = 1;
2681              $self->{state} = BOGUS_DOCTYPE_STATE;
2682            } else {
2683              !!!cp (200.2);
2684              $self->{state} = BOGUS_MD_STATE;
2685            }
2686    
2687          !!!next-input-character;          !!!next-input-character;
2688          redo A;          redo A;
2689        }        }
# Line 2031  sub _get_next_token ($) { Line 2706  sub _get_next_token ($) {
2706          !!!next-input-character;          !!!next-input-character;
2707          redo A;          redo A;
2708        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (204);  
2709          !!!parse-error (type => 'no SYSTEM literal');          !!!parse-error (type => 'no SYSTEM literal');
         $self->{state} = DATA_STATE;  
2710          !!!next-input-character;          !!!next-input-character;
2711    
2712          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2713          !!!emit ($self->{ct}); # DOCTYPE            !!!cp (204);
2714              $self->{state} = DATA_STATE;
2715              $self->{s_kwd} = '';
2716              $self->{ct}->{quirks} = 1;
2717            } else {
2718              !!!cp (204.1);
2719              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2720            }
2721    
2722            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2723          redo A;          redo A;
2724        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2725          !!!cp (205);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2726          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (205);
2727              !!!parse-error (type => 'unclosed DOCTYPE');
2728          $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
2729              $self->{s_kwd} = '';
2730              $self->{ct}->{quirks} = 1;
2731            } else {
2732              !!!cp (205.1);
2733              !!!parse-error (type => 'unclosed md'); ## TODO: type
2734              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2735            }
2736            
2737          ## reconsume          ## reconsume
2738            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2739            redo A;
2740          } elsif ($self->{is_xml} and
2741                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2742                   $self->{nc} == 0x005B) { # [
2743            !!!cp (206.1);
2744            !!!parse-error (type => 'no SYSTEM literal');
2745    
2746          $self->{ct}->{quirks} = 1;          $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2747            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2748            $self->{in_subset} = 1;
2749            !!!next-input-character;
2750          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2751          redo A;          redo A;
2752        } else {        } else {
         !!!cp (206);  
2753          !!!parse-error (type => 'string after SYSTEM');          !!!parse-error (type => 'string after SYSTEM');
         $self->{ct}->{quirks} = 1;  
2754    
2755          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2756              !!!cp (206);          
2757              $self->{ct}->{quirks} = 1;
2758              $self->{state} = BOGUS_DOCTYPE_STATE;
2759            } else {
2760              !!!cp (206.2);
2761              $self->{state} = BOGUS_MD_STATE;
2762            }
2763    
2764          !!!next-input-character;          !!!next-input-character;
2765          redo A;          redo A;
2766        }        }
# Line 2066  sub _get_next_token ($) { Line 2770  sub _get_next_token ($) {
2770          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2771          !!!next-input-character;          !!!next-input-character;
2772          redo A;          redo A;
2773        } elsif ($self->{nc} == 0x003E) { # >        } elsif (not $self->{is_xml} and $self->{nc} == 0x003E) { # >
         !!!cp (208);  
2774          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2775    
2776          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2777              !!!cp (208);
2778              $self->{state} = DATA_STATE;
2779              $self->{s_kwd} = '';
2780              $self->{ct}->{quirks} = 1;
2781            } else {
2782              !!!cp (208.1);
2783              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2784            }
2785            
2786          !!!next-input-character;          !!!next-input-character;
2787            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2788          redo A;          redo A;
2789        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (209);  
2790          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2791    
2792          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2793              !!!cp (209);
2794              $self->{state} = DATA_STATE;
2795              $self->{s_kwd} = '';
2796              $self->{ct}->{quirks} = 1;
2797            } else {
2798              !!!cp (209.1);
2799              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2800            }
2801            
2802          ## reconsume          ## reconsume
2803            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2804          redo A;          redo A;
2805        } else {        } else {
2806          !!!cp (210);          !!!cp (210);
2807          $self->{ct}->{sysid} # DOCTYPE          $self->{ct}->{sysid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2808          $self->{read_until}->($self->{ct}->{sysid}, q[">],          $self->{read_until}->($self->{ct}->{sysid}, q[">],
2809                                length $self->{ct}->{sysid});                                length $self->{ct}->{sysid});
2810    
# Line 2105  sub _get_next_token ($) { Line 2818  sub _get_next_token ($) {
2818          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2819          !!!next-input-character;          !!!next-input-character;
2820          redo A;          redo A;
2821        } elsif ($self->{nc} == 0x003E) { # >        } elsif (not $self->{is_xml} and $self->{nc} == 0x003E) { # >
2822          !!!cp (212);          !!!cp (212);
2823          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2824    
2825          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2826            $self->{s_kwd} = '';
2827          !!!next-input-character;          !!!next-input-character;
2828    
2829          $self->{ct}->{quirks} = 1;          $self->{ct}->{quirks} = 1;
# Line 2117  sub _get_next_token ($) { Line 2831  sub _get_next_token ($) {
2831    
2832          redo A;          redo A;
2833        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (213);  
2834          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2835    
2836          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2837          ## reconsume            !!!cp (213);
2838              $self->{state} = DATA_STATE;
2839          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2840          !!!emit ($self->{ct}); # DOCTYPE            $self->{ct}->{quirks} = 1;
2841            } else {
2842              !!!cp (213.1);
2843              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2844            }
2845    
2846            ## reconsume
2847            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2848          redo A;          redo A;
2849        } else {        } else {
2850          !!!cp (214);          !!!cp (214);
2851          $self->{ct}->{sysid} # DOCTYPE          $self->{ct}->{sysid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2852          $self->{read_until}->($self->{ct}->{sysid}, q['>],          $self->{read_until}->($self->{ct}->{sysid}, q['>],
2853                                length $self->{ct}->{sysid});                                length $self->{ct}->{sysid});
2854    
# Line 2140  sub _get_next_token ($) { Line 2858  sub _get_next_token ($) {
2858        }        }
2859      } elsif ($self->{state} == AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE) {      } elsif ($self->{state} == AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE) {
2860        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2861          !!!cp (215);          if ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN) {
2862          ## Stay in the state            !!!cp (215.1);
2863              $self->{state} = BEFORE_NDATA_STATE;
2864            } else {
2865              !!!cp (215);
2866              ## Stay in the state
2867            }
2868          !!!next-input-character;          !!!next-input-character;
2869          redo A;          redo A;
2870        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2871          !!!cp (216);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2872          $self->{state} = DATA_STATE;            !!!cp (216);
2873              $self->{state} = DATA_STATE;
2874              $self->{s_kwd} = '';
2875            } else {
2876              !!!cp (216.1);
2877              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2878            }
2879    
2880            !!!next-input-character;
2881            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2882            redo A;
2883          } elsif ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN and
2884                   ($self->{nc} == 0x004E or # N
2885                    $self->{nc} == 0x006E)) { # n
2886            !!!cp (216.2);
2887            !!!parse-error (type => 'no space before NDATA'); ## TODO: type
2888            $self->{state} = NDATA_STATE;
2889            $self->{kwd} = chr $self->{nc};
2890          !!!next-input-character;          !!!next-input-character;
2891            redo A;
2892          } elsif ($self->{nc} == -1) {
2893            if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2894              !!!cp (217);
2895              !!!parse-error (type => 'unclosed DOCTYPE');
2896              $self->{state} = DATA_STATE;
2897              $self->{s_kwd} = '';
2898              $self->{ct}->{quirks} = 1;
2899            } else {
2900              !!!cp (217.1);
2901              !!!parse-error (type => 'unclosed md'); ## TODO: type
2902              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2903            }
2904    
2905            ## reconsume
2906            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2907            redo A;
2908          } elsif ($self->{is_xml} and
2909                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2910                   $self->{nc} == 0x005B) { # [
2911            !!!cp (218.1);
2912            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2913            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2914            $self->{in_subset} = 1;
2915            !!!next-input-character;
2916          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2917            redo A;
2918          } else {
2919            !!!parse-error (type => 'string after SYSTEM literal');
2920    
2921            if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2922              !!!cp (218);
2923              #$self->{ct}->{quirks} = 1;
2924              $self->{state} = BOGUS_DOCTYPE_STATE;
2925            } else {
2926              !!!cp (218.2);
2927              $self->{state} = BOGUS_MD_STATE;
2928            }
2929    
2930            !!!next-input-character;
2931            redo A;
2932          }
2933        } elsif ($self->{state} == BEFORE_NDATA_STATE) {
2934          if ($is_space->{$self->{nc}}) {
2935            !!!cp (218.3);
2936            ## Stay in the state.
2937            !!!next-input-character;
2938            redo A;
2939          } elsif ($self->{nc} == 0x003E) { # >
2940            !!!cp (218.4);
2941            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2942            !!!next-input-character;
2943            !!!emit ($self->{ct}); # ENTITY
2944            redo A;
2945          } elsif ($self->{nc} == 0x004E or # N
2946                   $self->{nc} == 0x006E) { # n
2947            !!!cp (218.5);
2948            $self->{state} = NDATA_STATE;
2949            $self->{kwd} = chr $self->{nc};
2950            !!!next-input-character;
2951          redo A;          redo A;
2952        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2953          !!!cp (217);          !!!cp (218.6);
2954          !!!parse-error (type => 'unclosed DOCTYPE');          !!!parse-error (type => 'unclosed md'); ## TODO: type
2955          $self->{state} = DATA_STATE;          $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2956          ## reconsume          ## reconsume
2957            !!!emit ($self->{ct}); # ENTITY
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2958          redo A;          redo A;
2959        } else {        } else {
2960          !!!cp (218);          !!!cp (218.7);
2961          !!!parse-error (type => 'string after SYSTEM literal');          !!!parse-error (type => 'string after SYSTEM literal');
2962          #$self->{ct}->{quirks} = 1;          $self->{state} = BOGUS_MD_STATE;
   
         $self->{state} = BOGUS_DOCTYPE_STATE;  
2963          !!!next-input-character;          !!!next-input-character;
2964          redo A;          redo A;
2965        }        }
# Line 2175  sub _get_next_token ($) { Line 2967  sub _get_next_token ($) {
2967        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
2968          !!!cp (219);          !!!cp (219);
2969          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2970            $self->{s_kwd} = '';
2971          !!!next-input-character;          !!!next-input-character;
2972    
2973          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2974    
2975          redo A;          redo A;
2976          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
2977            !!!cp (220.1);
2978            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2979            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2980            $self->{in_subset} = 1;
2981            !!!next-input-character;
2982            !!!emit ($self->{ct}); # DOCTYPE
2983            redo A;
2984        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2985          !!!cp (220);          !!!cp (220);
2986          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2987            $self->{s_kwd} = '';
2988          ## reconsume          ## reconsume
2989    
2990          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
# Line 2191  sub _get_next_token ($) { Line 2993  sub _get_next_token ($) {
2993        } else {        } else {
2994          !!!cp (221);          !!!cp (221);
2995          my $s = '';          my $s = '';
2996          $self->{read_until}->($s, q[>], 0);          $self->{read_until}->($s, q{>[}, 0);
2997    
2998          ## Stay in the state          ## Stay in the state
2999          !!!next-input-character;          !!!next-input-character;
# Line 2201  sub _get_next_token ($) { Line 3003  sub _get_next_token ($) {
3003        ## NOTE: "CDATA section state" in the state is jointly implemented        ## NOTE: "CDATA section state" in the state is jointly implemented
3004        ## by three states, |CDATA_SECTION_STATE|, |CDATA_SECTION_MSE1_STATE|,        ## by three states, |CDATA_SECTION_STATE|, |CDATA_SECTION_MSE1_STATE|,
3005        ## and |CDATA_SECTION_MSE2_STATE|.        ## and |CDATA_SECTION_MSE2_STATE|.
3006    
3007          ## XML5: "CDATA state".
3008                
3009        if ($self->{nc} == 0x005D) { # ]        if ($self->{nc} == 0x005D) { # ]
3010          !!!cp (221.1);          !!!cp (221.1);
# Line 2208  sub _get_next_token ($) { Line 3012  sub _get_next_token ($) {
3012          !!!next-input-character;          !!!next-input-character;
3013          redo A;          redo A;
3014        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
3015            if ($self->{is_xml}) {
3016              !!!cp (221.11);
3017              !!!parse-error (type => 'no mse'); ## TODO: type
3018            } else {
3019              !!!cp (221.12);
3020            }
3021    
3022          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
3023          !!!next-input-character;          $self->{s_kwd} = '';
3024            ## Reconsume.
3025          if (length $self->{ct}->{data}) { # character          if (length $self->{ct}->{data}) { # character
3026            !!!cp (221.2);            !!!cp (221.2);
3027            !!!emit ($self->{ct}); # character            !!!emit ($self->{ct}); # character
# Line 2232  sub _get_next_token ($) { Line 3044  sub _get_next_token ($) {
3044    
3045        ## ISSUE: "text tokens" in spec.        ## ISSUE: "text tokens" in spec.
3046      } elsif ($self->{state} == CDATA_SECTION_MSE1_STATE) {      } elsif ($self->{state} == CDATA_SECTION_MSE1_STATE) {
3047          ## XML5: "CDATA bracket state".
3048    
3049        if ($self->{nc} == 0x005D) { # ]        if ($self->{nc} == 0x005D) { # ]
3050          !!!cp (221.5);          !!!cp (221.5);
3051          $self->{state} = CDATA_SECTION_MSE2_STATE;          $self->{state} = CDATA_SECTION_MSE2_STATE;
# Line 2239  sub _get_next_token ($) { Line 3053  sub _get_next_token ($) {
3053          redo A;          redo A;
3054        } else {        } else {
3055          !!!cp (221.6);          !!!cp (221.6);
3056            ## XML5: If EOF, "]" is not appended and changed to the data state.
3057          $self->{ct}->{data} .= ']';          $self->{ct}->{data} .= ']';
3058          $self->{state} = CDATA_SECTION_STATE;          $self->{state} = CDATA_SECTION_STATE; ## XML5: Stay in the state.
3059          ## Reconsume.          ## Reconsume.
3060          redo A;          redo A;
3061        }        }
3062      } elsif ($self->{state} == CDATA_SECTION_MSE2_STATE) {      } elsif ($self->{state} == CDATA_SECTION_MSE2_STATE) {
3063          ## XML5: "CDATA end state".
3064    
3065        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
3066          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
3067            $self->{s_kwd} = '';
3068          !!!next-input-character;          !!!next-input-character;
3069          if (length $self->{ct}->{data}) { # character          if (length $self->{ct}->{data}) { # character
3070            !!!cp (221.7);            !!!cp (221.7);
# Line 2266  sub _get_next_token ($) { Line 3084  sub _get_next_token ($) {
3084          !!!cp (221.11);          !!!cp (221.11);
3085          $self->{ct}->{data} .= ']]'; # character          $self->{ct}->{data} .= ']]'; # character
3086          $self->{state} = CDATA_SECTION_STATE;          $self->{state} = CDATA_SECTION_STATE;
3087          ## Reconsume.          ## Reconsume. ## XML5: Emit.
3088          redo A;          redo A;
3089        }        }
3090      } elsif ($self->{state} == ENTITY_STATE) {      } elsif ($self->{state} == ENTITY_STATE) {
# Line 2275  sub _get_next_token ($) { Line 3093  sub _get_next_token ($) {
3093              0x003C => 1, 0x0026 => 1, -1 => 1, # <, &              0x003C => 1, 0x0026 => 1, -1 => 1, # <, &
3094              $self->{entity_add} => 1,              $self->{entity_add} => 1,
3095            }->{$self->{nc}}) {            }->{$self->{nc}}) {
3096          !!!cp (1001);          if ($self->{is_xml}) {
3097              !!!cp (1001.1);
3098              !!!parse-error (type => 'bare ero',
3099                              line => $self->{line_prev},
3100                              column => $self->{column_prev}
3101                                  + ($self->{nc} == -1 ? 1 : 0));
3102            } else {
3103              !!!cp (1001);
3104              ## No error
3105            }
3106          ## Don't consume          ## Don't consume
         ## No error  
3107          ## Return nothing.          ## Return nothing.
3108          #          #
3109        } elsif ($self->{nc} == 0x0023) { # #        } elsif ($self->{nc} == 0x0023) { # #
3110          !!!cp (999);          !!!cp (999);
3111          $self->{state} = ENTITY_HASH_STATE;          $self->{state} = ENTITY_HASH_STATE;
3112          $self->{s_kwd} = '#';          $self->{kwd} = '#';
3113          !!!next-input-character;          !!!next-input-character;
3114          redo A;          redo A;
3115        } elsif ((0x0041 <= $self->{nc} and        } elsif ($self->{is_xml} or
3116                   (0x0041 <= $self->{nc} and
3117                  $self->{nc} <= 0x005A) or # A..Z                  $self->{nc} <= 0x005A) or # A..Z
3118                 (0x0061 <= $self->{nc} and                 (0x0061 <= $self->{nc} and
3119                  $self->{nc} <= 0x007A)) { # a..z                  $self->{nc} <= 0x007A)) { # a..z
3120          !!!cp (998);          !!!cp (998);
3121          require Whatpm::_NamedEntityList;          require Whatpm::_NamedEntityList;
3122          $self->{state} = ENTITY_NAME_STATE;          $self->{state} = ENTITY_NAME_STATE;
3123          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
3124          $self->{entity__value} = $self->{s_kwd};          $self->{entity__value} = $self->{kwd};
3125          $self->{entity__match} = 0;          $self->{entity__match} = 0;
3126          !!!next-input-character;          !!!next-input-character;
3127          redo A;          redo A;
# Line 2314  sub _get_next_token ($) { Line 3141  sub _get_next_token ($) {
3141        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3142          !!!cp (997);          !!!cp (997);
3143          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3144            $self->{s_kwd} = '';
3145          ## Reconsume.          ## Reconsume.
3146          !!!emit ({type => CHARACTER_TOKEN, data => '&',          !!!emit ({type => CHARACTER_TOKEN, data => '&',
3147                    line => $self->{line_prev},                    line => $self->{line_prev},
# Line 2324  sub _get_next_token ($) { Line 3152  sub _get_next_token ($) {
3152          !!!cp (996);          !!!cp (996);
3153          $self->{ca}->{value} .= '&';          $self->{ca}->{value} .= '&';
3154          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3155            $self->{s_kwd} = '';
3156          ## Reconsume.          ## Reconsume.
3157          redo A;          redo A;
3158        }        }
3159      } elsif ($self->{state} == ENTITY_HASH_STATE) {      } elsif ($self->{state} == ENTITY_HASH_STATE) {
3160        if ($self->{nc} == 0x0078 or # x        if ($self->{nc} == 0x0078) { # x
           $self->{nc} == 0x0058) { # X  
3161          !!!cp (995);          !!!cp (995);
3162          $self->{state} = HEXREF_X_STATE;          $self->{state} = HEXREF_X_STATE;
3163          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
3164            !!!next-input-character;
3165            redo A;
3166          } elsif ($self->{nc} == 0x0058) { # X
3167            !!!cp (995.1);
3168            if ($self->{is_xml}) {
3169              !!!parse-error (type => 'uppercase hcro'); ## TODO: type
3170            }
3171            $self->{state} = HEXREF_X_STATE;
3172            $self->{kwd} .= chr $self->{nc};
3173          !!!next-input-character;          !!!next-input-character;
3174          redo A;          redo A;
3175        } elsif (0x0030 <= $self->{nc} and        } elsif (0x0030 <= $self->{nc} and
3176                 $self->{nc} <= 0x0039) { # 0..9                 $self->{nc} <= 0x0039) { # 0..9
3177          !!!cp (994);          !!!cp (994);
3178          $self->{state} = NCR_NUM_STATE;          $self->{state} = NCR_NUM_STATE;
3179          $self->{s_kwd} = $self->{nc} - 0x0030;          $self->{kwd} = $self->{nc} - 0x0030;
3180          !!!next-input-character;          !!!next-input-character;
3181          redo A;          redo A;
3182        } else {        } else {
# Line 2354  sub _get_next_token ($) { Line 3191  sub _get_next_token ($) {
3191          if ($self->{prev_state} == DATA_STATE) {          if ($self->{prev_state} == DATA_STATE) {
3192            !!!cp (1019);            !!!cp (1019);
3193            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3194              $self->{s_kwd} = '';
3195            ## Reconsume.            ## Reconsume.
3196            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
3197                      data => '&#',                      data => '&#',
# Line 2365  sub _get_next_token ($) { Line 3203  sub _get_next_token ($) {
3203            !!!cp (993);            !!!cp (993);
3204            $self->{ca}->{value} .= '&#';            $self->{ca}->{value} .= '&#';
3205            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3206              $self->{s_kwd} = '';
3207            ## Reconsume.            ## Reconsume.
3208            redo A;            redo A;
3209          }          }
# Line 2373  sub _get_next_token ($) { Line 3212  sub _get_next_token ($) {
3212        if (0x0030 <= $self->{nc} and        if (0x0030 <= $self->{nc} and
3213            $self->{nc} <= 0x0039) { # 0..9            $self->{nc} <= 0x0039) { # 0..9
3214          !!!cp (1012);          !!!cp (1012);
3215          $self->{s_kwd} *= 10;          $self->{kwd} *= 10;
3216          $self->{s_kwd} += $self->{nc} - 0x0030;          $self->{kwd} += $self->{nc} - 0x0030;
3217                    
3218          ## Stay in the state.          ## Stay in the state.
3219          !!!next-input-character;          !!!next-input-character;
# Line 2390  sub _get_next_token ($) { Line 3229  sub _get_next_token ($) {
3229          #          #
3230        }        }
3231    
3232        my $code = $self->{s_kwd};        my $code = $self->{kwd};
3233        my $l = $self->{line_prev};        my $l = $self->{line_prev};
3234        my $c = $self->{column_prev};        my $c = $self->{column_prev};
3235        if ($charref_map->{$code}) {        if ((not $self->{is_xml} and $charref_map->{$code}) or
3236              ($self->{is_xml} and 0xD800 <= $code and $code <= 0xDFFF) or
3237              ($self->{is_xml} and $code == 0x0000)) {
3238          !!!cp (1015);          !!!cp (1015);
3239          !!!parse-error (type => 'invalid character reference',          !!!parse-error (type => 'invalid character reference',
3240                          text => (sprintf 'U+%04X', $code),                          text => (sprintf 'U+%04X', $code),
# Line 2410  sub _get_next_token ($) { Line 3251  sub _get_next_token ($) {
3251        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3252          !!!cp (992);          !!!cp (992);
3253          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3254            $self->{s_kwd} = '';
3255          ## Reconsume.          ## Reconsume.
3256          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,
3257                      has_reference => 1,
3258                    line => $l, column => $c,                    line => $l, column => $c,
3259                   });                   });
3260          redo A;          redo A;
# Line 2420  sub _get_next_token ($) { Line 3263  sub _get_next_token ($) {
3263          $self->{ca}->{value} .= chr $code;          $self->{ca}->{value} .= chr $code;
3264          $self->{ca}->{has_reference} = 1;          $self->{ca}->{has_reference} = 1;
3265          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3266            $self->{s_kwd} = '';
3267          ## Reconsume.          ## Reconsume.
3268          redo A;          redo A;
3269        }        }
# Line 2430  sub _get_next_token ($) { Line 3274  sub _get_next_token ($) {
3274          # 0..9, A..F, a..f          # 0..9, A..F, a..f
3275          !!!cp (990);          !!!cp (990);
3276          $self->{state} = HEXREF_HEX_STATE;          $self->{state} = HEXREF_HEX_STATE;
3277          $self->{s_kwd} = 0;          $self->{kwd} = 0;
3278          ## Reconsume.          ## Reconsume.
3279          redo A;          redo A;
3280        } else {        } else {
# Line 2445  sub _get_next_token ($) { Line 3289  sub _get_next_token ($) {
3289          if ($self->{prev_state} == DATA_STATE) {          if ($self->{prev_state} == DATA_STATE) {
3290            !!!cp (1005);            !!!cp (1005);
3291            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3292              $self->{s_kwd} = '';
3293            ## Reconsume.            ## Reconsume.
3294            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
3295                      data => '&' . $self->{s_kwd},                      data => '&' . $self->{kwd},
3296                      line => $self->{line_prev},                      line => $self->{line_prev},
3297                      column => $self->{column_prev} - length $self->{s_kwd},                      column => $self->{column_prev} - length $self->{kwd},
3298                     });                     });
3299            redo A;            redo A;
3300          } else {          } else {
3301            !!!cp (989);            !!!cp (989);
3302            $self->{ca}->{value} .= '&' . $self->{s_kwd};            $self->{ca}->{value} .= '&' . $self->{kwd};
3303            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3304              $self->{s_kwd} = '';
3305            ## Reconsume.            ## Reconsume.
3306            redo A;            redo A;
3307          }          }
# Line 2464  sub _get_next_token ($) { Line 3310  sub _get_next_token ($) {
3310        if (0x0030 <= $self->{nc} and $self->{nc} <= 0x0039) {        if (0x0030 <= $self->{nc} and $self->{nc} <= 0x0039) {
3311          # 0..9          # 0..9
3312          !!!cp (1002);          !!!cp (1002);
3313          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3314          $self->{s_kwd} += $self->{nc} - 0x0030;          $self->{kwd} += $self->{nc} - 0x0030;
3315          ## Stay in the state.          ## Stay in the state.
3316          !!!next-input-character;          !!!next-input-character;
3317          redo A;          redo A;
3318        } elsif (0x0061 <= $self->{nc} and        } elsif (0x0061 <= $self->{nc} and
3319                 $self->{nc} <= 0x0066) { # a..f                 $self->{nc} <= 0x0066) { # a..f
3320          !!!cp (1003);          !!!cp (1003);
3321          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3322          $self->{s_kwd} += $self->{nc} - 0x0060 + 9;          $self->{kwd} += $self->{nc} - 0x0060 + 9;
3323          ## Stay in the state.          ## Stay in the state.
3324          !!!next-input-character;          !!!next-input-character;
3325          redo A;          redo A;
3326        } elsif (0x0041 <= $self->{nc} and        } elsif (0x0041 <= $self->{nc} and
3327                 $self->{nc} <= 0x0046) { # A..F                 $self->{nc} <= 0x0046) { # A..F
3328          !!!cp (1004);          !!!cp (1004);
3329          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3330          $self->{s_kwd} += $self->{nc} - 0x0040 + 9;          $self->{kwd} += $self->{nc} - 0x0040 + 9;
3331          ## Stay in the state.          ## Stay in the state.
3332          !!!next-input-character;          !!!next-input-character;
3333          redo A;          redo A;
# Line 2498  sub _get_next_token ($) { Line 3344  sub _get_next_token ($) {
3344          #          #
3345        }        }
3346    
3347        my $code = $self->{s_kwd};        my $code = $self->{kwd};
3348        my $l = $self->{line_prev};        my $l = $self->{line_prev};
3349        my $c = $self->{column_prev};        my $c = $self->{column_prev};
3350        if ($charref_map->{$code}) {        if ((not $self->{is_xml} and $charref_map->{$code}) or
3351              ($self->{is_xml} and 0xD800 <= $code and $code <= 0xDFFF) or
3352              ($self->{is_xml} and $code == 0x0000)) {
3353          !!!cp (1008);          !!!cp (1008);
3354          !!!parse-error (type => 'invalid character reference',          !!!parse-error (type => 'invalid character reference',
3355                          text => (sprintf 'U+%04X', $code),                          text => (sprintf 'U+%04X', $code),
# Line 2518  sub _get_next_token ($) { Line 3366  sub _get_next_token ($) {
3366        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3367          !!!cp (988);          !!!cp (988);
3368          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3369            $self->{s_kwd} = '';
3370          ## Reconsume.          ## Reconsume.
3371          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,
3372                      has_reference => 1,
3373                    line => $l, column => $c,                    line => $l, column => $c,
3374                   });                   });
3375          redo A;          redo A;
# Line 2528  sub _get_next_token ($) { Line 3378  sub _get_next_token ($) {
3378          $self->{ca}->{value} .= chr $code;          $self->{ca}->{value} .= chr $code;
3379          $self->{ca}->{has_reference} = 1;          $self->{ca}->{has_reference} = 1;
3380          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3381            $self->{s_kwd} = '';
3382          ## Reconsume.          ## Reconsume.
3383          redo A;          redo A;
3384        }        }
3385      } elsif ($self->{state} == ENTITY_NAME_STATE) {      } elsif ($self->{state} == ENTITY_NAME_STATE) {
3386        if (length $self->{s_kwd} < 30 and        if ((0x0041 <= $self->{nc} and # a
3387            ## NOTE: Some number greater than the maximum length of entity name             $self->{nc} <= 0x005A) or # x
3388            ((0x0041 <= $self->{nc} and # a            (0x0061 <= $self->{nc} and # a
3389              $self->{nc} <= 0x005A) or # x             $self->{nc} <= 0x007A) or # z
3390             (0x0061 <= $self->{nc} and # a            (0x0030 <= $self->{nc} and # 0
3391              $self->{nc} <= 0x007A) or # z             $self->{nc} <= 0x0039) or # 9
3392             (0x0030 <= $self->{nc} and # 0            $self->{nc} == 0x003B or # ;
3393              $self->{nc} <= 0x0039) or # 9            ($self->{is_xml} and
3394             $self->{nc} == 0x003B)) { # ;             not ($is_space->{$self->{nc}} or
3395                    {
3396                      0x003C => 1, 0x0026 => 1, -1 => 1, # <, &
3397                      $self->{entity_add} => 1,
3398                    }->{$self->{nc}}))) {
3399          our $EntityChar;          our $EntityChar;
3400          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
3401          if (defined $EntityChar->{$self->{s_kwd}}) {          if (defined $EntityChar->{$self->{kwd}} or
3402                $self->{ge}->{$self->{kwd}}) {
3403            if ($self->{nc} == 0x003B) { # ;            if ($self->{nc} == 0x003B) { # ;
3404              !!!cp (1020);              if (defined $self->{ge}->{$self->{kwd}}) {
3405              $self->{entity__value} = $EntityChar->{$self->{s_kwd}};                if ($self->{ge}->{$self->{kwd}}->{only_text}) {
3406                    !!!cp (1020.1);
3407                    $self->{entity__value} = $self->{ge}->{$self->{kwd}}->{value};
3408                  } else {
3409                    if (defined $self->{ge}->{$self->{kwd}}->{notation}) {
3410                      !!!cp (1020.2);
3411                      !!!parse-error (type => 'unparsed entity', ## TODO: type
3412                                      value => $self->{kwd});
3413                    } else {
3414                      !!!cp (1020.3);
3415                    }
3416                    $self->{entity__value} = '&' . $self->{kwd}; ## TODO: expand
3417                  }
3418                } else {
3419                  if ($self->{is_xml}) {
3420                    !!!cp (1020.4);
3421                    !!!parse-error (type => 'entity not declared', ## TODO: type
3422                                    value => $self->{kwd},
3423                                    level => {
3424                                              'amp;' => $self->{level}->{warn},
3425                                              'quot;' => $self->{level}->{warn},
3426                                              'lt;' => $self->{level}->{warn},
3427                                              'gt;' => $self->{level}->{warn},
3428                                              'apos;' => $self->{level}->{warn},
3429                                             }->{$self->{kwd}} ||
3430                                             $self->{level}->{must});
3431                  } else {
3432                    !!!cp (1020);
3433                  }
3434                  $self->{entity__value} = $EntityChar->{$self->{kwd}};
3435                }
3436              $self->{entity__match} = 1;              $self->{entity__match} = 1;
3437              !!!next-input-character;              !!!next-input-character;
3438              #              #
3439            } else {            } else {
3440              !!!cp (1021);              !!!cp (1021);
3441              $self->{entity__value} = $EntityChar->{$self->{s_kwd}};              $self->{entity__value} = $EntityChar->{$self->{kwd}};
3442              $self->{entity__match} = -1;              $self->{entity__match} = -1;
3443              ## Stay in the state.              ## Stay in the state.
3444              !!!next-input-character;              !!!next-input-character;
# Line 2580  sub _get_next_token ($) { Line 3466  sub _get_next_token ($) {
3466          if ($self->{prev_state} != DATA_STATE and # in attribute          if ($self->{prev_state} != DATA_STATE and # in attribute
3467              $self->{entity__match} < -1) {              $self->{entity__match} < -1) {
3468            !!!cp (1024);            !!!cp (1024);
3469            $data = '&' . $self->{s_kwd};            $data = '&' . $self->{kwd};
3470            #            #
3471          } else {          } else {
3472            !!!cp (1025);            !!!cp (1025);
# Line 2592  sub _get_next_token ($) { Line 3478  sub _get_next_token ($) {
3478          !!!cp (1026);          !!!cp (1026);
3479          !!!parse-error (type => 'bare ero',          !!!parse-error (type => 'bare ero',
3480                          line => $self->{line_prev},                          line => $self->{line_prev},
3481                          column => $self->{column_prev} - length $self->{s_kwd});                          column => $self->{column_prev} - length $self->{kwd});
3482          $data = '&' . $self->{s_kwd};          $data = '&' . $self->{kwd};
3483          #          #
3484        }        }
3485        
# Line 2610  sub _get_next_token ($) { Line 3496  sub _get_next_token ($) {
3496        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3497          !!!cp (986);          !!!cp (986);
3498          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3499            $self->{s_kwd} = '';
3500          ## Reconsume.          ## Reconsume.
3501          !!!emit ({type => CHARACTER_TOKEN,          !!!emit ({type => CHARACTER_TOKEN,
3502                    data => $data,                    data => $data,
3503                      has_reference => $has_ref,
3504                    line => $self->{line_prev},                    line => $self->{line_prev},
3505                    column => $self->{column_prev} + 1 - length $self->{s_kwd},                    column => $self->{column_prev} + 1 - length $self->{kwd},
3506                   });                   });
3507          redo A;          redo A;
3508        } else {        } else {
# Line 2622  sub _get_next_token ($) { Line 3510  sub _get_next_token ($) {
3510          $self->{ca}->{value} .= $data;          $self->{ca}->{value} .= $data;
3511          $self->{ca}->{has_reference} = 1 if $has_ref;          $self->{ca}->{has_reference} = 1 if $has_ref;
3512          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3513            $self->{s_kwd} = '';
3514            ## Reconsume.
3515            redo A;
3516          }
3517    
3518        ## XML-only states
3519    
3520        } elsif ($self->{state} == PI_STATE) {
3521          ## XML5: "Pi state" and "DOCTYPE pi state".
3522    
3523          if ($is_space->{$self->{nc}} or
3524              $self->{nc} == 0x003F or # ?
3525              $self->{nc} == -1) {
3526            ## XML5: U+003F: "pi state": Same as "Anything else"; "DOCTYPE
3527            ## pi state": Switch to the "DOCTYPE pi after state".  EOF:
3528            ## "DOCTYPE pi state": Parse error, switch to the "data
3529            ## state".
3530            !!!parse-error (type => 'bare pio', ## TODO: type
3531                            line => $self->{line_prev},
3532                            column => $self->{column_prev}
3533                                - 1 * ($self->{nc} != -1));
3534            $self->{state} = BOGUS_COMMENT_STATE;
3535            ## Reconsume.
3536            $self->{ct} = {type => COMMENT_TOKEN,
3537                           data => '?',
3538                           line => $self->{line_prev},
3539                           column => $self->{column_prev}
3540                               - 1 * ($self->{nc} != -1),
3541                          };
3542            redo A;
3543          } else {
3544            ## XML5: "DOCTYPE pi state": Stay in the state.
3545            $self->{ct} = {type => PI_TOKEN,
3546                           target => chr $self->{nc},
3547                           data => '',
3548                           line => $self->{line_prev},
3549                           column => $self->{column_prev} - 1,
3550                          };
3551            $self->{state} = PI_TARGET_STATE;
3552            !!!next-input-character;
3553            redo A;
3554          }
3555        } elsif ($self->{state} == PI_TARGET_STATE) {
3556          if ($is_space->{$self->{nc}}) {
3557            $self->{state} = PI_TARGET_AFTER_STATE;
3558            !!!next-input-character;
3559            redo A;
3560          } elsif ($self->{nc} == -1) {
3561            !!!parse-error (type => 'no pic'); ## TODO: type
3562            if ($self->{in_subset}) {
3563              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3564            } else {
3565              $self->{state} = DATA_STATE;
3566              $self->{s_kwd} = '';
3567            }
3568            ## Reconsume.
3569            !!!emit ($self->{ct}); # pi
3570            redo A;
3571          } elsif ($self->{nc} == 0x003F) { # ?
3572            $self->{state} = PI_AFTER_STATE;
3573            !!!next-input-character;
3574            redo A;
3575          } else {
3576            ## XML5: typo ("tag name" -> "target")
3577            $self->{ct}->{target} .= chr $self->{nc}; # pi
3578            !!!next-input-character;
3579            redo A;
3580          }
3581        } elsif ($self->{state} == PI_TARGET_AFTER_STATE) {
3582          if ($is_space->{$self->{nc}}) {
3583            ## Stay in the state.
3584            !!!next-input-character;
3585            redo A;
3586          } else {
3587            $self->{state} = PI_DATA_STATE;
3588            ## Reprocess.
3589            redo A;
3590          }
3591        } elsif ($self->{state} == PI_DATA_STATE) {
3592          if ($self->{nc} == 0x003F) { # ?
3593            $self->{state} = PI_DATA_AFTER_STATE;
3594            !!!next-input-character;
3595            redo A;
3596          } elsif ($self->{nc} == -1) {
3597            !!!parse-error (type => 'no pic'); ## TODO: type
3598            if ($self->{in_subset}) {
3599              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state"
3600            } else {
3601              $self->{state} = DATA_STATE;
3602              $self->{s_kwd} = '';
3603            }
3604            ## Reprocess.
3605            !!!emit ($self->{ct}); # pi
3606            redo A;
3607          } else {
3608            $self->{ct}->{data} .= chr $self->{nc}; # pi
3609            $self->{read_until}->($self->{ct}->{data}, q[?],
3610                                  length $self->{ct}->{data});
3611            ## Stay in the state.
3612            !!!next-input-character;
3613            ## Reprocess.
3614            redo A;
3615          }
3616        } elsif ($self->{state} == PI_AFTER_STATE) {
3617          ## XML5: Part of "Pi after state".
3618    
3619          if ($self->{nc} == 0x003E) { # >
3620            if ($self->{in_subset}) {
3621              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3622            } else {
3623              $self->{state} = DATA_STATE;
3624              $self->{s_kwd} = '';
3625            }
3626            !!!next-input-character;
3627            !!!emit ($self->{ct}); # pi
3628            redo A;
3629          } elsif ($self->{nc} == 0x003F) { # ?
3630            !!!parse-error (type => 'no s after target', ## TODO: type
3631                            line => $self->{line_prev},
3632                            column => $self->{column_prev}); ## XML5: no error
3633            $self->{ct}->{data} .= '?';
3634            $self->{state} = PI_DATA_AFTER_STATE;
3635            !!!next-input-character;
3636            redo A;
3637          } else {
3638            !!!parse-error (type => 'no s after target', ## TODO: type
3639                            line => $self->{line_prev},
3640                            column => $self->{column_prev}
3641                                + 1 * ($self->{nc} == -1)); ## XML5: no error
3642            $self->{ct}->{data} .= '?'; ## XML5: not appended
3643            $self->{state} = PI_DATA_STATE;
3644            ## Reprocess.
3645            redo A;
3646          }
3647        } elsif ($self->{state} == PI_DATA_AFTER_STATE) {
3648          ## XML5: Same as "pi after state" and "DOCTYPE pi after state".
3649    
3650          if ($self->{nc} == 0x003E) { # >
3651            if ($self->{in_subset}) {
3652              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3653            } else {
3654              $self->{state} = DATA_STATE;
3655              $self->{s_kwd} = '';
3656            }
3657            !!!next-input-character;
3658            !!!emit ($self->{ct}); # pi
3659            redo A;
3660          } elsif ($self->{nc} == 0x003F) { # ?
3661            $self->{ct}->{data} .= '?';
3662            ## Stay in the state.
3663            !!!next-input-character;
3664            redo A;
3665          } else {
3666            $self->{ct}->{data} .= '?'; ## XML5: not appended
3667            $self->{state} = PI_DATA_STATE;
3668            ## Reprocess.
3669            redo A;
3670          }
3671    
3672        } elsif ($self->{state} == DOCTYPE_INTERNAL_SUBSET_STATE) {
3673          if ($self->{nc} == 0x003C) { # <
3674            $self->{state} = DOCTYPE_TAG_STATE;
3675            !!!next-input-character;
3676            redo A;
3677          } elsif ($self->{nc} == 0x0025) { # %
3678            ## XML5: Not defined yet.
3679    
3680            ## TODO:
3681    
3682            if (not $self->{stop_processing} and
3683                not $self->{document}->xml_standalone) {
3684              !!!parse-error (type => 'stop processing', ## TODO: type
3685                              level => $self->{level}->{info});
3686              $self->{stop_processing} = 1;
3687            }
3688    
3689            !!!next-input-character;
3690            redo A;
3691          } elsif ($self->{nc} == 0x005D) { # ]
3692            delete $self->{in_subset};
3693            $self->{state} = DOCTYPE_INTERNAL_SUBSET_AFTER_STATE;
3694            !!!next-input-character;
3695            redo A;
3696          } elsif ($is_space->{$self->{nc}}) {
3697            ## Stay in the state.
3698            !!!next-input-character;
3699            redo A;
3700          } elsif ($self->{nc} == -1) {
3701            !!!parse-error (type => 'unclosed internal subset'); ## TODO: type
3702            delete $self->{in_subset};
3703            $self->{state} = DATA_STATE;
3704            $self->{s_kwd} = '';
3705            ## Reconsume.
3706            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3707            redo A;
3708          } else {
3709            unless ($self->{internal_subset_tainted}) {
3710              ## XML5: No parse error.
3711              !!!parse-error (type => 'string in internal subset');
3712              $self->{internal_subset_tainted} = 1;
3713            }
3714            ## Stay in the state.
3715            !!!next-input-character;
3716            redo A;
3717          }
3718        } elsif ($self->{state} == DOCTYPE_INTERNAL_SUBSET_AFTER_STATE) {
3719          if ($self->{nc} == 0x003E) { # >
3720            $self->{state} = DATA_STATE;
3721            $self->{s_kwd} = '';
3722            !!!next-input-character;
3723            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3724            redo A;
3725          } elsif ($self->{nc} == -1) {
3726            !!!parse-error (type => 'unclosed DOCTYPE');
3727            $self->{state} = DATA_STATE;
3728            $self->{s_kwd} = '';
3729            ## Reconsume.
3730            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3731            redo A;
3732          } else {
3733            ## XML5: No parse error and stay in the state.
3734            !!!parse-error (type => 'string after internal subset'); ## TODO: type
3735    
3736            $self->{state} = BOGUS_DOCTYPE_INTERNAL_SUBSET_AFTER_STATE;
3737            !!!next-input-character;
3738            redo A;
3739          }
3740        } elsif ($self->{state} == BOGUS_DOCTYPE_INTERNAL_SUBSET_AFTER_STATE) {
3741          if ($self->{nc} == 0x003E) { # >
3742            $self->{state} = DATA_STATE;
3743            $self->{s_kwd} = '';
3744            !!!next-input-character;
3745            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3746            redo A;
3747          } elsif ($self->{nc} == -1) {
3748            $self->{state} = DATA_STATE;
3749            $self->{s_kwd} = '';
3750          ## Reconsume.          ## Reconsume.
3751            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3752            redo A;
3753          } else {
3754            ## Stay in the state.
3755            !!!next-input-character;
3756            redo A;
3757          }
3758        } elsif ($self->{state} == DOCTYPE_TAG_STATE) {
3759          if ($self->{nc} == 0x0021) { # !
3760            $self->{state} = DOCTYPE_MARKUP_DECLARATION_OPEN_STATE;
3761            !!!next-input-character;
3762            redo A;
3763          } elsif ($self->{nc} == 0x003F) { # ?
3764            $self->{state} = PI_STATE;
3765            !!!next-input-character;
3766            redo A;
3767          } elsif ($self->{nc} == -1) {
3768            !!!parse-error (type => 'bare stago');
3769            $self->{state} = DATA_STATE;
3770            $self->{s_kwd} = '';
3771            ## Reconsume.
3772            redo A;
3773          } else {
3774            !!!parse-error (type => 'bare stago', ## XML5: Not a parse error.
3775                            line => $self->{line_prev},
3776                            column => $self->{column_prev});
3777            $self->{state} = BOGUS_COMMENT_STATE;
3778            $self->{ct} = {type => COMMENT_TOKEN,
3779                           data => '',
3780                          }; ## NOTE: Will be discarded.
3781            !!!next-input-character;
3782            redo A;
3783          }
3784        } elsif ($self->{state} == DOCTYPE_MARKUP_DECLARATION_OPEN_STATE) {
3785          ## XML5: "DOCTYPE markup declaration state".
3786          
3787          if ($self->{nc} == 0x002D) { # -
3788            $self->{state} = MD_HYPHEN_STATE;
3789            !!!next-input-character;
3790            redo A;
3791          } elsif ($self->{nc} == 0x0045 or # E
3792                   $self->{nc} == 0x0065) { # e
3793            $self->{state} = MD_E_STATE;
3794            $self->{kwd} = chr $self->{nc};
3795            !!!next-input-character;
3796            redo A;
3797          } elsif ($self->{nc} == 0x0041 or # A
3798                   $self->{nc} == 0x0061) { # a
3799            $self->{state} = MD_ATTLIST_STATE;
3800            $self->{kwd} = chr $self->{nc};
3801            !!!next-input-character;
3802            redo A;
3803          } elsif ($self->{nc} == 0x004E or # N
3804                   $self->{nc} == 0x006E) { # n
3805            $self->{state} = MD_NOTATION_STATE;
3806            $self->{kwd} = chr $self->{nc};
3807            !!!next-input-character;
3808            redo A;
3809          } else {
3810            #
3811          }
3812          
3813          ## XML5: No parse error.
3814          !!!parse-error (type => 'bogus comment',
3815                          line => $self->{line_prev},
3816                          column => $self->{column_prev} - 1);
3817          ## Reconsume.
3818          $self->{state} = BOGUS_COMMENT_STATE;
3819          $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded.
3820          redo A;
3821        } elsif ($self->{state} == MD_E_STATE) {
3822          if ($self->{nc} == 0x004E or # N
3823              $self->{nc} == 0x006E) { # n
3824            $self->{state} = MD_ENTITY_STATE;
3825            $self->{kwd} .= chr $self->{nc};
3826            !!!next-input-character;
3827            redo A;
3828          } elsif ($self->{nc} == 0x004C or # L
3829                   $self->{nc} == 0x006C) { # l
3830            ## XML5: <!ELEMENT> not supported.
3831            $self->{state} = MD_ELEMENT_STATE;
3832            $self->{kwd} .= chr $self->{nc};
3833            !!!next-input-character;
3834            redo A;
3835          } else {
3836            ## XML5: No parse error.
3837            !!!parse-error (type => 'bogus comment',
3838                            line => $self->{line_prev},
3839                            column => $self->{column_prev} - 2
3840                                + 1 * ($self->{nc} == -1));
3841            ## Reconsume.
3842            $self->{state} = BOGUS_COMMENT_STATE;
3843            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3844            redo A;
3845          }
3846        } elsif ($self->{state} == MD_ENTITY_STATE) {
3847          if ($self->{nc} == [
3848                undef,
3849                undef,
3850                0x0054, # T
3851                0x0049, # I
3852                0x0054, # T
3853              ]->[length $self->{kwd}] or
3854              $self->{nc} == [
3855                undef,
3856                undef,
3857                0x0074, # t
3858                0x0069, # i
3859                0x0074, # t
3860              ]->[length $self->{kwd}]) {
3861            ## Stay in the state.
3862            $self->{kwd} .= chr $self->{nc};
3863            !!!next-input-character;
3864            redo A;
3865          } elsif ((length $self->{kwd}) == 5 and
3866                   ($self->{nc} == 0x0059 or # Y
3867                    $self->{nc} == 0x0079)) { # y
3868            if ($self->{kwd} ne 'ENTIT' or $self->{nc} == 0x0079) {
3869              !!!parse-error (type => 'lowercase keyword', ## TODO: type
3870                              text => 'ENTITY',
3871                              line => $self->{line_prev},
3872                              column => $self->{column_prev} - 4);
3873            }
3874            $self->{ct} = {type => GENERAL_ENTITY_TOKEN, name => '',
3875                           line => $self->{line_prev},
3876                           column => $self->{column_prev} - 6};
3877            $self->{state} = DOCTYPE_MD_STATE;
3878            !!!next-input-character;
3879            redo A;
3880          } else {
3881            !!!parse-error (type => 'bogus comment',
3882                            line => $self->{line_prev},
3883                            column => $self->{column_prev} - 1
3884                                - (length $self->{kwd})
3885                                + 1 * ($self->{nc} == -1));
3886            $self->{state} = BOGUS_COMMENT_STATE;
3887            ## Reconsume.
3888            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3889            redo A;
3890          }
3891        } elsif ($self->{state} == MD_ELEMENT_STATE) {
3892          if ($self->{nc} == [
3893               undef,
3894               undef,
3895               0x0045, # E
3896               0x004D, # M
3897               0x0045, # E
3898               0x004E, # N
3899              ]->[length $self->{kwd}] or
3900              $self->{nc} == [
3901               undef,
3902               undef,
3903               0x0065, # e
3904               0x006D, # m
3905               0x0065, # e
3906               0x006E, # n
3907              ]->[length $self->{kwd}]) {
3908            ## Stay in the state.
3909            $self->{kwd} .= chr $self->{nc};
3910            !!!next-input-character;
3911            redo A;
3912          } elsif ((length $self->{kwd}) == 6 and
3913                   ($self->{nc} == 0x0054 or # T
3914                    $self->{nc} == 0x0074)) { # t
3915            if ($self->{kwd} ne 'ELEMEN' or $self->{nc} == 0x0074) {
3916              !!!parse-error (type => 'lowercase keyword', ## TODO: type
3917                              text => 'ELEMENT',
3918                              line => $self->{line_prev},
3919                              column => $self->{column_prev} - 5);
3920            }
3921            $self->{ct} = {type => ELEMENT_TOKEN, name => '',
3922                           line => $self->{line_prev},
3923                           column => $self->{column_prev} - 7};
3924            $self->{state} = DOCTYPE_MD_STATE;
3925            !!!next-input-character;
3926            redo A;
3927          } else {
3928            !!!parse-error (type => 'bogus comment',
3929                            line => $self->{line_prev},
3930                            column => $self->{column_prev} - 1
3931                                - (length $self->{kwd})
3932                                + 1 * ($self->{nc} == -1));
3933            $self->{state} = BOGUS_COMMENT_STATE;
3934            ## Reconsume.
3935            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3936            redo A;
3937          }
3938        } elsif ($self->{state} == MD_ATTLIST_STATE) {
3939          if ($self->{nc} == [
3940               undef,
3941               0x0054, # T
3942               0x0054, # T
3943               0x004C, # L
3944               0x0049, # I
3945               0x0053, # S
3946              ]->[length $self->{kwd}] or
3947              $self->{nc} == [
3948               undef,
3949               0x0074, # t
3950               0x0074, # t
3951               0x006C, # l
3952               0x0069, # i
3953               0x0073, # s
3954              ]->[length $self->{kwd}]) {
3955            ## Stay in the state.
3956            $self->{kwd} .= chr $self->{nc};
3957            !!!next-input-character;
3958            redo A;
3959          } elsif ((length $self->{kwd}) == 6 and
3960                   ($self->{nc} == 0x0054 or # T
3961                    $self->{nc} == 0x0074)) { # t
3962            if ($self->{kwd} ne 'ATTLIS' or $self->{nc} == 0x0074) {
3963              !!!parse-error (type => 'lowercase keyword', ## TODO: type
3964                              text => 'ATTLIST',
3965                              line => $self->{line_prev},
3966                              column => $self->{column_prev} - 5);
3967            }
3968            $self->{ct} = {type => ATTLIST_TOKEN, name => '',
3969                           attrdefs => [],
3970                           line => $self->{line_prev},
3971                           column => $self->{column_prev} - 7};
3972            $self->{state} = DOCTYPE_MD_STATE;
3973            !!!next-input-character;
3974            redo A;
3975          } else {
3976            !!!parse-error (type => 'bogus comment',
3977                            line => $self->{line_prev},
3978                            column => $self->{column_prev} - 1
3979                                 - (length $self->{kwd})
3980                                 + 1 * ($self->{nc} == -1));
3981            $self->{state} = BOGUS_COMMENT_STATE;
3982            ## Reconsume.
3983            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3984            redo A;
3985          }
3986        } elsif ($self->{state} == MD_NOTATION_STATE) {
3987          if ($self->{nc} == [
3988               undef,
3989               0x004F, # O
3990               0x0054, # T
3991               0x0041, # A
3992               0x0054, # T
3993               0x0049, # I
3994               0x004F, # O
3995              ]->[length $self->{kwd}] or
3996              $self->{nc} == [
3997               undef,
3998               0x006F, # o
3999               0x0074, # t
4000               0x0061, # a
4001               0x0074, # t
4002               0x0069, # i
4003               0x006F, # o
4004              ]->[length $self->{kwd}]) {
4005            ## Stay in the state.
4006            $self->{kwd} .= chr $self->{nc};
4007            !!!next-input-character;
4008            redo A;
4009          } elsif ((length $self->{kwd}) == 7 and
4010                   ($self->{nc} == 0x004E or # N
4011                    $self->{nc} == 0x006E)) { # n
4012            if ($self->{kwd} ne 'NOTATIO' or $self->{nc} == 0x006E) {
4013              !!!parse-error (type => 'lowercase keyword', ## TODO: type
4014                              text => 'NOTATION',
4015                              line => $self->{line_prev},
4016                              column => $self->{column_prev} - 6);
4017            }
4018            $self->{ct} = {type => NOTATION_TOKEN, name => '',
4019                           line => $self->{line_prev},
4020                           column => $self->{column_prev} - 8};
4021            $self->{state} = DOCTYPE_MD_STATE;
4022            !!!next-input-character;
4023            redo A;
4024          } else {
4025            !!!parse-error (type => 'bogus comment',
4026                            line => $self->{line_prev},
4027                            column => $self->{column_prev} - 1
4028                                - (length $self->{kwd})
4029                                + 1 * ($self->{nc} == -1));
4030            $self->{state} = BOGUS_COMMENT_STATE;
4031            ## Reconsume.
4032            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
4033            redo A;
4034          }
4035        } elsif ($self->{state} == DOCTYPE_MD_STATE) {
4036          ## XML5: "DOCTYPE ENTITY state", "DOCTYPE ATTLIST state", and
4037          ## "DOCTYPE NOTATION state".
4038    
4039          if ($is_space->{$self->{nc}}) {
4040            ## XML5: [NOTATION] Switch to the "DOCTYPE NOTATION identifier state".
4041            $self->{state} = BEFORE_MD_NAME_STATE;
4042            !!!next-input-character;
4043            redo A;
4044          } elsif ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN and
4045                   $self->{nc} == 0x0025) { # %
4046            ## XML5: Switch to the "DOCTYPE bogus comment state".
4047            !!!parse-error (type => 'no space before md name'); ## TODO: type
4048            $self->{state} = DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE;
4049            !!!next-input-character;
4050            redo A;
4051          } elsif ($self->{nc} == -1) {
4052            !!!parse-error (type => 'unclosed md'); ## TODO: type
4053            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4054            ## Reconsume.
4055            redo A;
4056          } elsif ($self->{nc} == 0x003E) { # >
4057            ## XML5: Switch to the "DOCTYPE bogus comment state".
4058            !!!parse-error (type => 'no md name'); ## TODO: type
4059            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4060            !!!next-input-character;
4061            redo A;
4062          } else {
4063            ## XML5: Switch to the "DOCTYPE bogus comment state".
4064            !!!parse-error (type => 'no space before md name'); ## TODO: type
4065            $self->{state} = BEFORE_MD_NAME_STATE;
4066            redo A;
4067          }
4068        } elsif ($self->{state} == BEFORE_MD_NAME_STATE) {
4069          ## XML5: "DOCTYPE ENTITY parameter state", "DOCTYPE ENTITY type
4070          ## before state", "DOCTYPE ATTLIST name before state".
4071    
4072          if ($is_space->{$self->{nc}}) {
4073            ## Stay in the state.
4074            !!!next-input-character;
4075            redo A;
4076          } elsif ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN and
4077                   $self->{nc} == 0x0025) { # %
4078            $self->{state} = DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE;
4079            !!!next-input-character;
4080            redo A;
4081          } elsif ($self->{nc} == 0x003E) { # >
4082            ## XML5: Same as "Anything else".
4083            !!!parse-error (type => 'no md name'); ## TODO: type
4084            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4085            !!!next-input-character;
4086            redo A;
4087          } elsif ($self->{nc} == -1) {
4088            !!!parse-error (type => 'unclosed md'); ## TODO: type
4089            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4090            ## Reconsume.
4091            redo A;
4092          } else {
4093            ## XML5: [ATTLIST] Not defined yet.
4094            $self->{ct}->{name} .= chr $self->{nc};
4095            $self->{state} = MD_NAME_STATE;
4096            !!!next-input-character;
4097            redo A;
4098          }
4099        } elsif ($self->{state} == DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE) {
4100          if ($is_space->{$self->{nc}}) {
4101            ## XML5: Switch to the "DOCTYPE ENTITY parameter state".
4102            $self->{ct}->{type} = PARAMETER_ENTITY_TOKEN;
4103            $self->{state} = BEFORE_MD_NAME_STATE;
4104            !!!next-input-character;
4105            redo A;
4106          } elsif ($self->{nc} == 0x003E) { # >
4107            ## XML5: Same as "Anything else".
4108            !!!parse-error (type => 'no md name'); ## TODO: type
4109            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4110            !!!next-input-character;
4111            redo A;
4112          } elsif ($self->{nc} == -1) {
4113            !!!parse-error (type => 'unclosed md');
4114            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4115            ## Reconsume.
4116            redo A;
4117          } else {
4118            ## XML5: No parse error.
4119            !!!parse-error (type => 'no space after ENTITY percent'); ## TODO: type
4120            $self->{state} = BOGUS_COMMENT_STATE;
4121            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
4122            ## Reconsume.
4123            redo A;
4124          }
4125        } elsif ($self->{state} == MD_NAME_STATE) {
4126          ## XML5: "DOCTYPE ENTITY name state" and "DOCTYPE ATTLIST name state".
4127          
4128          if ($is_space->{$self->{nc}}) {
4129            if ($self->{ct}->{type} == ATTLIST_TOKEN) {
4130              $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4131            } elsif ($self->{ct}->{type} == ELEMENT_TOKEN) {
4132              $self->{state} = AFTER_ELEMENT_NAME_STATE;
4133            } else { # ENTITY/NOTATION
4134              $self->{state} = AFTER_DOCTYPE_NAME_STATE;
4135            }
4136            !!!next-input-character;
4137            redo A;
4138          } elsif ($self->{nc} == 0x003E) { # >
4139            if ($self->{ct}->{type} == ATTLIST_TOKEN) {
4140              #
4141            } else {
4142              !!!parse-error (type => 'no md def'); ## TODO: type
4143            }
4144            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4145            !!!next-input-character;
4146            !!!emit ($self->{ct}); # ELEMENT/ENTITY/ATTLIST/NOTATION
4147            redo A;
4148          } elsif ($self->{nc} == -1) {
4149            ## XML5: [ATTLIST] No parse error.
4150            !!!parse-error (type => 'unclosed md');
4151            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4152            ## Reconsume.
4153            !!!emit ($self->{ct}); # ELEMENT/ENTITY/ATTLIST/NOTATION
4154            redo A;
4155          } else {
4156            ## XML5: [ATTLIST] Not defined yet.
4157            $self->{ct}->{name} .= chr $self->{nc};
4158            ## Stay in the state.
4159            !!!next-input-character;
4160            redo A;
4161          }
4162        } elsif ($self->{state} == DOCTYPE_ATTLIST_NAME_AFTER_STATE) {
4163          if ($is_space->{$self->{nc}}) {
4164            ## Stay in the state.
4165            !!!next-input-character;
4166            redo A;
4167          } elsif ($self->{nc} == 0x003E) { # >
4168            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4169            !!!next-input-character;
4170            !!!emit ($self->{ct}); # ATTLIST
4171            redo A;
4172          } elsif ($self->{nc} == -1) {
4173            ## XML5: No parse error.
4174            !!!parse-error (type => 'unclosed md'); ## TODO: type
4175            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4176            !!!emit ($self->{ct});
4177            redo A;
4178          } else {
4179            ## XML5: Not defined yet.
4180            $self->{ca} = {name => chr ($self->{nc}), # attrdef
4181                           tokens => [],
4182                           line => $self->{line}, column => $self->{column}};
4183            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_NAME_STATE;
4184            !!!next-input-character;
4185            redo A;
4186          }
4187        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_NAME_STATE) {
4188          if ($is_space->{$self->{nc}}) {
4189            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_NAME_AFTER_STATE;
4190            !!!next-input-character;
4191            redo A;
4192          } elsif ($self->{nc} == 0x003E) { # >
4193            ## XML5: Same as "anything else".
4194            !!!parse-error (type => 'no attr type'); ## TODO: type
4195            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4196            !!!next-input-character;
4197            !!!emit ($self->{ct}); # ATTLIST
4198            redo A;
4199          } elsif ($self->{nc} == 0x0028) { # (
4200            ## XML5: Same as "anything else".
4201            !!!parse-error (type => 'no space before paren'); ## TODO: type
4202            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4203            !!!next-input-character;
4204            redo A;
4205          } elsif ($self->{nc} == -1) {
4206            ## XML5: No parse error.
4207            !!!parse-error (type => 'unclosed md'); ## TODO: type
4208            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4209            !!!next-input-character;
4210            !!!emit ($self->{ct}); # ATTLIST
4211            redo A;
4212          } else {
4213            ## XML5: Not defined yet.
4214            $self->{ca}->{name} .= chr $self->{nc};
4215            ## Stay in the state.
4216            !!!next-input-character;
4217            redo A;
4218          }
4219        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_NAME_AFTER_STATE) {
4220          if ($is_space->{$self->{nc}}) {
4221            ## Stay in the state.
4222            !!!next-input-character;
4223            redo A;
4224          } elsif ($self->{nc} == 0x003E) { # >
4225            ## XML5: Same as "anything else".
4226            !!!parse-error (type => 'no attr type'); ## TODO: type
4227            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4228            !!!next-input-character;
4229            !!!emit ($self->{ct}); # ATTLIST
4230            redo A;
4231          } elsif ($self->{nc} == 0x0028) { # (
4232            ## XML5: Same as "anything else".
4233            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4234            !!!next-input-character;
4235            redo A;
4236          } elsif ($self->{nc} == -1) {
4237            ## XML5: No parse error.
4238            !!!parse-error (type => 'unclosed md'); ## TODO: type
4239            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4240            !!!next-input-character;
4241            !!!emit ($self->{ct});
4242            redo A;
4243          } else {
4244            ## XML5: Not defined yet.
4245            $self->{ca}->{type} = chr $self->{nc};
4246            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_STATE;
4247            !!!next-input-character;
4248            redo A;
4249          }
4250        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_STATE) {
4251          if ($is_space->{$self->{nc}}) {
4252            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_AFTER_STATE;
4253            !!!next-input-character;
4254            redo A;
4255          } elsif ($self->{nc} == 0x0023) { # #
4256            ## XML5: Same as "anything else".
4257            !!!parse-error (type => 'no space before default value'); ## TODO: type
4258            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4259            !!!next-input-character;
4260            redo A;
4261          } elsif ($self->{nc} == 0x0022) { # "
4262            ## XML5: Same as "anything else".
4263            !!!parse-error (type => 'no space before default value'); ## TODO: type
4264            $self->{ca}->{value} = '';
4265            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4266            !!!next-input-character;
4267            redo A;
4268          } elsif ($self->{nc} == 0x0027) { # '
4269            ## XML5: Same as "anything else".
4270            !!!parse-error (type => 'no space before default value'); ## TODO: type
4271            $self->{ca}->{value} = '';
4272            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4273            !!!next-input-character;
4274            redo A;
4275          } elsif ($self->{nc} == 0x003E) { # >
4276            ## XML5: Same as "anything else".
4277            !!!parse-error (type => 'no attr default'); ## TODO: type
4278            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4279            !!!next-input-character;
4280            !!!emit ($self->{ct}); # ATTLIST
4281            redo A;
4282          } elsif ($self->{nc} == 0x0028) { # (
4283            ## XML5: Same as "anything else".
4284            !!!parse-error (type => 'no space before paren'); ## TODO: type
4285            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4286            !!!next-input-character;
4287            redo A;
4288          } elsif ($self->{nc} == -1) {
4289            ## XML5: No parse error.
4290            !!!parse-error (type => 'unclosed md'); ## TODO: type
4291            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4292            !!!next-input-character;
4293            !!!emit ($self->{ct});
4294            redo A;
4295          } else {
4296            ## XML5: Not defined yet.
4297            $self->{ca}->{type} .= chr $self->{nc};
4298            ## Stay in the state.
4299            !!!next-input-character;
4300            redo A;
4301          }
4302        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_AFTER_STATE) {
4303          if ($is_space->{$self->{nc}}) {
4304            ## Stay in the state.
4305            !!!next-input-character;
4306            redo A;
4307          } elsif ($self->{nc} == 0x0028) { # (
4308            ## XML5: Same as "anything else".
4309            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4310            !!!next-input-character;
4311            redo A;
4312          } elsif ($self->{nc} == 0x0023) { # #
4313            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4314            !!!next-input-character;
4315            redo A;
4316          } elsif ($self->{nc} == 0x0022) { # "
4317            ## XML5: Same as "anything else".
4318            $self->{ca}->{value} = '';
4319            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4320            !!!next-input-character;
4321            redo A;
4322          } elsif ($self->{nc} == 0x0027) { # '
4323            ## XML5: Same as "anything else".
4324            $self->{ca}->{value} = '';
4325            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4326            !!!next-input-character;
4327            redo A;
4328          } elsif ($self->{nc} == 0x003E) { # >
4329            ## XML5: Same as "anything else".
4330            !!!parse-error (type => 'no attr default'); ## TODO: type
4331            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4332            !!!next-input-character;
4333            !!!emit ($self->{ct}); # ATTLIST
4334            redo A;
4335          } elsif ($self->{nc} == -1) {
4336            ## XML5: No parse error.
4337            !!!parse-error (type => 'unclosed md'); ## TODO: type
4338            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4339            !!!next-input-character;
4340            !!!emit ($self->{ct});
4341            redo A;
4342          } else {
4343            ## XML5: Switch to the "DOCTYPE bogus comment state".
4344            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4345            $self->{ca}->{value} = '';
4346            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4347            ## Reconsume.
4348            redo A;
4349          }
4350        } elsif ($self->{state} == BEFORE_ALLOWED_TOKEN_STATE) {
4351          if ($is_space->{$self->{nc}}) {
4352            ## Stay in the state.
4353            !!!next-input-character;
4354            redo A;
4355          } elsif ($self->{nc} == 0x007C) { # |
4356            !!!parse-error (type => 'empty allowed token'); ## TODO: type
4357            ## Stay in the state.
4358            !!!next-input-character;
4359            redo A;
4360          } elsif ($self->{nc} == 0x0029) { # )
4361            !!!parse-error (type => 'empty allowed token'); ## TODO: type
4362            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4363            !!!next-input-character;
4364            redo A;
4365          } elsif ($self->{nc} == 0x003E) { # >
4366            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4367            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4368            !!!next-input-character;
4369            !!!emit ($self->{ct}); # ATTLIST
4370            redo A;
4371          } elsif ($self->{nc} == -1) {
4372            ## XML5: No parse error.
4373            !!!parse-error (type => 'unclosed md'); ## TODO: type
4374            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4375            !!!next-input-character;
4376            !!!emit ($self->{ct});
4377            redo A;
4378          } else {
4379            push @{$self->{ca}->{tokens}}, chr $self->{nc};
4380            $self->{state} = ALLOWED_TOKEN_STATE;
4381            !!!next-input-character;
4382            redo A;
4383          }
4384        } elsif ($self->{state} == ALLOWED_TOKEN_STATE) {
4385          if ($is_space->{$self->{nc}}) {
4386            $self->{state} = AFTER_ALLOWED_TOKEN_STATE;
4387            !!!next-input-character;
4388            redo A;
4389          } elsif ($self->{nc} == 0x007C) { # |
4390            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4391            !!!next-input-character;
4392            redo A;
4393          } elsif ($self->{nc} == 0x0029) { # )
4394            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4395            !!!next-input-character;
4396            redo A;
4397          } elsif ($self->{nc} == 0x003E) { # >
4398            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4399            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4400            !!!next-input-character;
4401            !!!emit ($self->{ct}); # ATTLIST
4402            redo A;
4403          } elsif ($self->{nc} == -1) {
4404            ## XML5: No parse error.
4405            !!!parse-error (type => 'unclosed md'); ## TODO: type
4406            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4407            !!!next-input-character;
4408            !!!emit ($self->{ct});
4409            redo A;
4410          } else {
4411            $self->{ca}->{tokens}->[-1] .= chr $self->{nc};
4412            ## Stay in the state.
4413            !!!next-input-character;
4414            redo A;
4415          }
4416        } elsif ($self->{state} == AFTER_ALLOWED_TOKEN_STATE) {
4417          if ($is_space->{$self->{nc}}) {
4418            ## Stay in the state.
4419            !!!next-input-character;
4420            redo A;
4421          } elsif ($self->{nc} == 0x007C) { # |
4422            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4423            !!!next-input-character;
4424            redo A;
4425          } elsif ($self->{nc} == 0x0029) { # )
4426            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4427            !!!next-input-character;
4428            redo A;
4429          } elsif ($self->{nc} == 0x003E) { # >
4430            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4431            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4432            !!!next-input-character;
4433            !!!emit ($self->{ct}); # ATTLIST
4434            redo A;
4435          } elsif ($self->{nc} == -1) {
4436            ## XML5: No parse error.
4437            !!!parse-error (type => 'unclosed md'); ## TODO: type
4438            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4439            !!!next-input-character;
4440            !!!emit ($self->{ct});
4441            redo A;
4442          } else {
4443            !!!parse-error (type => 'space in allowed token', ## TODO: type
4444                            line => $self->{line_prev},
4445                            column => $self->{column_prev});
4446            $self->{ca}->{tokens}->[-1] .= ' ' . chr $self->{nc};
4447            $self->{state} = ALLOWED_TOKEN_STATE;
4448            !!!next-input-character;
4449            redo A;
4450          }
4451        } elsif ($self->{state} == AFTER_ALLOWED_TOKENS_STATE) {
4452          if ($is_space->{$self->{nc}}) {
4453            $self->{state} = BEFORE_ATTR_DEFAULT_STATE;
4454            !!!next-input-character;
4455            redo A;
4456          } elsif ($self->{nc} == 0x0023) { # #
4457            !!!parse-error (type => 'no space before default value'); ## TODO: type
4458            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4459            !!!next-input-character;
4460            redo A;
4461          } elsif ($self->{nc} == 0x0022) { # "
4462            !!!parse-error (type => 'no space before default value'); ## TODO: type
4463            $self->{ca}->{value} = '';
4464            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4465            !!!next-input-character;
4466            redo A;
4467          } elsif ($self->{nc} == 0x0027) { # '
4468            !!!parse-error (type => 'no space before default value'); ## TODO: type
4469            $self->{ca}->{value} = '';
4470            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4471            !!!next-input-character;
4472            redo A;
4473          } elsif ($self->{nc} == 0x003E) { # >
4474            !!!parse-error (type => 'no attr default'); ## TODO: type
4475            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4476            !!!next-input-character;
4477            !!!emit ($self->{ct}); # ATTLIST
4478            redo A;
4479          } elsif ($self->{nc} == -1) {
4480            !!!parse-error (type => 'unclosed md'); ## TODO: type
4481            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4482            !!!next-input-character;
4483            !!!emit ($self->{ct});
4484            redo A;
4485          } else {
4486            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4487            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4488            ## Reconsume.
4489            redo A;
4490          }
4491        } elsif ($self->{state} == BEFORE_ATTR_DEFAULT_STATE) {
4492          if ($is_space->{$self->{nc}}) {
4493            ## Stay in the state.
4494            !!!next-input-character;
4495            redo A;
4496          } elsif ($self->{nc} == 0x0023) { # #
4497            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4498            !!!next-input-character;
4499            redo A;
4500          } elsif ($self->{nc} == 0x0022) { # "
4501            $self->{ca}->{value} = '';
4502            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4503            !!!next-input-character;
4504            redo A;
4505          } elsif ($self->{nc} == 0x0027) { # '
4506            $self->{ca}->{value} = '';
4507            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4508            !!!next-input-character;
4509            redo A;
4510          } elsif ($self->{nc} == 0x003E) { # >
4511            !!!parse-error (type => 'no attr default'); ## TODO: type
4512            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4513            !!!next-input-character;
4514            !!!emit ($self->{ct}); # ATTLIST
4515            redo A;
4516          } elsif ($self->{nc} == -1) {
4517            !!!parse-error (type => 'unclosed md'); ## TODO: type
4518            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4519            !!!next-input-character;
4520            !!!emit ($self->{ct});
4521            redo A;
4522          } else {
4523            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4524            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4525            ## Reconsume.
4526            redo A;
4527          }
4528        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE) {
4529          if ($is_space->{$self->{nc}}) {
4530            ## XML5: No parse error.
4531            !!!parse-error (type => 'no default type'); ## TODO: type
4532            $self->{state} = BOGUS_MD_STATE;
4533            ## Reconsume.
4534            redo A;
4535          } elsif ($self->{nc} == 0x0022) { # "
4536            ## XML5: Same as "anything else".
4537            $self->{ca}->{value} = '';
4538            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4539            !!!next-input-character;
4540            redo A;
4541          } elsif ($self->{nc} == 0x0027) { # '
4542            ## XML5: Same as "anything else".
4543            $self->{ca}->{value} = '';
4544            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4545            !!!next-input-character;
4546            redo A;
4547          } elsif ($self->{nc} == 0x003E) { # >
4548            ## XML5: Same as "anything else".
4549            !!!parse-error (type => 'no attr default'); ## TODO: type
4550            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4551            !!!next-input-character;
4552            !!!emit ($self->{ct}); # ATTLIST
4553            redo A;
4554          } elsif ($self->{nc} == -1) {
4555            ## XML5: No parse error.
4556            !!!parse-error (type => 'unclosed md'); ## TODO: type
4557            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4558            !!!next-input-character;
4559            !!!emit ($self->{ct});
4560            redo A;
4561          } else {
4562            $self->{ca}->{default} = chr $self->{nc};
4563            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_STATE;
4564            !!!next-input-character;
4565            redo A;
4566          }
4567        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_STATE) {
4568          if ($is_space->{$self->{nc}}) {
4569            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_AFTER_STATE;
4570            !!!next-input-character;
4571            redo A;
4572          } elsif ($self->{nc} == 0x0022) { # "
4573            ## XML5: Same as "anything else".
4574            !!!parse-error (type => 'no space before default value'); ## TODO: type
4575            $self->{ca}->{value} = '';
4576            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4577            !!!next-input-character;
4578            redo A;
4579          } elsif ($self->{nc} == 0x0027) { # '
4580            ## XML5: Same as "anything else".
4581            !!!parse-error (type => 'no space before default value'); ## TODO: type
4582            $self->{ca}->{value} = '';
4583            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4584            !!!next-input-character;
4585            redo A;
4586          } elsif ($self->{nc} == 0x003E) { # >
4587            ## XML5: Same as "anything else".
4588            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4589            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4590            !!!next-input-character;
4591            !!!emit ($self->{ct}); # ATTLIST
4592            redo A;
4593          } elsif ($self->{nc} == -1) {
4594            ## XML5: No parse error.
4595            !!!parse-error (type => 'unclosed md'); ## TODO: type
4596            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4597            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4598            !!!next-input-character;
4599            !!!emit ($self->{ct});
4600            redo A;
4601          } else {
4602            $self->{ca}->{default} .= chr $self->{nc};
4603            ## Stay in the state.
4604            !!!next-input-character;
4605            redo A;
4606          }
4607        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_AFTER_STATE) {
4608          if ($is_space->{$self->{nc}}) {
4609            ## Stay in the state.
4610            !!!next-input-character;
4611            redo A;
4612          } elsif ($self->{nc} == 0x0022) { # "
4613            $self->{ca}->{value} = '';
4614            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4615            !!!next-input-character;
4616            redo A;
4617          } elsif ($self->{nc} == 0x0027) { # '
4618            $self->{ca}->{value} = '';
4619            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4620            !!!next-input-character;
4621            redo A;
4622          } elsif ($self->{nc} == 0x003E) { # >
4623            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4624            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4625            !!!next-input-character;
4626            !!!emit ($self->{ct}); # ATTLIST
4627            redo A;
4628          } elsif ($self->{nc} == -1) {
4629            ## XML5: No parse error.
4630            !!!parse-error (type => 'unclosed md'); ## TODO: type
4631            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4632            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4633            !!!next-input-character;
4634            !!!emit ($self->{ct});
4635            redo A;
4636          } else {
4637            ## XML5: Not defined yet.
4638            if ($self->{ca}->{default} eq 'FIXED') {
4639              $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4640            } else {
4641              push @{$self->{ct}->{attrdefs}}, $self->{ca};
4642              $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4643            }
4644            ## Reconsume.
4645            redo A;
4646          }
4647        } elsif ($self->{state} == AFTER_ATTLIST_ATTR_VALUE_QUOTED_STATE) {
4648          if ($is_space->{$self->{nc}} or
4649              $self->{nc} == -1 or
4650              $self->{nc} == 0x003E) { # >
4651            $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4652            ## Reconsume.
4653            redo A;
4654          } else {
4655            !!!parse-error (type => 'no space before attr name'); ## TODO: type
4656            $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4657            ## Reconsume.
4658            redo A;
4659          }
4660        } elsif ($self->{state} == NDATA_STATE) {
4661          ## ASCII case-insensitive
4662          if ($self->{nc} == [
4663                undef,
4664                0x0044, # D
4665                0x0041, # A
4666                0x0054, # T
4667              ]->[length $self->{kwd}] or
4668              $self->{nc} == [
4669                undef,
4670                0x0064, # d
4671                0x0061, # a
4672                0x0074, # t
4673              ]->[length $self->{kwd}]) {
4674            !!!cp (172.2);
4675            ## Stay in the state.
4676            $self->{kwd} .= chr $self->{nc};
4677            !!!next-input-character;
4678            redo A;
4679          } elsif ((length $self->{kwd}) == 4 and
4680                   ($self->{nc} == 0x0041 or # A
4681                    $self->{nc} == 0x0061)) { # a
4682            if ($self->{kwd} ne 'NDAT' or $self->{nc} == 0x0061) { # a
4683              !!!cp (172.3);
4684              !!!parse-error (type => 'lowercase keyword', ## TODO: type
4685                              text => 'NDATA',
4686                              line => $self->{line_prev},
4687                              column => $self->{column_prev} - 4);
4688            } else {
4689              !!!cp (172.4);
4690            }
4691            $self->{state} = AFTER_NDATA_STATE;
4692            !!!next-input-character;
4693            redo A;
4694          } else {
4695            !!!parse-error (type => 'string after literal', ## TODO: type
4696                            line => $self->{line_prev},
4697                            column => $self->{column_prev} + 1
4698                                - length $self->{kwd});
4699            !!!cp (172.5);
4700            $self->{state} = BOGUS_MD_STATE;
4701            ## Reconsume.
4702            redo A;
4703          }
4704        } elsif ($self->{state} == AFTER_NDATA_STATE) {
4705          if ($is_space->{$self->{nc}}) {
4706            $self->{state} = BEFORE_NOTATION_NAME_STATE;
4707            !!!next-input-character;
4708            redo A;
4709          } elsif ($self->{nc} == 0x003E) { # >
4710            !!!parse-error (type => 'no notation name'); ## TODO: type
4711            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4712            !!!next-input-character;
4713            !!!emit ($self->{ct}); # ENTITY
4714            redo A;
4715          } elsif ($self->{nc} == -1) {
4716            !!!parse-error (type => 'unclosed md'); ## TODO: type
4717            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4718            !!!next-input-character;
4719            !!!emit ($self->{ct}); # ENTITY
4720            redo A;
4721          } else {
4722            !!!parse-error (type => 'string after literal', ## TODO: type
4723                            line => $self->{line_prev},
4724                            column => $self->{column_prev} + 1
4725                                - length $self->{kwd});
4726            $self->{state} = BOGUS_MD_STATE;
4727            ## Reconsume.
4728            redo A;
4729          }
4730        } elsif ($self->{state} == BEFORE_NOTATION_NAME_STATE) {
4731          if ($is_space->{$self->{nc}}) {
4732            ## Stay in the state.
4733            !!!next-input-character;
4734            redo A;
4735          } elsif ($self->{nc} == 0x003E) { # >
4736            !!!parse-error (type => 'no notation name'); ## TODO: type
4737            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4738            !!!next-input-character;
4739            !!!emit ($self->{ct}); # ENTITY
4740            redo A;
4741          } elsif ($self->{nc} == -1) {
4742            !!!parse-error (type => 'unclosed md'); ## TODO: type
4743            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4744            !!!next-input-character;
4745            !!!emit ($self->{ct}); # ENTITY
4746            redo A;
4747          } else {
4748            $self->{ct}->{notation} = chr $self->{nc}; # ENTITY
4749            $self->{state} = NOTATION_NAME_STATE;
4750            !!!next-input-character;
4751            redo A;
4752          }
4753        } elsif ($self->{state} == NOTATION_NAME_STATE) {
4754          if ($is_space->{$self->{nc}}) {
4755            $self->{state} = AFTER_MD_DEF_STATE;
4756            !!!next-input-character;
4757            redo A;
4758          } elsif ($self->{nc} == 0x003E) { # >
4759            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4760            !!!next-input-character;
4761            !!!emit ($self->{ct}); # ENTITY
4762            redo A;
4763          } elsif ($self->{nc} == -1) {
4764            !!!parse-error (type => 'unclosed md'); ## TODO: type
4765            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4766            !!!next-input-character;
4767            !!!emit ($self->{ct}); # ENTITY
4768            redo A;
4769          } else {
4770            $self->{ct}->{notation} .= chr $self->{nc}; # ENTITY
4771            ## Stay in the state.
4772            !!!next-input-character;
4773            redo A;
4774          }
4775        } elsif ($self->{state} == DOCTYPE_ENTITY_VALUE_DOUBLE_QUOTED_STATE) {
4776          if ($self->{nc} == 0x0022) { # "
4777            $self->{state} = AFTER_MD_DEF_STATE;
4778            !!!next-input-character;
4779            redo A;
4780          } elsif ($self->{nc} == 0x0026) { # &
4781            $self->{prev_state} = $self->{state};
4782            $self->{state} = ENTITY_VALUE_ENTITY_STATE;
4783            $self->{entity_add} = 0x0022; # "
4784            !!!next-input-character;
4785            redo A;
4786    ## TODO: %
4787          } elsif ($self->{nc} == -1) {
4788            !!!parse-error (type => 'unclosed entity value'); ## TODO: type
4789            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4790            ## Reconsume.
4791            !!!emit ($self->{ct}); # ENTITY
4792            redo A;
4793          } else {
4794            $self->{ct}->{value} .= chr $self->{nc}; # ENTITY
4795            !!!next-input-character;
4796            redo A;
4797          }
4798        } elsif ($self->{state} == DOCTYPE_ENTITY_VALUE_SINGLE_QUOTED_STATE) {
4799          if ($self->{nc} == 0x0027) { # '
4800            $self->{state} = AFTER_MD_DEF_STATE;
4801            !!!next-input-character;
4802            redo A;
4803          } elsif ($self->{nc} == 0x0026) { # &
4804            $self->{prev_state} = $self->{state};
4805            $self->{state} = ENTITY_VALUE_ENTITY_STATE;
4806            $self->{entity_add} = 0x0027; # '
4807            !!!next-input-character;
4808            redo A;
4809    ## TODO: %
4810          } elsif ($self->{nc} == -1) {
4811            !!!parse-error (type => 'unclosed entity value'); ## TODO: type
4812            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4813            ## Reconsume.
4814            !!!emit ($self->{ct}); # ENTITY
4815            redo A;
4816          } else {
4817            $self->{ct}->{value} .= chr $self->{nc}; # ENTITY
4818            !!!next-input-character;
4819            redo A;
4820          }
4821        } elsif ($self->{state} == ENTITY_VALUE_ENTITY_STATE) {
4822          if ($is_space->{$self->{nc}} or
4823              {
4824                0x003C => 1, 0x0026 => 1, -1 => 1, # <, &
4825                $self->{entity_add} => 1,
4826              }->{$self->{nc}}) {
4827            !!!parse-error (type => 'bare ero',
4828                            line => $self->{line_prev},
4829                            column => $self->{column_prev}
4830                                + ($self->{nc} == -1 ? 1 : 0));
4831            ## Don't consume
4832            ## Return nothing.
4833            #
4834          } elsif ($self->{nc} == 0x0023) { # #
4835            $self->{ca} = $self->{ct};
4836            $self->{state} = ENTITY_HASH_STATE;
4837            $self->{kwd} = '#';
4838            !!!next-input-character;
4839            redo A;
4840          } else {
4841            #
4842          }
4843    
4844          $self->{ct}->{value} .= '&';
4845          $self->{state} = $self->{prev_state};
4846          ## Reconsume.
4847          redo A;
4848        } elsif ($self->{state} == AFTER_ELEMENT_NAME_STATE) {
4849          if ($is_space->{$self->{nc}}) {
4850            $self->{state} = BEFORE_ELEMENT_CONTENT_STATE;
4851            !!!next-input-character;
4852            redo A;
4853          } elsif ($self->{nc} == 0x0028) { # (
4854            $self->{state} = AFTER_CM_GROUP_OPEN_STATE;
4855            $self->{ct}->{content} = ['('];
4856            $self->{group_depth} = 1;
4857            !!!next-input-character;
4858            redo A;
4859          } elsif ($self->{nc} == 0x003E) { # >
4860            !!!parse-error (type => 'no md def'); ## TODO: type
4861            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4862            !!!next-input-character;
4863            !!!emit ($self->{ct}); # ELEMENT
4864            redo A;
4865          } elsif ($self->{nc} == -1) {
4866            !!!parse-error (type => 'unclosed md'); ## TODO: type
4867            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4868            !!!next-input-character;
4869            !!!emit ($self->{ct}); # ELEMENT
4870            redo A;
4871          } else {
4872            $self->{ct}->{content} = [chr $self->{nc}];
4873            $self->{state} = CONTENT_KEYWORD_STATE;
4874            !!!next-input-character;
4875            redo A;
4876          }
4877        } elsif ($self->{state} == CONTENT_KEYWORD_STATE) {
4878          if ($is_space->{$self->{nc}}) {
4879            $self->{state} = AFTER_MD_DEF_STATE;
4880            !!!next-input-character;
4881            redo A;
4882          } elsif ($self->{nc} == 0x003E) { # >
4883            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4884            !!!next-input-character;
4885            !!!emit ($self->{ct}); # ELEMENT
4886            redo A;
4887          } elsif ($self->{nc} == -1) {
4888            !!!parse-error (type => 'unclosed md'); ## TODO: type
4889            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4890            !!!next-input-character;
4891            !!!emit ($self->{ct}); # ELEMENT
4892            redo A;
4893          } else {
4894            $self->{ct}->{content}->[-1] .= chr $self->{nc}; # ELEMENT
4895            ## Stay in the state.
4896            !!!next-input-character;
4897            redo A;
4898          }
4899        } elsif ($self->{state} == AFTER_CM_GROUP_OPEN_STATE) {
4900          if ($is_space->{$self->{nc}}) {
4901            ## Stay in the state.
4902            !!!next-input-character;
4903            redo A;
4904          } elsif ($self->{nc} == 0x0028) { # (
4905            $self->{group_depth}++;
4906            push @{$self->{ct}->{content}}, chr $self->{nc};
4907            ## Stay in the state.
4908            !!!next-input-character;
4909            redo A;
4910          } elsif ($self->{nc} == 0x007C or # |
4911                   $self->{nc} == 0x002C) { # ,
4912            !!!parse-error (type => 'empty element name'); ## TODO: type
4913            ## Stay in the state.
4914            !!!next-input-character;
4915            redo A;
4916          } elsif ($self->{nc} == 0x0029) { # )
4917            !!!parse-error (type => 'empty element name'); ## TODO: type
4918            push @{$self->{ct}->{content}}, chr $self->{nc};
4919            $self->{group_depth}--;
4920            $self->{state} = AFTER_CM_GROUP_CLOSE_STATE;
4921            !!!next-input-character;
4922            redo A;
4923          } elsif ($self->{nc} == 0x003E) { # >
4924            !!!parse-error (type => 'unclosed cm group'); ## TODO: type
4925            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4926            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4927            !!!next-input-character;
4928            !!!emit ($self->{ct}); # ELEMENT
4929            redo A;
4930          } elsif ($self->{nc} == -1) {
4931            !!!parse-error (type => 'unclosed md'); ## TODO: type
4932            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4933            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4934            !!!next-input-character;
4935            !!!emit ($self->{ct}); # ELEMENT
4936            redo A;
4937          } else {
4938            push @{$self->{ct}->{content}}, chr $self->{nc};
4939            $self->{state} = CM_ELEMENT_NAME_STATE;
4940            !!!next-input-character;
4941            redo A;
4942          }
4943        } elsif ($self->{state} == CM_ELEMENT_NAME_STATE) {
4944          if ($is_space->{$self->{nc}}) {
4945            $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
4946            !!!next-input-character;
4947            redo A;
4948          } elsif ($self->{nc} == 0x002A or # *
4949                   $self->{nc} == 0x002B or # +
4950                   $self->{nc} == 0x003F) { # ?
4951            push @{$self->{ct}->{content}}, chr $self->{nc};
4952            $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
4953            !!!next-input-character;
4954            redo A;
4955          } elsif ($self->{nc} == 0x007C or # |
4956                   $self->{nc} == 0x002C) { # ,
4957            push @{$self->{ct}->{content}}, $self->{nc} == 0x007C ? ' | ' : ', ';
4958            $self->{state} = AFTER_CM_GROUP_OPEN_STATE;
4959            !!!next-input-character;
4960            redo A;
4961          } elsif ($self->{nc} == 0x0029) { # )
4962            $self->{group_depth}--;
4963            push @{$self->{ct}->{content}}, chr $self->{nc};
4964            $self->{state} = AFTER_CM_GROUP_CLOSE_STATE;
4965            !!!next-input-character;
4966            redo A;
4967          } elsif ($self->{nc} == 0x003E) { # >
4968            !!!parse-error (type => 'unclosed cm group'); ## TODO: type
4969            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4970            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4971            !!!next-input-character;
4972            !!!emit ($self->{ct}); # ELEMENT
4973            redo A;
4974          } elsif ($self->{nc} == -1) {
4975            !!!parse-error (type => 'unclosed md'); ## TODO: type
4976            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4977            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4978            !!!next-input-character;
4979            !!!emit ($self->{ct}); # ELEMENT
4980            redo A;
4981          } else {
4982            $self->{ct}->{content}->[-1] .= chr $self->{nc};
4983            ## Stay in the state.
4984            !!!next-input-character;
4985            redo A;
4986          }
4987        } elsif ($self->{state} == AFTER_CM_ELEMENT_NAME_STATE) {
4988          if ($is_space->{$self->{nc}}) {
4989            ## Stay in the state.
4990            !!!next-input-character;
4991            redo A;
4992          } elsif ($self->{nc} == 0x007C or # |
4993                   $self->{nc} == 0x002C) { # ,
4994            push @{$self->{ct}->{content}}, $self->{nc} == 0x007C ? ' | ' : ', ';
4995            $self->{state} = AFTER_CM_GROUP_OPEN_STATE;
4996            !!!next-input-character;
4997            redo A;
4998          } elsif ($self->{nc} == 0x0029) { # )
4999            $self->{group_depth}--;
5000            push @{$self->{ct}->{content}}, chr $self->{nc};
5001            $self->{state} = AFTER_CM_GROUP_CLOSE_STATE;
5002            !!!next-input-character;
5003            redo A;
5004          } elsif ($self->{nc} == 0x003E) { # >
5005            !!!parse-error (type => 'unclosed cm group'); ## TODO: type
5006            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5007            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5008            !!!next-input-character;
5009            !!!emit ($self->{ct}); # ELEMENT
5010            redo A;
5011          } elsif ($self->{nc} == -1) {
5012            !!!parse-error (type => 'unclosed md'); ## TODO: type
5013            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5014            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5015            !!!next-input-character;
5016            !!!emit ($self->{ct}); # ELEMENT
5017            redo A;
5018          } else {
5019            !!!parse-error (type => 'after element name'); ## TODO: type
5020            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5021            $self->{state} = BOGUS_MD_STATE;
5022            !!!next-input-character;
5023            redo A;
5024          }
5025        } elsif ($self->{state} == AFTER_CM_GROUP_CLOSE_STATE) {
5026          if ($is_space->{$self->{nc}}) {
5027            if ($self->{group_depth}) {
5028              $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
5029            } else {
5030              $self->{state} = AFTER_MD_DEF_STATE;
5031            }
5032            !!!next-input-character;
5033            redo A;
5034          } elsif ($self->{nc} == 0x002A or # *
5035                   $self->{nc} == 0x002B or # +
5036                   $self->{nc} == 0x003F) { # ?
5037            push @{$self->{ct}->{content}}, chr $self->{nc};
5038            if ($self->{group_depth}) {
5039              $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
5040            } else {
5041              $self->{state} = AFTER_MD_DEF_STATE;
5042            }
5043            !!!next-input-character;
5044            redo A;
5045          } elsif ($self->{nc} == 0x0029) { # )
5046            if ($self->{group_depth}) {
5047              $self->{group_depth}--;
5048              push @{$self->{ct}->{content}}, chr $self->{nc};
5049              ## Stay in the state.
5050              !!!next-input-character;
5051              redo A;
5052            } else {
5053              !!!parse-error (type => 'string after md def'); ## TODO: type
5054              $self->{state} = BOGUS_MD_STATE;
5055              ## Reconsume.
5056              redo A;
5057            }
5058          } elsif ($self->{nc} == 0x003E) { # >
5059            if ($self->{group_depth}) {
5060              !!!parse-error (type => 'unclosed cm group'); ## TODO: type
5061              push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5062            }
5063            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5064            !!!next-input-character;
5065            !!!emit ($self->{ct}); # ELEMENT
5066            redo A;
5067          } elsif ($self->{nc} == -1) {
5068            !!!parse-error (type => 'unclosed md'); ## TODO: type
5069            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5070            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5071            !!!next-input-character;
5072            !!!emit ($self->{ct}); # ELEMENT
5073            redo A;
5074          } else {
5075            if ($self->{group_depth}) {
5076              $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
5077            } else {
5078              !!!parse-error (type => 'string after md def'); ## TODO: type
5079              $self->{state} = BOGUS_MD_STATE;
5080            }
5081            ## Reconsume.
5082            redo A;
5083          }
5084        } elsif ($self->{state} == AFTER_MD_DEF_STATE) {
5085          if ($is_space->{$self->{nc}}) {
5086            ## Stay in the state.
5087            !!!next-input-character;
5088            redo A;
5089          } elsif ($self->{nc} == 0x003E) { # >
5090            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5091            !!!next-input-character;
5092            !!!emit ($self->{ct}); # ENTITY/ELEMENT
5093            redo A;
5094          } elsif ($self->{nc} == -1) {
5095            !!!parse-error (type => 'unclosed md'); ## TODO: type
5096            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5097            !!!next-input-character;
5098            !!!emit ($self->{ct}); # ENTITY/ELEMENT
5099            redo A;
5100          } else {
5101            !!!parse-error (type => 'string after md def'); ## TODO: type
5102            $self->{state} = BOGUS_MD_STATE;
5103            ## Reconsume.
5104            redo A;
5105          }
5106        } elsif ($self->{state} == BOGUS_MD_STATE) {
5107          if ($self->{nc} == 0x003E) { # >
5108            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5109            !!!next-input-character;
5110            !!!emit ($self->{ct}); # ATTLIST/ENTITY/NOTATION
5111            redo A;
5112          } elsif ($self->{nc} == -1) {
5113            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5114            ## Reconsume.
5115            !!!emit ($self->{ct}); # ATTLIST/ENTITY/NOTATION
5116            redo A;
5117          } else {
5118            ## Stay in the state.
5119            !!!next-input-character;
5120          redo A;          redo A;
5121        }        }
5122      } else {      } else {
# Line 2635  sub _get_next_token ($) { Line 5129  sub _get_next_token ($) {
5129    
5130  1;  1;
5131  ## $Date$  ## $Date$
5132                                    
Legend:
Removed from v.1.1  
changed lines
  Added in v.1.26
admin@suikawiki.org
 ViewVC Help
Powered by ViewVC 1.1.24