/[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 1.28 by wakaba, Sun Jul 5 04:38:45 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);
         !!!parse-error (type => 'dash in comment',  
                         line => $self->{line_prev},  
                         column => $self->{column_prev});  
2122          $self->{ct}->{data} .= '--' . chr ($self->{nc}); # comment          $self->{ct}->{data} .= '--' . chr ($self->{nc}); # comment
2123          $self->{state} = COMMENT_STATE;          $self->{state} = COMMENT_STATE;
2124          !!!next-input-character;          !!!next-input-character;
# Line 1644  sub _get_next_token ($) { Line 2130  sub _get_next_token ($) {
2130          $self->{state} = BEFORE_DOCTYPE_NAME_STATE;          $self->{state} = BEFORE_DOCTYPE_NAME_STATE;
2131          !!!next-input-character;          !!!next-input-character;
2132          redo A;          redo A;
2133          } elsif ($self->{nc} == -1) {
2134            !!!cp (155.1);
2135            !!!parse-error (type => 'unclosed DOCTYPE');
2136            $self->{ct}->{quirks} = 1;
2137    
2138            $self->{state} = DATA_STATE;
2139            ## Reconsume.
2140            !!!emit ($self->{ct}); # DOCTYPE (quirks)
2141    
2142            redo A;
2143        } else {        } else {
2144          !!!cp (156);          !!!cp (156);
2145            ## XML5: Swith to the bogus comment state.
2146          !!!parse-error (type => 'no space before DOCTYPE name');          !!!parse-error (type => 'no space before DOCTYPE name');
2147          $self->{state} = BEFORE_DOCTYPE_NAME_STATE;          $self->{state} = BEFORE_DOCTYPE_NAME_STATE;
2148          ## reconsume          ## reconsume
2149          redo A;          redo A;
2150        }        }
2151      } elsif ($self->{state} == BEFORE_DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == BEFORE_DOCTYPE_NAME_STATE) {
2152          ## XML5: "DOCTYPE root name before state".
2153    
2154        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2155          !!!cp (157);          !!!cp (157);
2156          ## Stay in the state          ## Stay in the state
# Line 1659  sub _get_next_token ($) { Line 2158  sub _get_next_token ($) {
2158          redo A;          redo A;
2159        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2160          !!!cp (158);          !!!cp (158);
2161            ## XML5: No parse error.
2162          !!!parse-error (type => 'no DOCTYPE name');          !!!parse-error (type => 'no DOCTYPE name');
2163          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2164            $self->{s_kwd} = '';
2165          !!!next-input-character;          !!!next-input-character;
2166    
2167          !!!emit ($self->{ct}); # DOCTYPE (quirks)          !!!emit ($self->{ct}); # DOCTYPE (quirks)
# Line 1670  sub _get_next_token ($) { Line 2171  sub _get_next_token ($) {
2171          !!!cp (159);          !!!cp (159);
2172          !!!parse-error (type => 'no DOCTYPE name');          !!!parse-error (type => 'no DOCTYPE name');
2173          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2174            $self->{s_kwd} = '';
2175          ## reconsume          ## reconsume
2176    
2177          !!!emit ($self->{ct}); # DOCTYPE (quirks)          !!!emit ($self->{ct}); # DOCTYPE (quirks)
2178    
2179          redo A;          redo A;
2180          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
2181            !!!cp (159.1);
2182            !!!parse-error (type => 'no DOCTYPE name');
2183            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2184            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2185            $self->{in_subset} = 1;
2186            !!!next-input-character;
2187            !!!emit ($self->{ct}); # DOCTYPE
2188            redo A;
2189        } else {        } else {
2190          !!!cp (160);          !!!cp (160);
2191          $self->{ct}->{name} = chr $self->{nc};          $self->{ct}->{name} = chr $self->{nc};
# Line 1684  sub _get_next_token ($) { Line 2195  sub _get_next_token ($) {
2195          redo A;          redo A;
2196        }        }
2197      } elsif ($self->{state} == DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == DOCTYPE_NAME_STATE) {
2198  ## ISSUE: Redundant "First," in the spec.        ## XML5: "DOCTYPE root name state".
2199    
2200          ## ISSUE: Redundant "First," in the spec.
2201    
2202        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2203          !!!cp (161);          !!!cp (161);
2204          $self->{state} = AFTER_DOCTYPE_NAME_STATE;          $self->{state} = AFTER_DOCTYPE_NAME_STATE;
# Line 1693  sub _get_next_token ($) { Line 2207  sub _get_next_token ($) {
2207        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2208          !!!cp (162);          !!!cp (162);
2209          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2210            $self->{s_kwd} = '';
2211          !!!next-input-character;          !!!next-input-character;
2212    
2213          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
# Line 1702  sub _get_next_token ($) { Line 2217  sub _get_next_token ($) {
2217          !!!cp (163);          !!!cp (163);
2218          !!!parse-error (type => 'unclosed DOCTYPE');          !!!parse-error (type => 'unclosed DOCTYPE');
2219          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2220            $self->{s_kwd} = '';
2221          ## reconsume          ## reconsume
2222    
2223          $self->{ct}->{quirks} = 1;          $self->{ct}->{quirks} = 1;
2224          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2225    
2226          redo A;          redo A;
2227          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
2228            !!!cp (163.1);
2229            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2230            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2231            $self->{in_subset} = 1;
2232            !!!next-input-character;
2233            !!!emit ($self->{ct}); # DOCTYPE
2234            redo A;
2235        } else {        } else {
2236          !!!cp (164);          !!!cp (164);
2237          $self->{ct}->{name}          $self->{ct}->{name}
# Line 1717  sub _get_next_token ($) { Line 2241  sub _get_next_token ($) {
2241          redo A;          redo A;
2242        }        }
2243      } elsif ($self->{state} == AFTER_DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == AFTER_DOCTYPE_NAME_STATE) {
2244          ## XML5: Corresponding to XML5's "DOCTYPE root name after
2245          ## state", but implemented differently.
2246    
2247        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2248          !!!cp (165);          !!!cp (165);
2249          ## Stay in the state          ## Stay in the state
2250          !!!next-input-character;          !!!next-input-character;
2251          redo A;          redo A;
2252        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2253          !!!cp (166);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2254          $self->{state} = DATA_STATE;            !!!cp (166);
2255              $self->{state} = DATA_STATE;
2256              $self->{s_kwd} = '';
2257            } else {
2258              !!!cp (166.1);
2259              !!!parse-error (type => 'no md def'); ## TODO: type
2260              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2261            }
2262            
2263          !!!next-input-character;          !!!next-input-character;
2264            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         !!!emit ($self->{ct}); # DOCTYPE  
   
2265          redo A;          redo A;
2266        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2267          !!!cp (167);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2268          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (167);
2269          $self->{state} = DATA_STATE;            !!!parse-error (type => 'unclosed DOCTYPE');
2270          ## reconsume            $self->{state} = DATA_STATE;
2271              $self->{s_kwd} = '';
2272          $self->{ct}->{quirks} = 1;            $self->{ct}->{quirks} = 1;
2273          !!!emit ($self->{ct}); # DOCTYPE          } else {
2274              !!!cp (167.12);
2275              !!!parse-error (type => 'unclosed md'); ## TODO: type
2276              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2277            }
2278            
2279            ## Reconsume.
2280            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2281          redo A;          redo A;
2282        } elsif ($self->{nc} == 0x0050 or # P        } elsif ($self->{nc} == 0x0050 or # P
2283                 $self->{nc} == 0x0070) { # p                 $self->{nc} == 0x0070) { # p
2284            !!!cp (167.1);
2285          $self->{state} = PUBLIC_STATE;          $self->{state} = PUBLIC_STATE;
2286          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
2287          !!!next-input-character;          !!!next-input-character;
2288          redo A;          redo A;
2289        } elsif ($self->{nc} == 0x0053 or # S        } elsif ($self->{nc} == 0x0053 or # S
2290                 $self->{nc} == 0x0073) { # s                 $self->{nc} == 0x0073) { # s
2291            !!!cp (167.2);
2292          $self->{state} = SYSTEM_STATE;          $self->{state} = SYSTEM_STATE;
2293          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
2294            !!!next-input-character;
2295            redo A;
2296          } elsif ($self->{nc} == 0x0022 and # "
2297                   ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN or
2298                    $self->{ct}->{type} == PARAMETER_ENTITY_TOKEN)) {
2299            !!!cp (167.21);
2300            $self->{state} = DOCTYPE_ENTITY_VALUE_DOUBLE_QUOTED_STATE;
2301            $self->{ct}->{value} = ''; # ENTITY
2302            !!!next-input-character;
2303            redo A;
2304          } elsif ($self->{nc} == 0x0027 and # '
2305                   ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN or
2306                    $self->{ct}->{type} == PARAMETER_ENTITY_TOKEN)) {
2307            !!!cp (167.22);
2308            $self->{state} = DOCTYPE_ENTITY_VALUE_SINGLE_QUOTED_STATE;
2309            $self->{ct}->{value} = ''; # ENTITY
2310            !!!next-input-character;
2311            redo A;
2312          } elsif ($self->{is_xml} and
2313                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2314                   $self->{nc} == 0x005B) { # [
2315            !!!cp (167.3);
2316            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2317            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2318            $self->{in_subset} = 1;
2319          !!!next-input-character;          !!!next-input-character;
2320            !!!emit ($self->{ct}); # DOCTYPE
2321          redo A;          redo A;
2322        } else {        } else {
2323          !!!cp (180);          !!!parse-error (type => 'string after DOCTYPE name'); ## TODO: type
2324          !!!parse-error (type => 'string after DOCTYPE name');  
2325          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2326              !!!cp (180);
2327              $self->{ct}->{quirks} = 1;
2328              $self->{state} = BOGUS_DOCTYPE_STATE;
2329            } else {
2330              !!!cp (180.1);
2331              $self->{state} = BOGUS_MD_STATE;
2332            }
2333    
         $self->{state} = BOGUS_DOCTYPE_STATE;  
2334          !!!next-input-character;          !!!next-input-character;
2335          redo A;          redo A;
2336        }        }
# Line 1769  sub _get_next_token ($) { Line 2342  sub _get_next_token ($) {
2342              0x0042, # B              0x0042, # B
2343              0x004C, # L              0x004C, # L
2344              0x0049, # I              0x0049, # I
2345            ]->[length $self->{s_kwd}] or            ]->[length $self->{kwd}] or
2346            $self->{nc} == [            $self->{nc} == [
2347              undef,              undef,
2348              0x0075, # u              0x0075, # u
2349              0x0062, # b              0x0062, # b
2350              0x006C, # l              0x006C, # l
2351              0x0069, # i              0x0069, # i
2352            ]->[length $self->{s_kwd}]) {            ]->[length $self->{kwd}]) {
2353          !!!cp (175);          !!!cp (175);
2354          ## Stay in the state.          ## Stay in the state.
2355          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
2356          !!!next-input-character;          !!!next-input-character;
2357          redo A;          redo A;
2358        } elsif ((length $self->{s_kwd}) == 5 and        } elsif ((length $self->{kwd}) == 5 and
2359                 ($self->{nc} == 0x0043 or # C                 ($self->{nc} == 0x0043 or # C
2360                  $self->{nc} == 0x0063)) { # c                  $self->{nc} == 0x0063)) { # c
2361          !!!cp (168);          if ($self->{is_xml} and
2362                ($self->{kwd} ne 'PUBLI' or $self->{nc} == 0x0063)) { # c
2363              !!!cp (168.1);
2364              !!!parse-error (type => 'lowercase keyword', ## TODO: type
2365                              text => 'PUBLIC',
2366                              line => $self->{line_prev},
2367                              column => $self->{column_prev} - 4);
2368            } else {
2369              !!!cp (168);
2370            }
2371          $self->{state} = BEFORE_DOCTYPE_PUBLIC_IDENTIFIER_STATE;          $self->{state} = BEFORE_DOCTYPE_PUBLIC_IDENTIFIER_STATE;
2372          !!!next-input-character;          !!!next-input-character;
2373          redo A;          redo A;
2374        } else {        } else {
2375          !!!cp (169);          !!!parse-error (type => 'string after DOCTYPE name', ## TODO: type
         !!!parse-error (type => 'string after DOCTYPE name',  
2376                          line => $self->{line_prev},                          line => $self->{line_prev},
2377                          column => $self->{column_prev} + 1 - length $self->{s_kwd});                          column => $self->{column_prev} + 1 - length $self->{kwd});
2378          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2379              !!!cp (169);
2380          $self->{state} = BOGUS_DOCTYPE_STATE;            $self->{ct}->{quirks} = 1;
2381              $self->{state} = BOGUS_DOCTYPE_STATE;
2382            } else {
2383              !!!cp (169.1);
2384              $self->{state} = BOGUS_MD_STATE;
2385            }
2386          ## Reconsume.          ## Reconsume.
2387          redo A;          redo A;
2388        }        }
# Line 1808  sub _get_next_token ($) { Line 2394  sub _get_next_token ($) {
2394              0x0053, # S              0x0053, # S
2395              0x0054, # T              0x0054, # T
2396              0x0045, # E              0x0045, # E
2397            ]->[length $self->{s_kwd}] or            ]->[length $self->{kwd}] or
2398            $self->{nc} == [            $self->{nc} == [
2399              undef,              undef,
2400              0x0079, # y              0x0079, # y
2401              0x0073, # s              0x0073, # s
2402              0x0074, # t              0x0074, # t
2403              0x0065, # e              0x0065, # e
2404            ]->[length $self->{s_kwd}]) {            ]->[length $self->{kwd}]) {
2405          !!!cp (170);          !!!cp (170);
2406          ## Stay in the state.          ## Stay in the state.
2407          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
2408          !!!next-input-character;          !!!next-input-character;
2409          redo A;          redo A;
2410        } elsif ((length $self->{s_kwd}) == 5 and        } elsif ((length $self->{kwd}) == 5 and
2411                 ($self->{nc} == 0x004D or # M                 ($self->{nc} == 0x004D or # M
2412                  $self->{nc} == 0x006D)) { # m                  $self->{nc} == 0x006D)) { # m
2413          !!!cp (171);          if ($self->{is_xml} and
2414                ($self->{kwd} ne 'SYSTE' or $self->{nc} == 0x006D)) { # m
2415              !!!cp (171.1);
2416              !!!parse-error (type => 'lowercase keyword', ## TODO: type
2417                              text => 'SYSTEM',
2418                              line => $self->{line_prev},
2419                              column => $self->{column_prev} - 4);
2420            } else {
2421              !!!cp (171);
2422            }
2423          $self->{state} = BEFORE_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = BEFORE_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2424          !!!next-input-character;          !!!next-input-character;
2425          redo A;          redo A;
2426        } else {        } else {
2427          !!!cp (172);          !!!parse-error (type => 'string after DOCTYPE name', ## TODO: type
         !!!parse-error (type => 'string after DOCTYPE name',  
2428                          line => $self->{line_prev},                          line => $self->{line_prev},
2429                          column => $self->{column_prev} + 1 - length $self->{s_kwd});                          column => $self->{column_prev} + 1 - length $self->{kwd});
2430          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2431              !!!cp (172);
2432          $self->{state} = BOGUS_DOCTYPE_STATE;            $self->{ct}->{quirks} = 1;
2433              $self->{state} = BOGUS_DOCTYPE_STATE;
2434            } else {
2435              !!!cp (172.1);
2436              $self->{state} = BOGUS_MD_STATE;
2437            }
2438          ## Reconsume.          ## Reconsume.
2439          redo A;          redo A;
2440        }        }
# Line 1858  sub _get_next_token ($) { Line 2457  sub _get_next_token ($) {
2457          !!!next-input-character;          !!!next-input-character;
2458          redo A;          redo A;
2459        } elsif ($self->{nc} eq 0x003E) { # >        } elsif ($self->{nc} eq 0x003E) { # >
         !!!cp (184);  
2460          !!!parse-error (type => 'no PUBLIC literal');          !!!parse-error (type => 'no PUBLIC literal');
2461            
2462          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2463              !!!cp (184);
2464              $self->{state} = DATA_STATE;
2465              $self->{s_kwd} = '';
2466              $self->{ct}->{quirks} = 1;
2467            } else {
2468              !!!cp (184.1);
2469              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2470            }
2471            
2472          !!!next-input-character;          !!!next-input-character;
2473            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2474          redo A;          redo A;
2475        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2476          !!!cp (185);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2477          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (185);
2478              !!!parse-error (type => 'unclosed DOCTYPE');
2479          $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
2480              $self->{s_kwd} = '';
2481              $self->{ct}->{quirks} = 1;
2482            } else {
2483              !!!cp (185.1);
2484              !!!parse-error (type => 'unclosed md'); ## TODO: type
2485              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2486            }
2487            
2488          ## reconsume          ## reconsume
   
         $self->{ct}->{quirks} = 1;  
2489          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2490            redo A;
2491          } elsif ($self->{is_xml} and
2492                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2493                   $self->{nc} == 0x005B) { # [
2494            !!!cp (186.1);
2495            !!!parse-error (type => 'no PUBLIC literal');
2496            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2497            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2498            $self->{in_subset} = 1;
2499            !!!next-input-character;
2500            !!!emit ($self->{ct}); # DOCTYPE
2501          redo A;          redo A;
2502        } else {        } else {
         !!!cp (186);  
2503          !!!parse-error (type => 'string after PUBLIC');          !!!parse-error (type => 'string after PUBLIC');
         $self->{ct}->{quirks} = 1;  
2504    
2505          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2506              !!!cp (186);
2507              $self->{ct}->{quirks} = 1;
2508              $self->{state} = BOGUS_DOCTYPE_STATE;
2509            } else {
2510              !!!cp (186.2);
2511              $self->{state} = BOGUS_MD_STATE;
2512            }
2513    
2514          !!!next-input-character;          !!!next-input-character;
2515          redo A;          redo A;
2516        }        }
# Line 1895  sub _get_next_token ($) { Line 2521  sub _get_next_token ($) {
2521          !!!next-input-character;          !!!next-input-character;
2522          redo A;          redo A;
2523        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (188);  
2524          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2525    
2526          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2527          !!!next-input-character;            !!!cp (188);
2528              $self->{state} = DATA_STATE;
2529          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2530          !!!emit ($self->{ct}); # DOCTYPE            $self->{ct}->{quirks} = 1;
2531            } else {
2532              !!!cp (188.1);
2533              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2534            }
2535    
2536            !!!next-input-character;
2537            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2538          redo A;          redo A;
2539        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (189);  
2540          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2541    
2542          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2543          ## reconsume            !!!cp (189);
2544              $self->{state} = DATA_STATE;
2545          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2546              $self->{ct}->{quirks} = 1;
2547            } else {
2548              !!!cp (189.1);
2549              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2550            }
2551            
2552            ## Reconsume.
2553          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2554          redo A;          redo A;
2555        } else {        } else {
2556          !!!cp (190);          !!!cp (190);
2557          $self->{ct}->{pubid} # DOCTYPE          $self->{ct}->{pubid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2558          $self->{read_until}->($self->{ct}->{pubid}, q[">],          $self->{read_until}->($self->{ct}->{pubid}, q[">],
2559                                length $self->{ct}->{pubid});                                length $self->{ct}->{pubid});
2560    
# Line 1934  sub _get_next_token ($) { Line 2569  sub _get_next_token ($) {
2569          !!!next-input-character;          !!!next-input-character;
2570          redo A;          redo A;
2571        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (192);  
2572          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2573    
2574          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2575          !!!next-input-character;            !!!cp (192);
2576              $self->{state} = DATA_STATE;
2577          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2578          !!!emit ($self->{ct}); # DOCTYPE            $self->{ct}->{quirks} = 1;
2579            } else {
2580              !!!cp (192.1);
2581              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2582            }
2583    
2584            !!!next-input-character;
2585            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2586          redo A;          redo A;
2587        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (193);  
2588          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2589    
2590          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2591              !!!cp (193);
2592              $self->{state} = DATA_STATE;
2593              $self->{s_kwd} = '';
2594              $self->{ct}->{quirks} = 1;
2595            } else {
2596              !!!cp (193.1);
2597              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2598            }
2599          
2600          ## reconsume          ## reconsume
2601            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2602          redo A;          redo A;
2603        } else {        } else {
2604          !!!cp (194);          !!!cp (194);
2605          $self->{ct}->{pubid} # DOCTYPE          $self->{ct}->{pubid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2606          $self->{read_until}->($self->{ct}->{pubid}, q['>],          $self->{read_until}->($self->{ct}->{pubid}, q['>],
2607                                length $self->{ct}->{pubid});                                length $self->{ct}->{pubid});
2608    
# Line 1974  sub _get_next_token ($) { Line 2618  sub _get_next_token ($) {
2618          redo A;          redo A;
2619        } elsif ($self->{nc} == 0x0022) { # "        } elsif ($self->{nc} == 0x0022) { # "
2620          !!!cp (196);          !!!cp (196);
2621          $self->{ct}->{sysid} = ''; # DOCTYPE          $self->{ct}->{sysid} = ''; # DOCTYPE/ENTITY/NOTATION
2622          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_DOUBLE_QUOTED_STATE;          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_DOUBLE_QUOTED_STATE;
2623          !!!next-input-character;          !!!next-input-character;
2624          redo A;          redo A;
2625        } elsif ($self->{nc} == 0x0027) { # '        } elsif ($self->{nc} == 0x0027) { # '
2626          !!!cp (197);          !!!cp (197);
2627          $self->{ct}->{sysid} = ''; # DOCTYPE          $self->{ct}->{sysid} = ''; # DOCTYPE/ENTITY/NOTATION
2628          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_SINGLE_QUOTED_STATE;          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_SINGLE_QUOTED_STATE;
2629          !!!next-input-character;          !!!next-input-character;
2630          redo A;          redo A;
2631        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2632          !!!cp (198);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2633          $self->{state} = DATA_STATE;            if ($self->{is_xml}) {
2634                !!!cp (198.1);
2635                !!!parse-error (type => 'no SYSTEM literal');
2636              } else {
2637                !!!cp (198);
2638              }
2639              $self->{state} = DATA_STATE;
2640              $self->{s_kwd} = '';
2641            } else {
2642              if ($self->{ct}->{type} == NOTATION_TOKEN) {
2643                !!!cp (198.2);
2644              } else {
2645                !!!cp (198.3);
2646                !!!parse-error (type => 'no SYSTEM literal');            
2647              }
2648              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2649            }
2650            
2651          !!!next-input-character;          !!!next-input-character;
2652            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         !!!emit ($self->{ct}); # DOCTYPE  
   
2653          redo A;          redo A;
2654        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2655          !!!cp (199);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2656          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (199);
2657              !!!parse-error (type => 'unclosed DOCTYPE');
2658          $self->{state} = DATA_STATE;            
2659              $self->{state} = DATA_STATE;
2660              $self->{s_kwd} = '';
2661              $self->{ct}->{quirks} = 1;
2662            } else {
2663              !!!parse-error (type => 'unclosed md'); ## TODO: type
2664              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2665            }
2666            
2667          ## reconsume          ## reconsume
2668            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2669          $self->{ct}->{quirks} = 1;          redo A;
2670          } elsif ($self->{is_xml} and
2671                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2672                   $self->{nc} == 0x005B) { # [
2673            !!!cp (200.1);
2674            !!!parse-error (type => 'no SYSTEM literal');
2675            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2676            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2677            $self->{in_subset} = 1;
2678            !!!next-input-character;
2679          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2680          redo A;          redo A;
2681        } else {        } else {
         !!!cp (200);  
2682          !!!parse-error (type => 'string after PUBLIC literal');          !!!parse-error (type => 'string after PUBLIC literal');
         $self->{ct}->{quirks} = 1;  
2683    
2684          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2685              !!!cp (200);
2686              $self->{ct}->{quirks} = 1;
2687              $self->{state} = BOGUS_DOCTYPE_STATE;
2688            } else {
2689              !!!cp (200.2);
2690              $self->{state} = BOGUS_MD_STATE;
2691            }
2692    
2693          !!!next-input-character;          !!!next-input-character;
2694          redo A;          redo A;
2695        }        }
# Line 2031  sub _get_next_token ($) { Line 2712  sub _get_next_token ($) {
2712          !!!next-input-character;          !!!next-input-character;
2713          redo A;          redo A;
2714        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (204);  
2715          !!!parse-error (type => 'no SYSTEM literal');          !!!parse-error (type => 'no SYSTEM literal');
         $self->{state} = DATA_STATE;  
2716          !!!next-input-character;          !!!next-input-character;
2717    
2718          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2719          !!!emit ($self->{ct}); # DOCTYPE            !!!cp (204);
2720              $self->{state} = DATA_STATE;
2721              $self->{s_kwd} = '';
2722              $self->{ct}->{quirks} = 1;
2723            } else {
2724              !!!cp (204.1);
2725              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2726            }
2727    
2728            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2729          redo A;          redo A;
2730        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2731          !!!cp (205);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2732          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (205);
2733              !!!parse-error (type => 'unclosed DOCTYPE');
2734          $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
2735              $self->{s_kwd} = '';
2736              $self->{ct}->{quirks} = 1;
2737            } else {
2738              !!!cp (205.1);
2739              !!!parse-error (type => 'unclosed md'); ## TODO: type
2740              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2741            }
2742            
2743          ## reconsume          ## reconsume
2744            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2745            redo A;
2746          } elsif ($self->{is_xml} and
2747                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2748                   $self->{nc} == 0x005B) { # [
2749            !!!cp (206.1);
2750            !!!parse-error (type => 'no SYSTEM literal');
2751    
2752          $self->{ct}->{quirks} = 1;          $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2753            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2754            $self->{in_subset} = 1;
2755            !!!next-input-character;
2756          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2757          redo A;          redo A;
2758        } else {        } else {
         !!!cp (206);  
2759          !!!parse-error (type => 'string after SYSTEM');          !!!parse-error (type => 'string after SYSTEM');
         $self->{ct}->{quirks} = 1;  
2760    
2761          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2762              !!!cp (206);          
2763              $self->{ct}->{quirks} = 1;
2764              $self->{state} = BOGUS_DOCTYPE_STATE;
2765            } else {
2766              !!!cp (206.2);
2767              $self->{state} = BOGUS_MD_STATE;
2768            }
2769    
2770          !!!next-input-character;          !!!next-input-character;
2771          redo A;          redo A;
2772        }        }
# Line 2066  sub _get_next_token ($) { Line 2776  sub _get_next_token ($) {
2776          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2777          !!!next-input-character;          !!!next-input-character;
2778          redo A;          redo A;
2779        } elsif ($self->{nc} == 0x003E) { # >        } elsif (not $self->{is_xml} and $self->{nc} == 0x003E) { # >
         !!!cp (208);  
2780          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2781    
2782          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2783              !!!cp (208);
2784              $self->{state} = DATA_STATE;
2785              $self->{s_kwd} = '';
2786              $self->{ct}->{quirks} = 1;
2787            } else {
2788              !!!cp (208.1);
2789              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2790            }
2791            
2792          !!!next-input-character;          !!!next-input-character;
2793            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2794          redo A;          redo A;
2795        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (209);  
2796          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2797    
2798          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2799              !!!cp (209);
2800              $self->{state} = DATA_STATE;
2801              $self->{s_kwd} = '';
2802              $self->{ct}->{quirks} = 1;
2803            } else {
2804              !!!cp (209.1);
2805              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2806            }
2807            
2808          ## reconsume          ## reconsume
2809            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2810          redo A;          redo A;
2811        } else {        } else {
2812          !!!cp (210);          !!!cp (210);
2813          $self->{ct}->{sysid} # DOCTYPE          $self->{ct}->{sysid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2814          $self->{read_until}->($self->{ct}->{sysid}, q[">],          $self->{read_until}->($self->{ct}->{sysid}, q[">],
2815                                length $self->{ct}->{sysid});                                length $self->{ct}->{sysid});
2816    
# Line 2105  sub _get_next_token ($) { Line 2824  sub _get_next_token ($) {
2824          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2825          !!!next-input-character;          !!!next-input-character;
2826          redo A;          redo A;
2827        } elsif ($self->{nc} == 0x003E) { # >        } elsif (not $self->{is_xml} and $self->{nc} == 0x003E) { # >
2828          !!!cp (212);          !!!cp (212);
2829          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2830    
2831          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2832            $self->{s_kwd} = '';
2833          !!!next-input-character;          !!!next-input-character;
2834    
2835          $self->{ct}->{quirks} = 1;          $self->{ct}->{quirks} = 1;
# Line 2117  sub _get_next_token ($) { Line 2837  sub _get_next_token ($) {
2837    
2838          redo A;          redo A;
2839        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (213);  
2840          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2841    
2842          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2843          ## reconsume            !!!cp (213);
2844              $self->{state} = DATA_STATE;
2845          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2846          !!!emit ($self->{ct}); # DOCTYPE            $self->{ct}->{quirks} = 1;
2847            } else {
2848              !!!cp (213.1);
2849              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2850            }
2851    
2852            ## reconsume
2853            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2854          redo A;          redo A;
2855        } else {        } else {
2856          !!!cp (214);          !!!cp (214);
2857          $self->{ct}->{sysid} # DOCTYPE          $self->{ct}->{sysid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2858          $self->{read_until}->($self->{ct}->{sysid}, q['>],          $self->{read_until}->($self->{ct}->{sysid}, q['>],
2859                                length $self->{ct}->{sysid});                                length $self->{ct}->{sysid});
2860    
# Line 2140  sub _get_next_token ($) { Line 2864  sub _get_next_token ($) {
2864        }        }
2865      } elsif ($self->{state} == AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE) {      } elsif ($self->{state} == AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE) {
2866        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2867          !!!cp (215);          if ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN) {
2868          ## Stay in the state            !!!cp (215.1);
2869              $self->{state} = BEFORE_NDATA_STATE;
2870            } else {
2871              !!!cp (215);
2872              ## Stay in the state
2873            }
2874          !!!next-input-character;          !!!next-input-character;
2875          redo A;          redo A;
2876        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2877          !!!cp (216);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2878          $self->{state} = DATA_STATE;            !!!cp (216);
2879              $self->{state} = DATA_STATE;
2880              $self->{s_kwd} = '';
2881            } else {
2882              !!!cp (216.1);
2883              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2884            }
2885    
2886          !!!next-input-character;          !!!next-input-character;
2887            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2888            redo A;
2889          } elsif ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN and
2890                   ($self->{nc} == 0x004E or # N
2891                    $self->{nc} == 0x006E)) { # n
2892            !!!cp (216.2);
2893            !!!parse-error (type => 'no space before NDATA'); ## TODO: type
2894            $self->{state} = NDATA_STATE;
2895            $self->{kwd} = chr $self->{nc};
2896            !!!next-input-character;
2897            redo A;
2898          } elsif ($self->{nc} == -1) {
2899            if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2900              !!!cp (217);
2901              !!!parse-error (type => 'unclosed DOCTYPE');
2902              $self->{state} = DATA_STATE;
2903              $self->{s_kwd} = '';
2904              $self->{ct}->{quirks} = 1;
2905            } else {
2906              !!!cp (217.1);
2907              !!!parse-error (type => 'unclosed md'); ## TODO: type
2908              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2909            }
2910    
2911            ## reconsume
2912            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2913            redo A;
2914          } elsif ($self->{is_xml} and
2915                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2916                   $self->{nc} == 0x005B) { # [
2917            !!!cp (218.1);
2918            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2919            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2920            $self->{in_subset} = 1;
2921            !!!next-input-character;
2922          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2923            redo A;
2924          } else {
2925            !!!parse-error (type => 'string after SYSTEM literal');
2926    
2927            if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2928              !!!cp (218);
2929              #$self->{ct}->{quirks} = 1;
2930              $self->{state} = BOGUS_DOCTYPE_STATE;
2931            } else {
2932              !!!cp (218.2);
2933              $self->{state} = BOGUS_MD_STATE;
2934            }
2935    
2936            !!!next-input-character;
2937            redo A;
2938          }
2939        } elsif ($self->{state} == BEFORE_NDATA_STATE) {
2940          if ($is_space->{$self->{nc}}) {
2941            !!!cp (218.3);
2942            ## Stay in the state.
2943            !!!next-input-character;
2944            redo A;
2945          } elsif ($self->{nc} == 0x003E) { # >
2946            !!!cp (218.4);
2947            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2948            !!!next-input-character;
2949            !!!emit ($self->{ct}); # ENTITY
2950            redo A;
2951          } elsif ($self->{nc} == 0x004E or # N
2952                   $self->{nc} == 0x006E) { # n
2953            !!!cp (218.5);
2954            $self->{state} = NDATA_STATE;
2955            $self->{kwd} = chr $self->{nc};
2956            !!!next-input-character;
2957          redo A;          redo A;
2958        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2959          !!!cp (217);          !!!cp (218.6);
2960          !!!parse-error (type => 'unclosed DOCTYPE');          !!!parse-error (type => 'unclosed md'); ## TODO: type
2961          $self->{state} = DATA_STATE;          $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2962          ## reconsume          ## reconsume
2963            !!!emit ($self->{ct}); # ENTITY
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2964          redo A;          redo A;
2965        } else {        } else {
2966          !!!cp (218);          !!!cp (218.7);
2967          !!!parse-error (type => 'string after SYSTEM literal');          !!!parse-error (type => 'string after SYSTEM literal');
2968          #$self->{ct}->{quirks} = 1;          $self->{state} = BOGUS_MD_STATE;
   
         $self->{state} = BOGUS_DOCTYPE_STATE;  
2969          !!!next-input-character;          !!!next-input-character;
2970          redo A;          redo A;
2971        }        }
# Line 2175  sub _get_next_token ($) { Line 2973  sub _get_next_token ($) {
2973        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
2974          !!!cp (219);          !!!cp (219);
2975          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2976            $self->{s_kwd} = '';
2977          !!!next-input-character;          !!!next-input-character;
2978    
2979          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2980    
2981          redo A;          redo A;
2982          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
2983            !!!cp (220.1);
2984            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2985            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2986            $self->{in_subset} = 1;
2987            !!!next-input-character;
2988            !!!emit ($self->{ct}); # DOCTYPE
2989            redo A;
2990        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2991          !!!cp (220);          !!!cp (220);
2992          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2993            $self->{s_kwd} = '';
2994          ## reconsume          ## reconsume
2995    
2996          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
# Line 2191  sub _get_next_token ($) { Line 2999  sub _get_next_token ($) {
2999        } else {        } else {
3000          !!!cp (221);          !!!cp (221);
3001          my $s = '';          my $s = '';
3002          $self->{read_until}->($s, q[>], 0);          $self->{read_until}->($s, q{>[}, 0);
3003    
3004          ## Stay in the state          ## Stay in the state
3005          !!!next-input-character;          !!!next-input-character;
# Line 2201  sub _get_next_token ($) { Line 3009  sub _get_next_token ($) {
3009        ## NOTE: "CDATA section state" in the state is jointly implemented        ## NOTE: "CDATA section state" in the state is jointly implemented
3010        ## by three states, |CDATA_SECTION_STATE|, |CDATA_SECTION_MSE1_STATE|,        ## by three states, |CDATA_SECTION_STATE|, |CDATA_SECTION_MSE1_STATE|,
3011        ## and |CDATA_SECTION_MSE2_STATE|.        ## and |CDATA_SECTION_MSE2_STATE|.
3012    
3013          ## XML5: "CDATA state".
3014                
3015        if ($self->{nc} == 0x005D) { # ]        if ($self->{nc} == 0x005D) { # ]
3016          !!!cp (221.1);          !!!cp (221.1);
# Line 2208  sub _get_next_token ($) { Line 3018  sub _get_next_token ($) {
3018          !!!next-input-character;          !!!next-input-character;
3019          redo A;          redo A;
3020        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
3021            if ($self->{is_xml}) {
3022              !!!cp (221.11);
3023              !!!parse-error (type => 'no mse'); ## TODO: type
3024            } else {
3025              !!!cp (221.12);
3026            }
3027    
3028          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
3029          !!!next-input-character;          $self->{s_kwd} = '';
3030            ## Reconsume.
3031          if (length $self->{ct}->{data}) { # character          if (length $self->{ct}->{data}) { # character
3032            !!!cp (221.2);            !!!cp (221.2);
3033            !!!emit ($self->{ct}); # character            !!!emit ($self->{ct}); # character
# Line 2232  sub _get_next_token ($) { Line 3050  sub _get_next_token ($) {
3050    
3051        ## ISSUE: "text tokens" in spec.        ## ISSUE: "text tokens" in spec.
3052      } elsif ($self->{state} == CDATA_SECTION_MSE1_STATE) {      } elsif ($self->{state} == CDATA_SECTION_MSE1_STATE) {
3053          ## XML5: "CDATA bracket state".
3054    
3055        if ($self->{nc} == 0x005D) { # ]        if ($self->{nc} == 0x005D) { # ]
3056          !!!cp (221.5);          !!!cp (221.5);
3057          $self->{state} = CDATA_SECTION_MSE2_STATE;          $self->{state} = CDATA_SECTION_MSE2_STATE;
# Line 2239  sub _get_next_token ($) { Line 3059  sub _get_next_token ($) {
3059          redo A;          redo A;
3060        } else {        } else {
3061          !!!cp (221.6);          !!!cp (221.6);
3062            ## XML5: If EOF, "]" is not appended and changed to the data state.
3063          $self->{ct}->{data} .= ']';          $self->{ct}->{data} .= ']';
3064          $self->{state} = CDATA_SECTION_STATE;          $self->{state} = CDATA_SECTION_STATE; ## XML5: Stay in the state.
3065          ## Reconsume.          ## Reconsume.
3066          redo A;          redo A;
3067        }        }
3068      } elsif ($self->{state} == CDATA_SECTION_MSE2_STATE) {      } elsif ($self->{state} == CDATA_SECTION_MSE2_STATE) {
3069          ## XML5: "CDATA end state".
3070    
3071        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
3072          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
3073            $self->{s_kwd} = '';
3074          !!!next-input-character;          !!!next-input-character;
3075          if (length $self->{ct}->{data}) { # character          if (length $self->{ct}->{data}) { # character
3076            !!!cp (221.7);            !!!cp (221.7);
# Line 2266  sub _get_next_token ($) { Line 3090  sub _get_next_token ($) {
3090          !!!cp (221.11);          !!!cp (221.11);
3091          $self->{ct}->{data} .= ']]'; # character          $self->{ct}->{data} .= ']]'; # character
3092          $self->{state} = CDATA_SECTION_STATE;          $self->{state} = CDATA_SECTION_STATE;
3093          ## Reconsume.          ## Reconsume. ## XML5: Emit.
3094          redo A;          redo A;
3095        }        }
3096      } elsif ($self->{state} == ENTITY_STATE) {      } elsif ($self->{state} == ENTITY_STATE) {
# Line 2275  sub _get_next_token ($) { Line 3099  sub _get_next_token ($) {
3099              0x003C => 1, 0x0026 => 1, -1 => 1, # <, &              0x003C => 1, 0x0026 => 1, -1 => 1, # <, &
3100              $self->{entity_add} => 1,              $self->{entity_add} => 1,
3101            }->{$self->{nc}}) {            }->{$self->{nc}}) {
3102          !!!cp (1001);          if ($self->{is_xml}) {
3103              !!!cp (1001.1);
3104              !!!parse-error (type => 'bare ero',
3105                              line => $self->{line_prev},
3106                              column => $self->{column_prev}
3107                                  + ($self->{nc} == -1 ? 1 : 0));
3108            } else {
3109              !!!cp (1001);
3110              ## No error
3111            }
3112          ## Don't consume          ## Don't consume
         ## No error  
3113          ## Return nothing.          ## Return nothing.
3114          #          #
3115        } elsif ($self->{nc} == 0x0023) { # #        } elsif ($self->{nc} == 0x0023) { # #
3116          !!!cp (999);          !!!cp (999);
3117          $self->{state} = ENTITY_HASH_STATE;          $self->{state} = ENTITY_HASH_STATE;
3118          $self->{s_kwd} = '#';          $self->{kwd} = '#';
3119          !!!next-input-character;          !!!next-input-character;
3120          redo A;          redo A;
3121        } elsif ((0x0041 <= $self->{nc} and        } elsif ($self->{is_xml} or
3122                   (0x0041 <= $self->{nc} and
3123                  $self->{nc} <= 0x005A) or # A..Z                  $self->{nc} <= 0x005A) or # A..Z
3124                 (0x0061 <= $self->{nc} and                 (0x0061 <= $self->{nc} and
3125                  $self->{nc} <= 0x007A)) { # a..z                  $self->{nc} <= 0x007A)) { # a..z
3126          !!!cp (998);          !!!cp (998);
3127          require Whatpm::_NamedEntityList;          require Whatpm::_NamedEntityList;
3128          $self->{state} = ENTITY_NAME_STATE;          $self->{state} = ENTITY_NAME_STATE;
3129          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
3130          $self->{entity__value} = $self->{s_kwd};          $self->{entity__value} = $self->{kwd};
3131          $self->{entity__match} = 0;          $self->{entity__match} = 0;
3132          !!!next-input-character;          !!!next-input-character;
3133          redo A;          redo A;
# Line 2314  sub _get_next_token ($) { Line 3147  sub _get_next_token ($) {
3147        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3148          !!!cp (997);          !!!cp (997);
3149          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3150            $self->{s_kwd} = '';
3151          ## Reconsume.          ## Reconsume.
3152          !!!emit ({type => CHARACTER_TOKEN, data => '&',          !!!emit ({type => CHARACTER_TOKEN, data => '&',
3153                    line => $self->{line_prev},                    line => $self->{line_prev},
# Line 2324  sub _get_next_token ($) { Line 3158  sub _get_next_token ($) {
3158          !!!cp (996);          !!!cp (996);
3159          $self->{ca}->{value} .= '&';          $self->{ca}->{value} .= '&';
3160          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3161            $self->{s_kwd} = '';
3162          ## Reconsume.          ## Reconsume.
3163          redo A;          redo A;
3164        }        }
3165      } elsif ($self->{state} == ENTITY_HASH_STATE) {      } elsif ($self->{state} == ENTITY_HASH_STATE) {
3166        if ($self->{nc} == 0x0078 or # x        if ($self->{nc} == 0x0078) { # x
           $self->{nc} == 0x0058) { # X  
3167          !!!cp (995);          !!!cp (995);
3168          $self->{state} = HEXREF_X_STATE;          $self->{state} = HEXREF_X_STATE;
3169          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
3170            !!!next-input-character;
3171            redo A;
3172          } elsif ($self->{nc} == 0x0058) { # X
3173            !!!cp (995.1);
3174            if ($self->{is_xml}) {
3175              !!!parse-error (type => 'uppercase hcro'); ## TODO: type
3176            }
3177            $self->{state} = HEXREF_X_STATE;
3178            $self->{kwd} .= chr $self->{nc};
3179          !!!next-input-character;          !!!next-input-character;
3180          redo A;          redo A;
3181        } elsif (0x0030 <= $self->{nc} and        } elsif (0x0030 <= $self->{nc} and
3182                 $self->{nc} <= 0x0039) { # 0..9                 $self->{nc} <= 0x0039) { # 0..9
3183          !!!cp (994);          !!!cp (994);
3184          $self->{state} = NCR_NUM_STATE;          $self->{state} = NCR_NUM_STATE;
3185          $self->{s_kwd} = $self->{nc} - 0x0030;          $self->{kwd} = $self->{nc} - 0x0030;
3186          !!!next-input-character;          !!!next-input-character;
3187          redo A;          redo A;
3188        } else {        } else {
# Line 2354  sub _get_next_token ($) { Line 3197  sub _get_next_token ($) {
3197          if ($self->{prev_state} == DATA_STATE) {          if ($self->{prev_state} == DATA_STATE) {
3198            !!!cp (1019);            !!!cp (1019);
3199            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3200              $self->{s_kwd} = '';
3201            ## Reconsume.            ## Reconsume.
3202            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
3203                      data => '&#',                      data => '&#',
# Line 2365  sub _get_next_token ($) { Line 3209  sub _get_next_token ($) {
3209            !!!cp (993);            !!!cp (993);
3210            $self->{ca}->{value} .= '&#';            $self->{ca}->{value} .= '&#';
3211            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3212              $self->{s_kwd} = '';
3213            ## Reconsume.            ## Reconsume.
3214            redo A;            redo A;
3215          }          }
# Line 2373  sub _get_next_token ($) { Line 3218  sub _get_next_token ($) {
3218        if (0x0030 <= $self->{nc} and        if (0x0030 <= $self->{nc} and
3219            $self->{nc} <= 0x0039) { # 0..9            $self->{nc} <= 0x0039) { # 0..9
3220          !!!cp (1012);          !!!cp (1012);
3221          $self->{s_kwd} *= 10;          $self->{kwd} *= 10;
3222          $self->{s_kwd} += $self->{nc} - 0x0030;          $self->{kwd} += $self->{nc} - 0x0030;
3223                    
3224          ## Stay in the state.          ## Stay in the state.
3225          !!!next-input-character;          !!!next-input-character;
# Line 2390  sub _get_next_token ($) { Line 3235  sub _get_next_token ($) {
3235          #          #
3236        }        }
3237    
3238        my $code = $self->{s_kwd};        my $code = $self->{kwd};
3239        my $l = $self->{line_prev};        my $l = $self->{line_prev};
3240        my $c = $self->{column_prev};        my $c = $self->{column_prev};
3241        if ($charref_map->{$code}) {        if ((not $self->{is_xml} and $charref_map->{$code}) or
3242              ($self->{is_xml} and 0xD800 <= $code and $code <= 0xDFFF) or
3243              ($self->{is_xml} and $code == 0x0000)) {
3244          !!!cp (1015);          !!!cp (1015);
3245          !!!parse-error (type => 'invalid character reference',          !!!parse-error (type => 'invalid character reference',
3246                          text => (sprintf 'U+%04X', $code),                          text => (sprintf 'U+%04X', $code),
# Line 2410  sub _get_next_token ($) { Line 3257  sub _get_next_token ($) {
3257        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3258          !!!cp (992);          !!!cp (992);
3259          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3260            $self->{s_kwd} = '';
3261          ## Reconsume.          ## Reconsume.
3262          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,
3263                      has_reference => 1,
3264                    line => $l, column => $c,                    line => $l, column => $c,
3265                   });                   });
3266          redo A;          redo A;
# Line 2420  sub _get_next_token ($) { Line 3269  sub _get_next_token ($) {
3269          $self->{ca}->{value} .= chr $code;          $self->{ca}->{value} .= chr $code;
3270          $self->{ca}->{has_reference} = 1;          $self->{ca}->{has_reference} = 1;
3271          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3272            $self->{s_kwd} = '';
3273          ## Reconsume.          ## Reconsume.
3274          redo A;          redo A;
3275        }        }
# Line 2430  sub _get_next_token ($) { Line 3280  sub _get_next_token ($) {
3280          # 0..9, A..F, a..f          # 0..9, A..F, a..f
3281          !!!cp (990);          !!!cp (990);
3282          $self->{state} = HEXREF_HEX_STATE;          $self->{state} = HEXREF_HEX_STATE;
3283          $self->{s_kwd} = 0;          $self->{kwd} = 0;
3284          ## Reconsume.          ## Reconsume.
3285          redo A;          redo A;
3286        } else {        } else {
# Line 2445  sub _get_next_token ($) { Line 3295  sub _get_next_token ($) {
3295          if ($self->{prev_state} == DATA_STATE) {          if ($self->{prev_state} == DATA_STATE) {
3296            !!!cp (1005);            !!!cp (1005);
3297            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3298              $self->{s_kwd} = '';
3299            ## Reconsume.            ## Reconsume.
3300            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
3301                      data => '&' . $self->{s_kwd},                      data => '&' . $self->{kwd},
3302                      line => $self->{line_prev},                      line => $self->{line_prev},
3303                      column => $self->{column_prev} - length $self->{s_kwd},                      column => $self->{column_prev} - length $self->{kwd},
3304                     });                     });
3305            redo A;            redo A;
3306          } else {          } else {
3307            !!!cp (989);            !!!cp (989);
3308            $self->{ca}->{value} .= '&' . $self->{s_kwd};            $self->{ca}->{value} .= '&' . $self->{kwd};
3309            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3310              $self->{s_kwd} = '';
3311            ## Reconsume.            ## Reconsume.
3312            redo A;            redo A;
3313          }          }
# Line 2464  sub _get_next_token ($) { Line 3316  sub _get_next_token ($) {
3316        if (0x0030 <= $self->{nc} and $self->{nc} <= 0x0039) {        if (0x0030 <= $self->{nc} and $self->{nc} <= 0x0039) {
3317          # 0..9          # 0..9
3318          !!!cp (1002);          !!!cp (1002);
3319          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3320          $self->{s_kwd} += $self->{nc} - 0x0030;          $self->{kwd} += $self->{nc} - 0x0030;
3321          ## Stay in the state.          ## Stay in the state.
3322          !!!next-input-character;          !!!next-input-character;
3323          redo A;          redo A;
3324        } elsif (0x0061 <= $self->{nc} and        } elsif (0x0061 <= $self->{nc} and
3325                 $self->{nc} <= 0x0066) { # a..f                 $self->{nc} <= 0x0066) { # a..f
3326          !!!cp (1003);          !!!cp (1003);
3327          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3328          $self->{s_kwd} += $self->{nc} - 0x0060 + 9;          $self->{kwd} += $self->{nc} - 0x0060 + 9;
3329          ## Stay in the state.          ## Stay in the state.
3330          !!!next-input-character;          !!!next-input-character;
3331          redo A;          redo A;
3332        } elsif (0x0041 <= $self->{nc} and        } elsif (0x0041 <= $self->{nc} and
3333                 $self->{nc} <= 0x0046) { # A..F                 $self->{nc} <= 0x0046) { # A..F
3334          !!!cp (1004);          !!!cp (1004);
3335          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3336          $self->{s_kwd} += $self->{nc} - 0x0040 + 9;          $self->{kwd} += $self->{nc} - 0x0040 + 9;
3337          ## Stay in the state.          ## Stay in the state.
3338          !!!next-input-character;          !!!next-input-character;
3339          redo A;          redo A;
# Line 2498  sub _get_next_token ($) { Line 3350  sub _get_next_token ($) {
3350          #          #
3351        }        }
3352    
3353        my $code = $self->{s_kwd};        my $code = $self->{kwd};
3354        my $l = $self->{line_prev};        my $l = $self->{line_prev};
3355        my $c = $self->{column_prev};        my $c = $self->{column_prev};
3356        if ($charref_map->{$code}) {        if ((not $self->{is_xml} and $charref_map->{$code}) or
3357              ($self->{is_xml} and 0xD800 <= $code and $code <= 0xDFFF) or
3358              ($self->{is_xml} and $code == 0x0000)) {
3359          !!!cp (1008);          !!!cp (1008);
3360          !!!parse-error (type => 'invalid character reference',          !!!parse-error (type => 'invalid character reference',
3361                          text => (sprintf 'U+%04X', $code),                          text => (sprintf 'U+%04X', $code),
# Line 2518  sub _get_next_token ($) { Line 3372  sub _get_next_token ($) {
3372        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3373          !!!cp (988);          !!!cp (988);
3374          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3375            $self->{s_kwd} = '';
3376          ## Reconsume.          ## Reconsume.
3377          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,
3378                      has_reference => 1,
3379                    line => $l, column => $c,                    line => $l, column => $c,
3380                   });                   });
3381          redo A;          redo A;
# Line 2528  sub _get_next_token ($) { Line 3384  sub _get_next_token ($) {
3384          $self->{ca}->{value} .= chr $code;          $self->{ca}->{value} .= chr $code;
3385          $self->{ca}->{has_reference} = 1;          $self->{ca}->{has_reference} = 1;
3386          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3387            $self->{s_kwd} = '';
3388          ## Reconsume.          ## Reconsume.
3389          redo A;          redo A;
3390        }        }
3391      } elsif ($self->{state} == ENTITY_NAME_STATE) {      } elsif ($self->{state} == ENTITY_NAME_STATE) {
3392        if (length $self->{s_kwd} < 30 and        if ((0x0041 <= $self->{nc} and # a
3393            ## NOTE: Some number greater than the maximum length of entity name             $self->{nc} <= 0x005A) or # x
3394            ((0x0041 <= $self->{nc} and # a            (0x0061 <= $self->{nc} and # a
3395              $self->{nc} <= 0x005A) or # x             $self->{nc} <= 0x007A) or # z
3396             (0x0061 <= $self->{nc} and # a            (0x0030 <= $self->{nc} and # 0
3397              $self->{nc} <= 0x007A) or # z             $self->{nc} <= 0x0039) or # 9
3398             (0x0030 <= $self->{nc} and # 0            $self->{nc} == 0x003B or # ;
3399              $self->{nc} <= 0x0039) or # 9            ($self->{is_xml} and
3400             $self->{nc} == 0x003B)) { # ;             not ($is_space->{$self->{nc}} or
3401                    {
3402                      0x003C => 1, 0x0026 => 1, -1 => 1, # <, &
3403                      $self->{entity_add} => 1,
3404                    }->{$self->{nc}}))) {
3405          our $EntityChar;          our $EntityChar;
3406          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
3407          if (defined $EntityChar->{$self->{s_kwd}}) {          if (defined $EntityChar->{$self->{kwd}} or
3408                $self->{ge}->{$self->{kwd}}) {
3409            if ($self->{nc} == 0x003B) { # ;            if ($self->{nc} == 0x003B) { # ;
3410              !!!cp (1020);              if (defined $self->{ge}->{$self->{kwd}}) {
3411              $self->{entity__value} = $EntityChar->{$self->{s_kwd}};                if ($self->{ge}->{$self->{kwd}}->{only_text}) {
3412                    !!!cp (1020.1);
3413                    $self->{entity__value} = $self->{ge}->{$self->{kwd}}->{value};
3414                  } else {
3415                    if (defined $self->{ge}->{$self->{kwd}}->{notation}) {
3416                      !!!cp (1020.2);
3417                      !!!parse-error (type => 'unparsed entity', ## TODO: type
3418                                      value => $self->{kwd});
3419                    } else {
3420                      !!!cp (1020.3);
3421                    }
3422                    $self->{entity__value} = '&' . $self->{kwd}; ## TODO: expand
3423                  }
3424                } else {
3425                  if ($self->{is_xml}) {
3426                    !!!cp (1020.4);
3427                    !!!parse-error (type => 'entity not declared', ## TODO: type
3428                                    value => $self->{kwd},
3429                                    level => {
3430                                              'amp;' => $self->{level}->{warn},
3431                                              'quot;' => $self->{level}->{warn},
3432                                              'lt;' => $self->{level}->{warn},
3433                                              'gt;' => $self->{level}->{warn},
3434                                              'apos;' => $self->{level}->{warn},
3435                                             }->{$self->{kwd}} ||
3436                                             $self->{level}->{must});
3437                  } else {
3438                    !!!cp (1020);
3439                  }
3440                  $self->{entity__value} = $EntityChar->{$self->{kwd}};
3441                }
3442              $self->{entity__match} = 1;              $self->{entity__match} = 1;
3443              !!!next-input-character;              !!!next-input-character;
3444              #              #
3445            } else {            } else {
3446              !!!cp (1021);              !!!cp (1021);
3447              $self->{entity__value} = $EntityChar->{$self->{s_kwd}};              $self->{entity__value} = $EntityChar->{$self->{kwd}};
3448              $self->{entity__match} = -1;              $self->{entity__match} = -1;
3449              ## Stay in the state.              ## Stay in the state.
3450              !!!next-input-character;              !!!next-input-character;
# Line 2580  sub _get_next_token ($) { Line 3472  sub _get_next_token ($) {
3472          if ($self->{prev_state} != DATA_STATE and # in attribute          if ($self->{prev_state} != DATA_STATE and # in attribute
3473              $self->{entity__match} < -1) {              $self->{entity__match} < -1) {
3474            !!!cp (1024);            !!!cp (1024);
3475            $data = '&' . $self->{s_kwd};            $data = '&' . $self->{kwd};
3476            #            #
3477          } else {          } else {
3478            !!!cp (1025);            !!!cp (1025);
# Line 2592  sub _get_next_token ($) { Line 3484  sub _get_next_token ($) {
3484          !!!cp (1026);          !!!cp (1026);
3485          !!!parse-error (type => 'bare ero',          !!!parse-error (type => 'bare ero',
3486                          line => $self->{line_prev},                          line => $self->{line_prev},
3487                          column => $self->{column_prev} - length $self->{s_kwd});                          column => $self->{column_prev} - length $self->{kwd});
3488          $data = '&' . $self->{s_kwd};          $data = '&' . $self->{kwd};
3489          #          #
3490        }        }
3491        
# Line 2610  sub _get_next_token ($) { Line 3502  sub _get_next_token ($) {
3502        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3503          !!!cp (986);          !!!cp (986);
3504          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3505            $self->{s_kwd} = '';
3506          ## Reconsume.          ## Reconsume.
3507          !!!emit ({type => CHARACTER_TOKEN,          !!!emit ({type => CHARACTER_TOKEN,
3508                    data => $data,                    data => $data,
3509                      has_reference => $has_ref,
3510                    line => $self->{line_prev},                    line => $self->{line_prev},
3511                    column => $self->{column_prev} + 1 - length $self->{s_kwd},                    column => $self->{column_prev} + 1 - length $self->{kwd},
3512                   });                   });
3513          redo A;          redo A;
3514        } else {        } else {
# Line 2622  sub _get_next_token ($) { Line 3516  sub _get_next_token ($) {
3516          $self->{ca}->{value} .= $data;          $self->{ca}->{value} .= $data;
3517          $self->{ca}->{has_reference} = 1 if $has_ref;          $self->{ca}->{has_reference} = 1 if $has_ref;
3518          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3519            $self->{s_kwd} = '';
3520            ## Reconsume.
3521            redo A;
3522          }
3523    
3524        ## XML-only states
3525    
3526        } elsif ($self->{state} == PI_STATE) {
3527          ## XML5: "Pi state" and "DOCTYPE pi state".
3528    
3529          if ($is_space->{$self->{nc}} or
3530              $self->{nc} == 0x003F or # ?
3531              $self->{nc} == -1) {
3532            ## XML5: U+003F: "pi state": Same as "Anything else"; "DOCTYPE
3533            ## pi state": Switch to the "DOCTYPE pi after state".  EOF:
3534            ## "DOCTYPE pi state": Parse error, switch to the "data
3535            ## state".
3536            !!!parse-error (type => 'bare pio', ## TODO: type
3537                            line => $self->{line_prev},
3538                            column => $self->{column_prev}
3539                                - 1 * ($self->{nc} != -1));
3540            $self->{state} = BOGUS_COMMENT_STATE;
3541            ## Reconsume.
3542            $self->{ct} = {type => COMMENT_TOKEN,
3543                           data => '?',
3544                           line => $self->{line_prev},
3545                           column => $self->{column_prev}
3546                               - 1 * ($self->{nc} != -1),
3547                          };
3548            redo A;
3549          } else {
3550            ## XML5: "DOCTYPE pi state": Stay in the state.
3551            $self->{ct} = {type => PI_TOKEN,
3552                           target => chr $self->{nc},
3553                           data => '',
3554                           line => $self->{line_prev},
3555                           column => $self->{column_prev} - 1,
3556                          };
3557            $self->{state} = PI_TARGET_STATE;
3558            !!!next-input-character;
3559            redo A;
3560          }
3561        } elsif ($self->{state} == PI_TARGET_STATE) {
3562          if ($is_space->{$self->{nc}}) {
3563            $self->{state} = PI_TARGET_AFTER_STATE;
3564            !!!next-input-character;
3565            redo A;
3566          } elsif ($self->{nc} == -1) {
3567            !!!parse-error (type => 'no pic'); ## TODO: type
3568            if ($self->{in_subset}) {
3569              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3570            } else {
3571              $self->{state} = DATA_STATE;
3572              $self->{s_kwd} = '';
3573            }
3574            ## Reconsume.
3575            !!!emit ($self->{ct}); # pi
3576            redo A;
3577          } elsif ($self->{nc} == 0x003F) { # ?
3578            $self->{state} = PI_AFTER_STATE;
3579            !!!next-input-character;
3580            redo A;
3581          } else {
3582            ## XML5: typo ("tag name" -> "target")
3583            $self->{ct}->{target} .= chr $self->{nc}; # pi
3584            !!!next-input-character;
3585            redo A;
3586          }
3587        } elsif ($self->{state} == PI_TARGET_AFTER_STATE) {
3588          if ($is_space->{$self->{nc}}) {
3589            ## Stay in the state.
3590            !!!next-input-character;
3591            redo A;
3592          } else {
3593            $self->{state} = PI_DATA_STATE;
3594            ## Reprocess.
3595            redo A;
3596          }
3597        } elsif ($self->{state} == PI_DATA_STATE) {
3598          if ($self->{nc} == 0x003F) { # ?
3599            $self->{state} = PI_DATA_AFTER_STATE;
3600            !!!next-input-character;
3601            redo A;
3602          } elsif ($self->{nc} == -1) {
3603            !!!parse-error (type => 'no pic'); ## TODO: type
3604            if ($self->{in_subset}) {
3605              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state"
3606            } else {
3607              $self->{state} = DATA_STATE;
3608              $self->{s_kwd} = '';
3609            }
3610            ## Reprocess.
3611            !!!emit ($self->{ct}); # pi
3612            redo A;
3613          } else {
3614            $self->{ct}->{data} .= chr $self->{nc}; # pi
3615            $self->{read_until}->($self->{ct}->{data}, q[?],
3616                                  length $self->{ct}->{data});
3617            ## Stay in the state.
3618            !!!next-input-character;
3619            ## Reprocess.
3620            redo A;
3621          }
3622        } elsif ($self->{state} == PI_AFTER_STATE) {
3623          ## XML5: Part of "Pi after state".
3624    
3625          if ($self->{nc} == 0x003E) { # >
3626            if ($self->{in_subset}) {
3627              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3628            } else {
3629              $self->{state} = DATA_STATE;
3630              $self->{s_kwd} = '';
3631            }
3632            !!!next-input-character;
3633            !!!emit ($self->{ct}); # pi
3634            redo A;
3635          } elsif ($self->{nc} == 0x003F) { # ?
3636            !!!parse-error (type => 'no s after target', ## TODO: type
3637                            line => $self->{line_prev},
3638                            column => $self->{column_prev}); ## XML5: no error
3639            $self->{ct}->{data} .= '?';
3640            $self->{state} = PI_DATA_AFTER_STATE;
3641            !!!next-input-character;
3642            redo A;
3643          } else {
3644            !!!parse-error (type => 'no s after target', ## TODO: type
3645                            line => $self->{line_prev},
3646                            column => $self->{column_prev}
3647                                + 1 * ($self->{nc} == -1)); ## XML5: no error
3648            $self->{ct}->{data} .= '?'; ## XML5: not appended
3649            $self->{state} = PI_DATA_STATE;
3650            ## Reprocess.
3651            redo A;
3652          }
3653        } elsif ($self->{state} == PI_DATA_AFTER_STATE) {
3654          ## XML5: Same as "pi after state" and "DOCTYPE pi after state".
3655    
3656          if ($self->{nc} == 0x003E) { # >
3657            if ($self->{in_subset}) {
3658              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3659            } else {
3660              $self->{state} = DATA_STATE;
3661              $self->{s_kwd} = '';
3662            }
3663            !!!next-input-character;
3664            !!!emit ($self->{ct}); # pi
3665            redo A;
3666          } elsif ($self->{nc} == 0x003F) { # ?
3667            $self->{ct}->{data} .= '?';
3668            ## Stay in the state.
3669            !!!next-input-character;
3670            redo A;
3671          } else {
3672            $self->{ct}->{data} .= '?'; ## XML5: not appended
3673            $self->{state} = PI_DATA_STATE;
3674            ## Reprocess.
3675            redo A;
3676          }
3677    
3678        } elsif ($self->{state} == DOCTYPE_INTERNAL_SUBSET_STATE) {
3679          if ($self->{nc} == 0x003C) { # <
3680            $self->{state} = DOCTYPE_TAG_STATE;
3681            !!!next-input-character;
3682            redo A;
3683          } elsif ($self->{nc} == 0x0025) { # %
3684            ## XML5: Not defined yet.
3685    
3686            ## TODO:
3687    
3688            if (not $self->{stop_processing} and
3689                not $self->{document}->xml_standalone) {
3690              !!!parse-error (type => 'stop processing', ## TODO: type
3691                              level => $self->{level}->{info});
3692              $self->{stop_processing} = 1;
3693            }
3694    
3695            !!!next-input-character;
3696            redo A;
3697          } elsif ($self->{nc} == 0x005D) { # ]
3698            delete $self->{in_subset};
3699            $self->{state} = DOCTYPE_INTERNAL_SUBSET_AFTER_STATE;
3700            !!!next-input-character;
3701            redo A;
3702          } elsif ($is_space->{$self->{nc}}) {
3703            ## Stay in the state.
3704            !!!next-input-character;
3705            redo A;
3706          } elsif ($self->{nc} == -1) {
3707            !!!parse-error (type => 'unclosed internal subset'); ## TODO: type
3708            delete $self->{in_subset};
3709            $self->{state} = DATA_STATE;
3710            $self->{s_kwd} = '';
3711          ## Reconsume.          ## Reconsume.
3712            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3713            redo A;
3714          } else {
3715            unless ($self->{internal_subset_tainted}) {
3716              ## XML5: No parse error.
3717              !!!parse-error (type => 'string in internal subset');
3718              $self->{internal_subset_tainted} = 1;
3719            }
3720            ## Stay in the state.
3721            !!!next-input-character;
3722            redo A;
3723          }
3724        } elsif ($self->{state} == DOCTYPE_INTERNAL_SUBSET_AFTER_STATE) {
3725          if ($self->{nc} == 0x003E) { # >
3726            $self->{state} = DATA_STATE;
3727            $self->{s_kwd} = '';
3728            !!!next-input-character;
3729            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3730            redo A;
3731          } elsif ($self->{nc} == -1) {
3732            !!!parse-error (type => 'unclosed DOCTYPE');
3733            $self->{state} = DATA_STATE;
3734            $self->{s_kwd} = '';
3735            ## Reconsume.
3736            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3737            redo A;
3738          } else {
3739            ## XML5: No parse error and stay in the state.
3740            !!!parse-error (type => 'string after internal subset'); ## TODO: type
3741    
3742            $self->{state} = BOGUS_DOCTYPE_INTERNAL_SUBSET_AFTER_STATE;
3743            !!!next-input-character;
3744            redo A;
3745          }
3746        } elsif ($self->{state} == BOGUS_DOCTYPE_INTERNAL_SUBSET_AFTER_STATE) {
3747          if ($self->{nc} == 0x003E) { # >
3748            $self->{state} = DATA_STATE;
3749            $self->{s_kwd} = '';
3750            !!!next-input-character;
3751            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3752            redo A;
3753          } elsif ($self->{nc} == -1) {
3754            $self->{state} = DATA_STATE;
3755            $self->{s_kwd} = '';
3756            ## Reconsume.
3757            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3758            redo A;
3759          } else {
3760            ## Stay in the state.
3761            !!!next-input-character;
3762            redo A;
3763          }
3764        } elsif ($self->{state} == DOCTYPE_TAG_STATE) {
3765          if ($self->{nc} == 0x0021) { # !
3766            $self->{state} = DOCTYPE_MARKUP_DECLARATION_OPEN_STATE;
3767            !!!next-input-character;
3768            redo A;
3769          } elsif ($self->{nc} == 0x003F) { # ?
3770            $self->{state} = PI_STATE;
3771            !!!next-input-character;
3772            redo A;
3773          } elsif ($self->{nc} == -1) {
3774            !!!parse-error (type => 'bare stago');
3775            $self->{state} = DATA_STATE;
3776            $self->{s_kwd} = '';
3777            ## Reconsume.
3778            redo A;
3779          } else {
3780            !!!parse-error (type => 'bare stago', ## XML5: Not a parse error.
3781                            line => $self->{line_prev},
3782                            column => $self->{column_prev});
3783            $self->{state} = BOGUS_COMMENT_STATE;
3784            $self->{ct} = {type => COMMENT_TOKEN,
3785                           data => '',
3786                          }; ## NOTE: Will be discarded.
3787            !!!next-input-character;
3788            redo A;
3789          }
3790        } elsif ($self->{state} == DOCTYPE_MARKUP_DECLARATION_OPEN_STATE) {
3791          ## XML5: "DOCTYPE markup declaration state".
3792          
3793          if ($self->{nc} == 0x002D) { # -
3794            $self->{state} = MD_HYPHEN_STATE;
3795            !!!next-input-character;
3796            redo A;
3797          } elsif ($self->{nc} == 0x0045 or # E
3798                   $self->{nc} == 0x0065) { # e
3799            $self->{state} = MD_E_STATE;
3800            $self->{kwd} = chr $self->{nc};
3801            !!!next-input-character;
3802            redo A;
3803          } elsif ($self->{nc} == 0x0041 or # A
3804                   $self->{nc} == 0x0061) { # a
3805            $self->{state} = MD_ATTLIST_STATE;
3806            $self->{kwd} = chr $self->{nc};
3807            !!!next-input-character;
3808            redo A;
3809          } elsif ($self->{nc} == 0x004E or # N
3810                   $self->{nc} == 0x006E) { # n
3811            $self->{state} = MD_NOTATION_STATE;
3812            $self->{kwd} = chr $self->{nc};
3813            !!!next-input-character;
3814            redo A;
3815          } else {
3816            #
3817          }
3818          
3819          ## XML5: No parse error.
3820          !!!parse-error (type => 'bogus comment',
3821                          line => $self->{line_prev},
3822                          column => $self->{column_prev} - 1);
3823          ## Reconsume.
3824          $self->{state} = BOGUS_COMMENT_STATE;
3825          $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded.
3826          redo A;
3827        } elsif ($self->{state} == MD_E_STATE) {
3828          if ($self->{nc} == 0x004E or # N
3829              $self->{nc} == 0x006E) { # n
3830            $self->{state} = MD_ENTITY_STATE;
3831            $self->{kwd} .= chr $self->{nc};
3832            !!!next-input-character;
3833            redo A;
3834          } elsif ($self->{nc} == 0x004C or # L
3835                   $self->{nc} == 0x006C) { # l
3836            ## XML5: <!ELEMENT> not supported.
3837            $self->{state} = MD_ELEMENT_STATE;
3838            $self->{kwd} .= chr $self->{nc};
3839            !!!next-input-character;
3840            redo A;
3841          } else {
3842            ## XML5: No parse error.
3843            !!!parse-error (type => 'bogus comment',
3844                            line => $self->{line_prev},
3845                            column => $self->{column_prev} - 2
3846                                + 1 * ($self->{nc} == -1));
3847            ## Reconsume.
3848            $self->{state} = BOGUS_COMMENT_STATE;
3849            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3850            redo A;
3851          }
3852        } elsif ($self->{state} == MD_ENTITY_STATE) {
3853          if ($self->{nc} == [
3854                undef,
3855                undef,
3856                0x0054, # T
3857                0x0049, # I
3858                0x0054, # T
3859              ]->[length $self->{kwd}] or
3860              $self->{nc} == [
3861                undef,
3862                undef,
3863                0x0074, # t
3864                0x0069, # i
3865                0x0074, # t
3866              ]->[length $self->{kwd}]) {
3867            ## Stay in the state.
3868            $self->{kwd} .= chr $self->{nc};
3869            !!!next-input-character;
3870            redo A;
3871          } elsif ((length $self->{kwd}) == 5 and
3872                   ($self->{nc} == 0x0059 or # Y
3873                    $self->{nc} == 0x0079)) { # y
3874            if ($self->{kwd} ne 'ENTIT' or $self->{nc} == 0x0079) {
3875              !!!parse-error (type => 'lowercase keyword', ## TODO: type
3876                              text => 'ENTITY',
3877                              line => $self->{line_prev},
3878                              column => $self->{column_prev} - 4);
3879            }
3880            $self->{ct} = {type => GENERAL_ENTITY_TOKEN, name => '',
3881                           line => $self->{line_prev},
3882                           column => $self->{column_prev} - 6};
3883            $self->{state} = DOCTYPE_MD_STATE;
3884            !!!next-input-character;
3885            redo A;
3886          } else {
3887            !!!parse-error (type => 'bogus comment',
3888                            line => $self->{line_prev},
3889                            column => $self->{column_prev} - 1
3890                                - (length $self->{kwd})
3891                                + 1 * ($self->{nc} == -1));
3892            $self->{state} = BOGUS_COMMENT_STATE;
3893            ## Reconsume.
3894            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3895            redo A;
3896          }
3897        } elsif ($self->{state} == MD_ELEMENT_STATE) {
3898          if ($self->{nc} == [
3899               undef,
3900               undef,
3901               0x0045, # E
3902               0x004D, # M
3903               0x0045, # E
3904               0x004E, # N
3905              ]->[length $self->{kwd}] or
3906              $self->{nc} == [
3907               undef,
3908               undef,
3909               0x0065, # e
3910               0x006D, # m
3911               0x0065, # e
3912               0x006E, # n
3913              ]->[length $self->{kwd}]) {
3914            ## Stay in the state.
3915            $self->{kwd} .= chr $self->{nc};
3916            !!!next-input-character;
3917            redo A;
3918          } elsif ((length $self->{kwd}) == 6 and
3919                   ($self->{nc} == 0x0054 or # T
3920                    $self->{nc} == 0x0074)) { # t
3921            if ($self->{kwd} ne 'ELEMEN' or $self->{nc} == 0x0074) {
3922              !!!parse-error (type => 'lowercase keyword', ## TODO: type
3923                              text => 'ELEMENT',
3924                              line => $self->{line_prev},
3925                              column => $self->{column_prev} - 5);
3926            }
3927            $self->{ct} = {type => ELEMENT_TOKEN, name => '',
3928                           line => $self->{line_prev},
3929                           column => $self->{column_prev} - 7};
3930            $self->{state} = DOCTYPE_MD_STATE;
3931            !!!next-input-character;
3932            redo A;
3933          } else {
3934            !!!parse-error (type => 'bogus comment',
3935                            line => $self->{line_prev},
3936                            column => $self->{column_prev} - 1
3937                                - (length $self->{kwd})
3938                                + 1 * ($self->{nc} == -1));
3939            $self->{state} = BOGUS_COMMENT_STATE;
3940            ## Reconsume.
3941            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3942            redo A;
3943          }
3944        } elsif ($self->{state} == MD_ATTLIST_STATE) {
3945          if ($self->{nc} == [
3946               undef,
3947               0x0054, # T
3948               0x0054, # T
3949               0x004C, # L
3950               0x0049, # I
3951               0x0053, # S
3952              ]->[length $self->{kwd}] or
3953              $self->{nc} == [
3954               undef,
3955               0x0074, # t
3956               0x0074, # t
3957               0x006C, # l
3958               0x0069, # i
3959               0x0073, # s
3960              ]->[length $self->{kwd}]) {
3961            ## Stay in the state.
3962            $self->{kwd} .= chr $self->{nc};
3963            !!!next-input-character;
3964            redo A;
3965          } elsif ((length $self->{kwd}) == 6 and
3966                   ($self->{nc} == 0x0054 or # T
3967                    $self->{nc} == 0x0074)) { # t
3968            if ($self->{kwd} ne 'ATTLIS' or $self->{nc} == 0x0074) {
3969              !!!parse-error (type => 'lowercase keyword', ## TODO: type
3970                              text => 'ATTLIST',
3971                              line => $self->{line_prev},
3972                              column => $self->{column_prev} - 5);
3973            }
3974            $self->{ct} = {type => ATTLIST_TOKEN, name => '',
3975                           attrdefs => [],
3976                           line => $self->{line_prev},
3977                           column => $self->{column_prev} - 7};
3978            $self->{state} = DOCTYPE_MD_STATE;
3979            !!!next-input-character;
3980            redo A;
3981          } else {
3982            !!!parse-error (type => 'bogus comment',
3983                            line => $self->{line_prev},
3984                            column => $self->{column_prev} - 1
3985                                 - (length $self->{kwd})
3986                                 + 1 * ($self->{nc} == -1));
3987            $self->{state} = BOGUS_COMMENT_STATE;
3988            ## Reconsume.
3989            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3990            redo A;
3991          }
3992        } elsif ($self->{state} == MD_NOTATION_STATE) {
3993          if ($self->{nc} == [
3994               undef,
3995               0x004F, # O
3996               0x0054, # T
3997               0x0041, # A
3998               0x0054, # T
3999               0x0049, # I
4000               0x004F, # O
4001              ]->[length $self->{kwd}] or
4002              $self->{nc} == [
4003               undef,
4004               0x006F, # o
4005               0x0074, # t
4006               0x0061, # a
4007               0x0074, # t
4008               0x0069, # i
4009               0x006F, # o
4010              ]->[length $self->{kwd}]) {
4011            ## Stay in the state.
4012            $self->{kwd} .= chr $self->{nc};
4013            !!!next-input-character;
4014            redo A;
4015          } elsif ((length $self->{kwd}) == 7 and
4016                   ($self->{nc} == 0x004E or # N
4017                    $self->{nc} == 0x006E)) { # n
4018            if ($self->{kwd} ne 'NOTATIO' or $self->{nc} == 0x006E) {
4019              !!!parse-error (type => 'lowercase keyword', ## TODO: type
4020                              text => 'NOTATION',
4021                              line => $self->{line_prev},
4022                              column => $self->{column_prev} - 6);
4023            }
4024            $self->{ct} = {type => NOTATION_TOKEN, name => '',
4025                           line => $self->{line_prev},
4026                           column => $self->{column_prev} - 8};
4027            $self->{state} = DOCTYPE_MD_STATE;
4028            !!!next-input-character;
4029            redo A;
4030          } else {
4031            !!!parse-error (type => 'bogus comment',
4032                            line => $self->{line_prev},
4033                            column => $self->{column_prev} - 1
4034                                - (length $self->{kwd})
4035                                + 1 * ($self->{nc} == -1));
4036            $self->{state} = BOGUS_COMMENT_STATE;
4037            ## Reconsume.
4038            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
4039            redo A;
4040          }
4041        } elsif ($self->{state} == DOCTYPE_MD_STATE) {
4042          ## XML5: "DOCTYPE ENTITY state", "DOCTYPE ATTLIST state", and
4043          ## "DOCTYPE NOTATION state".
4044    
4045          if ($is_space->{$self->{nc}}) {
4046            ## XML5: [NOTATION] Switch to the "DOCTYPE NOTATION identifier state".
4047            $self->{state} = BEFORE_MD_NAME_STATE;
4048            !!!next-input-character;
4049            redo A;
4050          } elsif ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN and
4051                   $self->{nc} == 0x0025) { # %
4052            ## XML5: Switch to the "DOCTYPE bogus comment state".
4053            !!!parse-error (type => 'no space before md name'); ## TODO: type
4054            $self->{state} = DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE;
4055            !!!next-input-character;
4056            redo A;
4057          } elsif ($self->{nc} == -1) {
4058            !!!parse-error (type => 'unclosed md'); ## TODO: type
4059            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4060            ## Reconsume.
4061            redo A;
4062          } elsif ($self->{nc} == 0x003E) { # >
4063            ## XML5: Switch to the "DOCTYPE bogus comment state".
4064            !!!parse-error (type => 'no md name'); ## TODO: type
4065            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4066            !!!next-input-character;
4067            redo A;
4068          } else {
4069            ## XML5: Switch to the "DOCTYPE bogus comment state".
4070            !!!parse-error (type => 'no space before md name'); ## TODO: type
4071            $self->{state} = BEFORE_MD_NAME_STATE;
4072            redo A;
4073          }
4074        } elsif ($self->{state} == BEFORE_MD_NAME_STATE) {
4075          ## XML5: "DOCTYPE ENTITY parameter state", "DOCTYPE ENTITY type
4076          ## before state", "DOCTYPE ATTLIST name before state".
4077    
4078          if ($is_space->{$self->{nc}}) {
4079            ## Stay in the state.
4080            !!!next-input-character;
4081            redo A;
4082          } elsif ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN and
4083                   $self->{nc} == 0x0025) { # %
4084            $self->{state} = DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE;
4085            !!!next-input-character;
4086            redo A;
4087          } elsif ($self->{nc} == 0x003E) { # >
4088            ## XML5: Same as "Anything else".
4089            !!!parse-error (type => 'no md name'); ## TODO: type
4090            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4091            !!!next-input-character;
4092            redo A;
4093          } elsif ($self->{nc} == -1) {
4094            !!!parse-error (type => 'unclosed md'); ## TODO: type
4095            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4096            ## Reconsume.
4097            redo A;
4098          } else {
4099            ## XML5: [ATTLIST] Not defined yet.
4100            $self->{ct}->{name} .= chr $self->{nc};
4101            $self->{state} = MD_NAME_STATE;
4102            !!!next-input-character;
4103            redo A;
4104          }
4105        } elsif ($self->{state} == DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE) {
4106          if ($is_space->{$self->{nc}}) {
4107            ## XML5: Switch to the "DOCTYPE ENTITY parameter state".
4108            $self->{ct}->{type} = PARAMETER_ENTITY_TOKEN;
4109            $self->{state} = BEFORE_MD_NAME_STATE;
4110            !!!next-input-character;
4111            redo A;
4112          } elsif ($self->{nc} == 0x003E) { # >
4113            ## XML5: Same as "Anything else".
4114            !!!parse-error (type => 'no md name'); ## TODO: type
4115            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4116            !!!next-input-character;
4117            redo A;
4118          } elsif ($self->{nc} == -1) {
4119            !!!parse-error (type => 'unclosed md');
4120            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4121            ## Reconsume.
4122            redo A;
4123          } else {
4124            ## XML5: No parse error.
4125            !!!parse-error (type => 'no space after ENTITY percent'); ## TODO: type
4126            $self->{state} = BOGUS_COMMENT_STATE;
4127            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
4128            ## Reconsume.
4129            redo A;
4130          }
4131        } elsif ($self->{state} == MD_NAME_STATE) {
4132          ## XML5: "DOCTYPE ENTITY name state" and "DOCTYPE ATTLIST name state".
4133          
4134          if ($is_space->{$self->{nc}}) {
4135            if ($self->{ct}->{type} == ATTLIST_TOKEN) {
4136              $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4137            } elsif ($self->{ct}->{type} == ELEMENT_TOKEN) {
4138              $self->{state} = AFTER_ELEMENT_NAME_STATE;
4139            } else { # ENTITY/NOTATION
4140              $self->{state} = AFTER_DOCTYPE_NAME_STATE;
4141            }
4142            !!!next-input-character;
4143            redo A;
4144          } elsif ($self->{nc} == 0x003E) { # >
4145            if ($self->{ct}->{type} == ATTLIST_TOKEN) {
4146              #
4147            } else {
4148              !!!parse-error (type => 'no md def'); ## TODO: type
4149            }
4150            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4151            !!!next-input-character;
4152            !!!emit ($self->{ct}); # ELEMENT/ENTITY/ATTLIST/NOTATION
4153            redo A;
4154          } elsif ($self->{nc} == -1) {
4155            ## XML5: [ATTLIST] No parse error.
4156            !!!parse-error (type => 'unclosed md');
4157            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4158            ## Reconsume.
4159            !!!emit ($self->{ct}); # ELEMENT/ENTITY/ATTLIST/NOTATION
4160            redo A;
4161          } else {
4162            ## XML5: [ATTLIST] Not defined yet.
4163            $self->{ct}->{name} .= chr $self->{nc};
4164            ## Stay in the state.
4165            !!!next-input-character;
4166            redo A;
4167          }
4168        } elsif ($self->{state} == DOCTYPE_ATTLIST_NAME_AFTER_STATE) {
4169          if ($is_space->{$self->{nc}}) {
4170            ## Stay in the state.
4171            !!!next-input-character;
4172            redo A;
4173          } elsif ($self->{nc} == 0x003E) { # >
4174            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4175            !!!next-input-character;
4176            !!!emit ($self->{ct}); # ATTLIST
4177            redo A;
4178          } elsif ($self->{nc} == -1) {
4179            ## XML5: No parse error.
4180            !!!parse-error (type => 'unclosed md'); ## TODO: type
4181            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4182            !!!emit ($self->{ct});
4183            redo A;
4184          } else {
4185            ## XML5: Not defined yet.
4186            $self->{ca} = {name => chr ($self->{nc}), # attrdef
4187                           tokens => [],
4188                           line => $self->{line}, column => $self->{column}};
4189            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_NAME_STATE;
4190            !!!next-input-character;
4191            redo A;
4192          }
4193        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_NAME_STATE) {
4194          if ($is_space->{$self->{nc}}) {
4195            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_NAME_AFTER_STATE;
4196            !!!next-input-character;
4197            redo A;
4198          } elsif ($self->{nc} == 0x003E) { # >
4199            ## XML5: Same as "anything else".
4200            !!!parse-error (type => 'no attr type'); ## TODO: type
4201            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4202            !!!next-input-character;
4203            !!!emit ($self->{ct}); # ATTLIST
4204            redo A;
4205          } elsif ($self->{nc} == 0x0028) { # (
4206            ## XML5: Same as "anything else".
4207            !!!parse-error (type => 'no space before paren'); ## TODO: type
4208            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4209            !!!next-input-character;
4210            redo A;
4211          } elsif ($self->{nc} == -1) {
4212            ## XML5: No parse error.
4213            !!!parse-error (type => 'unclosed md'); ## TODO: type
4214            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4215            !!!next-input-character;
4216            !!!emit ($self->{ct}); # ATTLIST
4217            redo A;
4218          } else {
4219            ## XML5: Not defined yet.
4220            $self->{ca}->{name} .= chr $self->{nc};
4221            ## Stay in the state.
4222            !!!next-input-character;
4223            redo A;
4224          }
4225        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_NAME_AFTER_STATE) {
4226          if ($is_space->{$self->{nc}}) {
4227            ## Stay in the state.
4228            !!!next-input-character;
4229            redo A;
4230          } elsif ($self->{nc} == 0x003E) { # >
4231            ## XML5: Same as "anything else".
4232            !!!parse-error (type => 'no attr type'); ## TODO: type
4233            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4234            !!!next-input-character;
4235            !!!emit ($self->{ct}); # ATTLIST
4236            redo A;
4237          } elsif ($self->{nc} == 0x0028) { # (
4238            ## XML5: Same as "anything else".
4239            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4240            !!!next-input-character;
4241            redo A;
4242          } elsif ($self->{nc} == -1) {
4243            ## XML5: No parse error.
4244            !!!parse-error (type => 'unclosed md'); ## TODO: type
4245            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4246            !!!next-input-character;
4247            !!!emit ($self->{ct});
4248            redo A;
4249          } else {
4250            ## XML5: Not defined yet.
4251            $self->{ca}->{type} = chr $self->{nc};
4252            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_STATE;
4253            !!!next-input-character;
4254            redo A;
4255          }
4256        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_STATE) {
4257          if ($is_space->{$self->{nc}}) {
4258            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_AFTER_STATE;
4259            !!!next-input-character;
4260            redo A;
4261          } elsif ($self->{nc} == 0x0023) { # #
4262            ## XML5: Same as "anything else".
4263            !!!parse-error (type => 'no space before default value'); ## TODO: type
4264            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4265            !!!next-input-character;
4266            redo A;
4267          } elsif ($self->{nc} == 0x0022) { # "
4268            ## XML5: Same as "anything else".
4269            !!!parse-error (type => 'no space before default value'); ## TODO: type
4270            $self->{ca}->{value} = '';
4271            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4272            !!!next-input-character;
4273            redo A;
4274          } elsif ($self->{nc} == 0x0027) { # '
4275            ## XML5: Same as "anything else".
4276            !!!parse-error (type => 'no space before default value'); ## TODO: type
4277            $self->{ca}->{value} = '';
4278            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4279            !!!next-input-character;
4280            redo A;
4281          } elsif ($self->{nc} == 0x003E) { # >
4282            ## XML5: Same as "anything else".
4283            !!!parse-error (type => 'no attr default'); ## TODO: type
4284            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4285            !!!next-input-character;
4286            !!!emit ($self->{ct}); # ATTLIST
4287            redo A;
4288          } elsif ($self->{nc} == 0x0028) { # (
4289            ## XML5: Same as "anything else".
4290            !!!parse-error (type => 'no space before paren'); ## TODO: type
4291            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4292            !!!next-input-character;
4293            redo A;
4294          } elsif ($self->{nc} == -1) {
4295            ## XML5: No parse error.
4296            !!!parse-error (type => 'unclosed md'); ## TODO: type
4297            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4298            !!!next-input-character;
4299            !!!emit ($self->{ct});
4300            redo A;
4301          } else {
4302            ## XML5: Not defined yet.
4303            $self->{ca}->{type} .= chr $self->{nc};
4304            ## Stay in the state.
4305            !!!next-input-character;
4306            redo A;
4307          }
4308        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_AFTER_STATE) {
4309          if ($is_space->{$self->{nc}}) {
4310            ## Stay in the state.
4311            !!!next-input-character;
4312            redo A;
4313          } elsif ($self->{nc} == 0x0028) { # (
4314            ## XML5: Same as "anything else".
4315            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4316            !!!next-input-character;
4317            redo A;
4318          } elsif ($self->{nc} == 0x0023) { # #
4319            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4320            !!!next-input-character;
4321            redo A;
4322          } elsif ($self->{nc} == 0x0022) { # "
4323            ## XML5: Same as "anything else".
4324            $self->{ca}->{value} = '';
4325            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4326            !!!next-input-character;
4327            redo A;
4328          } elsif ($self->{nc} == 0x0027) { # '
4329            ## XML5: Same as "anything else".
4330            $self->{ca}->{value} = '';
4331            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4332            !!!next-input-character;
4333            redo A;
4334          } elsif ($self->{nc} == 0x003E) { # >
4335            ## XML5: Same as "anything else".
4336            !!!parse-error (type => 'no attr default'); ## TODO: type
4337            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4338            !!!next-input-character;
4339            !!!emit ($self->{ct}); # ATTLIST
4340            redo A;
4341          } elsif ($self->{nc} == -1) {
4342            ## XML5: No parse error.
4343            !!!parse-error (type => 'unclosed md'); ## TODO: type
4344            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4345            !!!next-input-character;
4346            !!!emit ($self->{ct});
4347            redo A;
4348          } else {
4349            ## XML5: Switch to the "DOCTYPE bogus comment state".
4350            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4351            $self->{ca}->{value} = '';
4352            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4353            ## Reconsume.
4354            redo A;
4355          }
4356        } elsif ($self->{state} == BEFORE_ALLOWED_TOKEN_STATE) {
4357          if ($is_space->{$self->{nc}}) {
4358            ## Stay in the state.
4359            !!!next-input-character;
4360            redo A;
4361          } elsif ($self->{nc} == 0x007C) { # |
4362            !!!parse-error (type => 'empty allowed token'); ## TODO: type
4363            ## Stay in the state.
4364            !!!next-input-character;
4365            redo A;
4366          } elsif ($self->{nc} == 0x0029) { # )
4367            !!!parse-error (type => 'empty allowed token'); ## TODO: type
4368            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4369            !!!next-input-character;
4370            redo A;
4371          } elsif ($self->{nc} == 0x003E) { # >
4372            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4373            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4374            !!!next-input-character;
4375            !!!emit ($self->{ct}); # ATTLIST
4376            redo A;
4377          } elsif ($self->{nc} == -1) {
4378            ## XML5: No parse error.
4379            !!!parse-error (type => 'unclosed md'); ## TODO: type
4380            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4381            !!!next-input-character;
4382            !!!emit ($self->{ct});
4383            redo A;
4384          } else {
4385            push @{$self->{ca}->{tokens}}, chr $self->{nc};
4386            $self->{state} = ALLOWED_TOKEN_STATE;
4387            !!!next-input-character;
4388            redo A;
4389          }
4390        } elsif ($self->{state} == ALLOWED_TOKEN_STATE) {
4391          if ($is_space->{$self->{nc}}) {
4392            $self->{state} = AFTER_ALLOWED_TOKEN_STATE;
4393            !!!next-input-character;
4394            redo A;
4395          } elsif ($self->{nc} == 0x007C) { # |
4396            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4397            !!!next-input-character;
4398            redo A;
4399          } elsif ($self->{nc} == 0x0029) { # )
4400            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4401            !!!next-input-character;
4402            redo A;
4403          } elsif ($self->{nc} == 0x003E) { # >
4404            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4405            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4406            !!!next-input-character;
4407            !!!emit ($self->{ct}); # ATTLIST
4408            redo A;
4409          } elsif ($self->{nc} == -1) {
4410            ## XML5: No parse error.
4411            !!!parse-error (type => 'unclosed md'); ## TODO: type
4412            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4413            !!!next-input-character;
4414            !!!emit ($self->{ct});
4415            redo A;
4416          } else {
4417            $self->{ca}->{tokens}->[-1] .= chr $self->{nc};
4418            ## Stay in the state.
4419            !!!next-input-character;
4420            redo A;
4421          }
4422        } elsif ($self->{state} == AFTER_ALLOWED_TOKEN_STATE) {
4423          if ($is_space->{$self->{nc}}) {
4424            ## Stay in the state.
4425            !!!next-input-character;
4426            redo A;
4427          } elsif ($self->{nc} == 0x007C) { # |
4428            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4429            !!!next-input-character;
4430            redo A;
4431          } elsif ($self->{nc} == 0x0029) { # )
4432            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4433            !!!next-input-character;
4434            redo A;
4435          } elsif ($self->{nc} == 0x003E) { # >
4436            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4437            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4438            !!!next-input-character;
4439            !!!emit ($self->{ct}); # ATTLIST
4440            redo A;
4441          } elsif ($self->{nc} == -1) {
4442            ## XML5: No parse error.
4443            !!!parse-error (type => 'unclosed md'); ## TODO: type
4444            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4445            !!!next-input-character;
4446            !!!emit ($self->{ct});
4447            redo A;
4448          } else {
4449            !!!parse-error (type => 'space in allowed token', ## TODO: type
4450                            line => $self->{line_prev},
4451                            column => $self->{column_prev});
4452            $self->{ca}->{tokens}->[-1] .= ' ' . chr $self->{nc};
4453            $self->{state} = ALLOWED_TOKEN_STATE;
4454            !!!next-input-character;
4455            redo A;
4456          }
4457        } elsif ($self->{state} == AFTER_ALLOWED_TOKENS_STATE) {
4458          if ($is_space->{$self->{nc}}) {
4459            $self->{state} = BEFORE_ATTR_DEFAULT_STATE;
4460            !!!next-input-character;
4461            redo A;
4462          } elsif ($self->{nc} == 0x0023) { # #
4463            !!!parse-error (type => 'no space before default value'); ## TODO: type
4464            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4465            !!!next-input-character;
4466            redo A;
4467          } elsif ($self->{nc} == 0x0022) { # "
4468            !!!parse-error (type => 'no space before default value'); ## TODO: type
4469            $self->{ca}->{value} = '';
4470            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4471            !!!next-input-character;
4472            redo A;
4473          } elsif ($self->{nc} == 0x0027) { # '
4474            !!!parse-error (type => 'no space before default value'); ## TODO: type
4475            $self->{ca}->{value} = '';
4476            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4477            !!!next-input-character;
4478            redo A;
4479          } elsif ($self->{nc} == 0x003E) { # >
4480            !!!parse-error (type => 'no attr default'); ## TODO: type
4481            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4482            !!!next-input-character;
4483            !!!emit ($self->{ct}); # ATTLIST
4484            redo A;
4485          } elsif ($self->{nc} == -1) {
4486            !!!parse-error (type => 'unclosed md'); ## TODO: type
4487            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4488            !!!next-input-character;
4489            !!!emit ($self->{ct});
4490            redo A;
4491          } else {
4492            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4493            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4494            ## Reconsume.
4495            redo A;
4496          }
4497        } elsif ($self->{state} == BEFORE_ATTR_DEFAULT_STATE) {
4498          if ($is_space->{$self->{nc}}) {
4499            ## Stay in the state.
4500            !!!next-input-character;
4501            redo A;
4502          } elsif ($self->{nc} == 0x0023) { # #
4503            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4504            !!!next-input-character;
4505            redo A;
4506          } elsif ($self->{nc} == 0x0022) { # "
4507            $self->{ca}->{value} = '';
4508            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4509            !!!next-input-character;
4510            redo A;
4511          } elsif ($self->{nc} == 0x0027) { # '
4512            $self->{ca}->{value} = '';
4513            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4514            !!!next-input-character;
4515            redo A;
4516          } elsif ($self->{nc} == 0x003E) { # >
4517            !!!parse-error (type => 'no attr default'); ## TODO: type
4518            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4519            !!!next-input-character;
4520            !!!emit ($self->{ct}); # ATTLIST
4521            redo A;
4522          } elsif ($self->{nc} == -1) {
4523            !!!parse-error (type => 'unclosed md'); ## TODO: type
4524            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4525            !!!next-input-character;
4526            !!!emit ($self->{ct});
4527            redo A;
4528          } else {
4529            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4530            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4531            ## Reconsume.
4532            redo A;
4533          }
4534        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE) {
4535          if ($is_space->{$self->{nc}}) {
4536            ## XML5: No parse error.
4537            !!!parse-error (type => 'no default type'); ## TODO: type
4538            $self->{state} = BOGUS_MD_STATE;
4539            ## Reconsume.
4540            redo A;
4541          } elsif ($self->{nc} == 0x0022) { # "
4542            ## XML5: Same as "anything else".
4543            $self->{ca}->{value} = '';
4544            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4545            !!!next-input-character;
4546            redo A;
4547          } elsif ($self->{nc} == 0x0027) { # '
4548            ## XML5: Same as "anything else".
4549            $self->{ca}->{value} = '';
4550            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4551            !!!next-input-character;
4552            redo A;
4553          } elsif ($self->{nc} == 0x003E) { # >
4554            ## XML5: Same as "anything else".
4555            !!!parse-error (type => 'no attr default'); ## TODO: type
4556            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4557            !!!next-input-character;
4558            !!!emit ($self->{ct}); # ATTLIST
4559            redo A;
4560          } elsif ($self->{nc} == -1) {
4561            ## XML5: No parse error.
4562            !!!parse-error (type => 'unclosed md'); ## TODO: type
4563            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4564            !!!next-input-character;
4565            !!!emit ($self->{ct});
4566            redo A;
4567          } else {
4568            $self->{ca}->{default} = chr $self->{nc};
4569            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_STATE;
4570            !!!next-input-character;
4571            redo A;
4572          }
4573        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_STATE) {
4574          if ($is_space->{$self->{nc}}) {
4575            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_AFTER_STATE;
4576            !!!next-input-character;
4577            redo A;
4578          } elsif ($self->{nc} == 0x0022) { # "
4579            ## XML5: Same as "anything else".
4580            !!!parse-error (type => 'no space before default value'); ## TODO: type
4581            $self->{ca}->{value} = '';
4582            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4583            !!!next-input-character;
4584            redo A;
4585          } elsif ($self->{nc} == 0x0027) { # '
4586            ## XML5: Same as "anything else".
4587            !!!parse-error (type => 'no space before default value'); ## TODO: type
4588            $self->{ca}->{value} = '';
4589            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4590            !!!next-input-character;
4591            redo A;
4592          } elsif ($self->{nc} == 0x003E) { # >
4593            ## XML5: Same as "anything else".
4594            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4595            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4596            !!!next-input-character;
4597            !!!emit ($self->{ct}); # ATTLIST
4598            redo A;
4599          } elsif ($self->{nc} == -1) {
4600            ## XML5: No parse error.
4601            !!!parse-error (type => 'unclosed md'); ## TODO: type
4602            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4603            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4604            !!!next-input-character;
4605            !!!emit ($self->{ct});
4606            redo A;
4607          } else {
4608            $self->{ca}->{default} .= chr $self->{nc};
4609            ## Stay in the state.
4610            !!!next-input-character;
4611            redo A;
4612          }
4613        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_AFTER_STATE) {
4614          if ($is_space->{$self->{nc}}) {
4615            ## Stay in the state.
4616            !!!next-input-character;
4617            redo A;
4618          } elsif ($self->{nc} == 0x0022) { # "
4619            $self->{ca}->{value} = '';
4620            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4621            !!!next-input-character;
4622            redo A;
4623          } elsif ($self->{nc} == 0x0027) { # '
4624            $self->{ca}->{value} = '';
4625            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4626            !!!next-input-character;
4627            redo A;
4628          } elsif ($self->{nc} == 0x003E) { # >
4629            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4630            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4631            !!!next-input-character;
4632            !!!emit ($self->{ct}); # ATTLIST
4633            redo A;
4634          } elsif ($self->{nc} == -1) {
4635            ## XML5: No parse error.
4636            !!!parse-error (type => 'unclosed md'); ## TODO: type
4637            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4638            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4639            !!!next-input-character;
4640            !!!emit ($self->{ct});
4641            redo A;
4642          } else {
4643            ## XML5: Not defined yet.
4644            if ($self->{ca}->{default} eq 'FIXED') {
4645              $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4646            } else {
4647              push @{$self->{ct}->{attrdefs}}, $self->{ca};
4648              $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4649            }
4650            ## Reconsume.
4651            redo A;
4652          }
4653        } elsif ($self->{state} == AFTER_ATTLIST_ATTR_VALUE_QUOTED_STATE) {
4654          if ($is_space->{$self->{nc}} or
4655              $self->{nc} == -1 or
4656              $self->{nc} == 0x003E) { # >
4657            $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4658            ## Reconsume.
4659            redo A;
4660          } else {
4661            !!!parse-error (type => 'no space before attr name'); ## TODO: type
4662            $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4663            ## Reconsume.
4664            redo A;
4665          }
4666        } elsif ($self->{state} == NDATA_STATE) {
4667          ## ASCII case-insensitive
4668          if ($self->{nc} == [
4669                undef,
4670                0x0044, # D
4671                0x0041, # A
4672                0x0054, # T
4673              ]->[length $self->{kwd}] or
4674              $self->{nc} == [
4675                undef,
4676                0x0064, # d
4677                0x0061, # a
4678                0x0074, # t
4679              ]->[length $self->{kwd}]) {
4680            !!!cp (172.2);
4681            ## Stay in the state.
4682            $self->{kwd} .= chr $self->{nc};
4683            !!!next-input-character;
4684            redo A;
4685          } elsif ((length $self->{kwd}) == 4 and
4686                   ($self->{nc} == 0x0041 or # A
4687                    $self->{nc} == 0x0061)) { # a
4688            if ($self->{kwd} ne 'NDAT' or $self->{nc} == 0x0061) { # a
4689              !!!cp (172.3);
4690              !!!parse-error (type => 'lowercase keyword', ## TODO: type
4691                              text => 'NDATA',
4692                              line => $self->{line_prev},
4693                              column => $self->{column_prev} - 4);
4694            } else {
4695              !!!cp (172.4);
4696            }
4697            $self->{state} = AFTER_NDATA_STATE;
4698            !!!next-input-character;
4699            redo A;
4700          } else {
4701            !!!parse-error (type => 'string after literal', ## TODO: type
4702                            line => $self->{line_prev},
4703                            column => $self->{column_prev} + 1
4704                                - length $self->{kwd});
4705            !!!cp (172.5);
4706            $self->{state} = BOGUS_MD_STATE;
4707            ## Reconsume.
4708            redo A;
4709          }
4710        } elsif ($self->{state} == AFTER_NDATA_STATE) {
4711          if ($is_space->{$self->{nc}}) {
4712            $self->{state} = BEFORE_NOTATION_NAME_STATE;
4713            !!!next-input-character;
4714            redo A;
4715          } elsif ($self->{nc} == 0x003E) { # >
4716            !!!parse-error (type => 'no notation name'); ## TODO: type
4717            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4718            !!!next-input-character;
4719            !!!emit ($self->{ct}); # ENTITY
4720            redo A;
4721          } elsif ($self->{nc} == -1) {
4722            !!!parse-error (type => 'unclosed md'); ## TODO: type
4723            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4724            !!!next-input-character;
4725            !!!emit ($self->{ct}); # ENTITY
4726            redo A;
4727          } else {
4728            !!!parse-error (type => 'string after literal', ## TODO: type
4729                            line => $self->{line_prev},
4730                            column => $self->{column_prev} + 1
4731                                - length $self->{kwd});
4732            $self->{state} = BOGUS_MD_STATE;
4733            ## Reconsume.
4734            redo A;
4735          }
4736        } elsif ($self->{state} == BEFORE_NOTATION_NAME_STATE) {
4737          if ($is_space->{$self->{nc}}) {
4738            ## Stay in the state.
4739            !!!next-input-character;
4740            redo A;
4741          } elsif ($self->{nc} == 0x003E) { # >
4742            !!!parse-error (type => 'no notation name'); ## TODO: type
4743            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4744            !!!next-input-character;
4745            !!!emit ($self->{ct}); # ENTITY
4746            redo A;
4747          } elsif ($self->{nc} == -1) {
4748            !!!parse-error (type => 'unclosed md'); ## TODO: type
4749            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4750            !!!next-input-character;
4751            !!!emit ($self->{ct}); # ENTITY
4752            redo A;
4753          } else {
4754            $self->{ct}->{notation} = chr $self->{nc}; # ENTITY
4755            $self->{state} = NOTATION_NAME_STATE;
4756            !!!next-input-character;
4757            redo A;
4758          }
4759        } elsif ($self->{state} == NOTATION_NAME_STATE) {
4760          if ($is_space->{$self->{nc}}) {
4761            $self->{state} = AFTER_MD_DEF_STATE;
4762            !!!next-input-character;
4763            redo A;
4764          } elsif ($self->{nc} == 0x003E) { # >
4765            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4766            !!!next-input-character;
4767            !!!emit ($self->{ct}); # ENTITY
4768            redo A;
4769          } elsif ($self->{nc} == -1) {
4770            !!!parse-error (type => 'unclosed md'); ## TODO: type
4771            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4772            !!!next-input-character;
4773            !!!emit ($self->{ct}); # ENTITY
4774            redo A;
4775          } else {
4776            $self->{ct}->{notation} .= chr $self->{nc}; # ENTITY
4777            ## Stay in the state.
4778            !!!next-input-character;
4779            redo A;
4780          }
4781        } elsif ($self->{state} == DOCTYPE_ENTITY_VALUE_DOUBLE_QUOTED_STATE) {
4782          if ($self->{nc} == 0x0022) { # "
4783            $self->{state} = AFTER_MD_DEF_STATE;
4784            !!!next-input-character;
4785            redo A;
4786          } elsif ($self->{nc} == 0x0026) { # &
4787            $self->{prev_state} = $self->{state};
4788            $self->{state} = ENTITY_VALUE_ENTITY_STATE;
4789            $self->{entity_add} = 0x0022; # "
4790            !!!next-input-character;
4791            redo A;
4792    ## TODO: %
4793          } elsif ($self->{nc} == -1) {
4794            !!!parse-error (type => 'unclosed entity value'); ## TODO: type
4795            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4796            ## Reconsume.
4797            !!!emit ($self->{ct}); # ENTITY
4798            redo A;
4799          } else {
4800            $self->{ct}->{value} .= chr $self->{nc}; # ENTITY
4801            !!!next-input-character;
4802            redo A;
4803          }
4804        } elsif ($self->{state} == DOCTYPE_ENTITY_VALUE_SINGLE_QUOTED_STATE) {
4805          if ($self->{nc} == 0x0027) { # '
4806            $self->{state} = AFTER_MD_DEF_STATE;
4807            !!!next-input-character;
4808            redo A;
4809          } elsif ($self->{nc} == 0x0026) { # &
4810            $self->{prev_state} = $self->{state};
4811            $self->{state} = ENTITY_VALUE_ENTITY_STATE;
4812            $self->{entity_add} = 0x0027; # '
4813            !!!next-input-character;
4814            redo A;
4815    ## TODO: %
4816          } elsif ($self->{nc} == -1) {
4817            !!!parse-error (type => 'unclosed entity value'); ## TODO: type
4818            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4819            ## Reconsume.
4820            !!!emit ($self->{ct}); # ENTITY
4821            redo A;
4822          } else {
4823            $self->{ct}->{value} .= chr $self->{nc}; # ENTITY
4824            !!!next-input-character;
4825            redo A;
4826          }
4827        } elsif ($self->{state} == ENTITY_VALUE_ENTITY_STATE) {
4828          if ($is_space->{$self->{nc}} or
4829              {
4830                0x003C => 1, 0x0026 => 1, -1 => 1, # <, &
4831                $self->{entity_add} => 1,
4832              }->{$self->{nc}}) {
4833            !!!parse-error (type => 'bare ero',
4834                            line => $self->{line_prev},
4835                            column => $self->{column_prev}
4836                                + ($self->{nc} == -1 ? 1 : 0));
4837            ## Don't consume
4838            ## Return nothing.
4839            #
4840          } elsif ($self->{nc} == 0x0023) { # #
4841            $self->{ca} = $self->{ct};
4842            $self->{state} = ENTITY_HASH_STATE;
4843            $self->{kwd} = '#';
4844            !!!next-input-character;
4845            redo A;
4846          } else {
4847            #
4848          }
4849    
4850          $self->{ct}->{value} .= '&';
4851          $self->{state} = $self->{prev_state};
4852          ## Reconsume.
4853          redo A;
4854        } elsif ($self->{state} == AFTER_ELEMENT_NAME_STATE) {
4855          if ($is_space->{$self->{nc}}) {
4856            $self->{state} = BEFORE_ELEMENT_CONTENT_STATE;
4857            !!!next-input-character;
4858            redo A;
4859          } elsif ($self->{nc} == 0x0028) { # (
4860            $self->{state} = AFTER_CM_GROUP_OPEN_STATE;
4861            $self->{ct}->{content} = ['('];
4862            $self->{group_depth} = 1;
4863            !!!next-input-character;
4864            redo A;
4865          } elsif ($self->{nc} == 0x003E) { # >
4866            !!!parse-error (type => 'no md def'); ## TODO: type
4867            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4868            !!!next-input-character;
4869            !!!emit ($self->{ct}); # ELEMENT
4870            redo A;
4871          } elsif ($self->{nc} == -1) {
4872            !!!parse-error (type => 'unclosed md'); ## TODO: type
4873            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4874            !!!next-input-character;
4875            !!!emit ($self->{ct}); # ELEMENT
4876            redo A;
4877          } else {
4878            $self->{ct}->{content} = [chr $self->{nc}];
4879            $self->{state} = CONTENT_KEYWORD_STATE;
4880            !!!next-input-character;
4881            redo A;
4882          }
4883        } elsif ($self->{state} == CONTENT_KEYWORD_STATE) {
4884          if ($is_space->{$self->{nc}}) {
4885            $self->{state} = AFTER_MD_DEF_STATE;
4886            !!!next-input-character;
4887            redo A;
4888          } elsif ($self->{nc} == 0x003E) { # >
4889            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4890            !!!next-input-character;
4891            !!!emit ($self->{ct}); # ELEMENT
4892            redo A;
4893          } elsif ($self->{nc} == -1) {
4894            !!!parse-error (type => 'unclosed md'); ## TODO: type
4895            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4896            !!!next-input-character;
4897            !!!emit ($self->{ct}); # ELEMENT
4898            redo A;
4899          } else {
4900            $self->{ct}->{content}->[-1] .= chr $self->{nc}; # ELEMENT
4901            ## Stay in the state.
4902            !!!next-input-character;
4903            redo A;
4904          }
4905        } elsif ($self->{state} == AFTER_CM_GROUP_OPEN_STATE) {
4906          if ($is_space->{$self->{nc}}) {
4907            ## Stay in the state.
4908            !!!next-input-character;
4909            redo A;
4910          } elsif ($self->{nc} == 0x0028) { # (
4911            $self->{group_depth}++;
4912            push @{$self->{ct}->{content}}, chr $self->{nc};
4913            ## Stay in the state.
4914            !!!next-input-character;
4915            redo A;
4916          } elsif ($self->{nc} == 0x007C or # |
4917                   $self->{nc} == 0x002C) { # ,
4918            !!!parse-error (type => 'empty element name'); ## TODO: type
4919            ## Stay in the state.
4920            !!!next-input-character;
4921            redo A;
4922          } elsif ($self->{nc} == 0x0029) { # )
4923            !!!parse-error (type => 'empty element name'); ## TODO: type
4924            push @{$self->{ct}->{content}}, chr $self->{nc};
4925            $self->{group_depth}--;
4926            $self->{state} = AFTER_CM_GROUP_CLOSE_STATE;
4927            !!!next-input-character;
4928            redo A;
4929          } elsif ($self->{nc} == 0x003E) { # >
4930            !!!parse-error (type => 'unclosed cm group'); ## TODO: type
4931            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4932            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4933            !!!next-input-character;
4934            !!!emit ($self->{ct}); # ELEMENT
4935            redo A;
4936          } elsif ($self->{nc} == -1) {
4937            !!!parse-error (type => 'unclosed md'); ## TODO: type
4938            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4939            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4940            !!!next-input-character;
4941            !!!emit ($self->{ct}); # ELEMENT
4942            redo A;
4943          } else {
4944            push @{$self->{ct}->{content}}, chr $self->{nc};
4945            $self->{state} = CM_ELEMENT_NAME_STATE;
4946            !!!next-input-character;
4947            redo A;
4948          }
4949        } elsif ($self->{state} == CM_ELEMENT_NAME_STATE) {
4950          if ($is_space->{$self->{nc}}) {
4951            $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
4952            !!!next-input-character;
4953            redo A;
4954          } elsif ($self->{nc} == 0x002A or # *
4955                   $self->{nc} == 0x002B or # +
4956                   $self->{nc} == 0x003F) { # ?
4957            push @{$self->{ct}->{content}}, chr $self->{nc};
4958            $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
4959            !!!next-input-character;
4960            redo A;
4961          } elsif ($self->{nc} == 0x007C or # |
4962                   $self->{nc} == 0x002C) { # ,
4963            push @{$self->{ct}->{content}}, $self->{nc} == 0x007C ? ' | ' : ', ';
4964            $self->{state} = AFTER_CM_GROUP_OPEN_STATE;
4965            !!!next-input-character;
4966            redo A;
4967          } elsif ($self->{nc} == 0x0029) { # )
4968            $self->{group_depth}--;
4969            push @{$self->{ct}->{content}}, chr $self->{nc};
4970            $self->{state} = AFTER_CM_GROUP_CLOSE_STATE;
4971            !!!next-input-character;
4972            redo A;
4973          } elsif ($self->{nc} == 0x003E) { # >
4974            !!!parse-error (type => 'unclosed cm group'); ## TODO: type
4975            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4976            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4977            !!!next-input-character;
4978            !!!emit ($self->{ct}); # ELEMENT
4979            redo A;
4980          } elsif ($self->{nc} == -1) {
4981            !!!parse-error (type => 'unclosed md'); ## TODO: type
4982            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4983            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4984            !!!next-input-character;
4985            !!!emit ($self->{ct}); # ELEMENT
4986            redo A;
4987          } else {
4988            $self->{ct}->{content}->[-1] .= chr $self->{nc};
4989            ## Stay in the state.
4990            !!!next-input-character;
4991            redo A;
4992          }
4993        } elsif ($self->{state} == AFTER_CM_ELEMENT_NAME_STATE) {
4994          if ($is_space->{$self->{nc}}) {
4995            ## Stay in the state.
4996            !!!next-input-character;
4997            redo A;
4998          } elsif ($self->{nc} == 0x007C or # |
4999                   $self->{nc} == 0x002C) { # ,
5000            push @{$self->{ct}->{content}}, $self->{nc} == 0x007C ? ' | ' : ', ';
5001            $self->{state} = AFTER_CM_GROUP_OPEN_STATE;
5002            !!!next-input-character;
5003            redo A;
5004          } elsif ($self->{nc} == 0x0029) { # )
5005            $self->{group_depth}--;
5006            push @{$self->{ct}->{content}}, chr $self->{nc};
5007            $self->{state} = AFTER_CM_GROUP_CLOSE_STATE;
5008            !!!next-input-character;
5009            redo A;
5010          } elsif ($self->{nc} == 0x003E) { # >
5011            !!!parse-error (type => 'unclosed cm group'); ## TODO: type
5012            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5013            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5014            !!!next-input-character;
5015            !!!emit ($self->{ct}); # ELEMENT
5016            redo A;
5017          } elsif ($self->{nc} == -1) {
5018            !!!parse-error (type => 'unclosed md'); ## TODO: type
5019            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5020            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5021            !!!next-input-character;
5022            !!!emit ($self->{ct}); # ELEMENT
5023            redo A;
5024          } else {
5025            !!!parse-error (type => 'after element name'); ## TODO: type
5026            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5027            $self->{state} = BOGUS_MD_STATE;
5028            !!!next-input-character;
5029            redo A;
5030          }
5031        } elsif ($self->{state} == AFTER_CM_GROUP_CLOSE_STATE) {
5032          if ($is_space->{$self->{nc}}) {
5033            if ($self->{group_depth}) {
5034              $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
5035            } else {
5036              $self->{state} = AFTER_MD_DEF_STATE;
5037            }
5038            !!!next-input-character;
5039            redo A;
5040          } elsif ($self->{nc} == 0x002A or # *
5041                   $self->{nc} == 0x002B or # +
5042                   $self->{nc} == 0x003F) { # ?
5043            push @{$self->{ct}->{content}}, chr $self->{nc};
5044            if ($self->{group_depth}) {
5045              $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
5046            } else {
5047              $self->{state} = AFTER_MD_DEF_STATE;
5048            }
5049            !!!next-input-character;
5050            redo A;
5051          } elsif ($self->{nc} == 0x0029) { # )
5052            if ($self->{group_depth}) {
5053              $self->{group_depth}--;
5054              push @{$self->{ct}->{content}}, chr $self->{nc};
5055              ## Stay in the state.
5056              !!!next-input-character;
5057              redo A;
5058            } else {
5059              !!!parse-error (type => 'string after md def'); ## TODO: type
5060              $self->{state} = BOGUS_MD_STATE;
5061              ## Reconsume.
5062              redo A;
5063            }
5064          } elsif ($self->{nc} == 0x003E) { # >
5065            if ($self->{group_depth}) {
5066              !!!parse-error (type => 'unclosed cm group'); ## TODO: type
5067              push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5068            }
5069            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5070            !!!next-input-character;
5071            !!!emit ($self->{ct}); # ELEMENT
5072            redo A;
5073          } elsif ($self->{nc} == -1) {
5074            !!!parse-error (type => 'unclosed md'); ## TODO: type
5075            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5076            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5077            !!!next-input-character;
5078            !!!emit ($self->{ct}); # ELEMENT
5079            redo A;
5080          } else {
5081            if ($self->{group_depth}) {
5082              $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
5083            } else {
5084              !!!parse-error (type => 'string after md def'); ## TODO: type
5085              $self->{state} = BOGUS_MD_STATE;
5086            }
5087            ## Reconsume.
5088            redo A;
5089          }
5090        } elsif ($self->{state} == AFTER_MD_DEF_STATE) {
5091          if ($is_space->{$self->{nc}}) {
5092            ## Stay in the state.
5093            !!!next-input-character;
5094            redo A;
5095          } elsif ($self->{nc} == 0x003E) { # >
5096            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5097            !!!next-input-character;
5098            !!!emit ($self->{ct}); # ENTITY/ELEMENT
5099            redo A;
5100          } elsif ($self->{nc} == -1) {
5101            !!!parse-error (type => 'unclosed md'); ## TODO: type
5102            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5103            !!!next-input-character;
5104            !!!emit ($self->{ct}); # ENTITY/ELEMENT
5105            redo A;
5106          } else {
5107            !!!parse-error (type => 'string after md def'); ## TODO: type
5108            $self->{state} = BOGUS_MD_STATE;
5109            ## Reconsume.
5110            redo A;
5111          }
5112        } elsif ($self->{state} == BOGUS_MD_STATE) {
5113          if ($self->{nc} == 0x003E) { # >
5114            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5115            !!!next-input-character;
5116            !!!emit ($self->{ct}); # ATTLIST/ENTITY/NOTATION
5117            redo A;
5118          } elsif ($self->{nc} == -1) {
5119            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5120            ## Reconsume.
5121            !!!emit ($self->{ct}); # ATTLIST/ENTITY/NOTATION
5122            redo A;
5123          } else {
5124            ## Stay in the state.
5125            !!!next-input-character;
5126          redo A;          redo A;
5127        }        }
5128      } else {      } else {
# Line 2635  sub _get_next_token ($) { Line 5135  sub _get_next_token ($) {
5135    
5136  1;  1;
5137  ## $Date$  ## $Date$
5138                                    
Legend:
Removed from v.1.1  
changed lines
  Added in v.1.28
admin@suikawiki.org
 ViewVC Help
Powered by ViewVC 1.1.24