/[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 1.5 by wakaba, Tue Oct 14 14:38:59 2008 UTC revision 1.27 by wakaba, Thu Jul 2 22:24:28 2009 UTC
# Line 15  BEGIN { Line 15  BEGIN {
15      CHARACTER_TOKEN      CHARACTER_TOKEN
16      PI_TOKEN      PI_TOKEN
17      ABORT_TOKEN      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 = (    our %EXPORT_TAGS = (
# Line 27  BEGIN { Line 33  BEGIN {
33        CHARACTER_TOKEN        CHARACTER_TOKEN
34        PI_TOKEN        PI_TOKEN
35        ABORT_TOKEN        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  ## Token types
49    
50  sub DOCTYPE_TOKEN () { 1 }  sub DOCTYPE_TOKEN () { 1 } ## XML5: No DOCTYPE token.
51  sub COMMENT_TOKEN () { 2 }  sub COMMENT_TOKEN () { 2 }
52  sub START_TAG_TOKEN () { 3 }  sub START_TAG_TOKEN () { 3 }
53  sub END_TAG_TOKEN () { 4 }  sub END_TAG_TOKEN () { 4 }
54  sub END_OF_FILE_TOKEN () { 5 }  sub END_OF_FILE_TOKEN () { 5 }
55  sub CHARACTER_TOKEN () { 6 }  sub CHARACTER_TOKEN () { 6 }
56  sub PI_TOKEN () { 7 } # XML5  sub PI_TOKEN () { 7 } ## NOTE: XML only.
57  sub ABORT_TOKEN () { 8 } # Not a token actually  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    
# Line 114  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    ## XML-only states
146    sub PI_STATE () { 51 }
147    sub PI_TARGET_STATE () { 52 }
148    sub PI_TARGET_AFTER_STATE () { 53 }
149    sub PI_DATA_STATE () { 54 }
150    sub PI_AFTER_STATE () { 55 }
151    sub PI_DATA_AFTER_STATE () { 56 }
152    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)
200    
# Line 178  sub _initialize_tokenizer ($) { Line 259  sub _initialize_tokenizer ($) {
259    #$self->{is_xml} (if XML)    #$self->{is_xml} (if XML)
260    
261    $self->{state} = DATA_STATE; # MUST    $self->{state} = DATA_STATE; # MUST
262    $self->{s_kwd} = ''; # state keyword    $self->{s_kwd} = ''; # Data state keyword
263      #$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    $self->{content_model} = PCDATA_CONTENT_MODEL; # be
# Line 198  sub _initialize_tokenizer ($) { Line 280  sub _initialize_tokenizer ($) {
280    
281  ## A token has:  ## A token has:
282  ##   ->{type} == DOCTYPE_TOKEN, START_TAG_TOKEN, END_TAG_TOKEN, COMMENT_TOKEN,  ##   ->{type} == DOCTYPE_TOKEN, START_TAG_TOKEN, END_TAG_TOKEN, COMMENT_TOKEN,
283  ##       CHARACTER_TOKEN, or END_OF_FILE_TOKEN  ##       CHARACTER_TOKEN, END_OF_FILE_TOKEN, PI_TOKEN, or ABORT_TOKEN
284  ##   ->{name} (DOCTYPE_TOKEN)  ##   ->{name} (DOCTYPE_TOKEN)
285  ##   ->{tag_name} (START_TAG_TOKEN, END_TAG_TOKEN)  ##   ->{tag_name} (START_TAG_TOKEN, END_TAG_TOKEN)
286    ##   ->{target} (PI_TOKEN)
287  ##   ->{pubid} (DOCTYPE_TOKEN)  ##   ->{pubid} (DOCTYPE_TOKEN)
288  ##   ->{sysid} (DOCTYPE_TOKEN)  ##   ->{sysid} (DOCTYPE_TOKEN)
289  ##   ->{quirks} == 1 or 0 (DOCTYPE_TOKEN): "force-quirks" flag  ##   ->{quirks} == 1 or 0 (DOCTYPE_TOKEN): "force-quirks" flag
# Line 208  sub _initialize_tokenizer ($) { 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 228  my $is_space = { Line 316  my $is_space = {
316    0x0009 => 1, # CHARACTER TABULATION (HT)    0x0009 => 1, # CHARACTER TABULATION (HT)
317    0x000A => 1, # LINE FEED (LF)    0x000A => 1, # LINE FEED (LF)
318    #0x000B => 0, # LINE TABULATION (VT)    #0x000B => 0, # LINE TABULATION (VT)
319    0x000C => 1, # FORM FEED (FF)    0x000C => 1, # FORM FEED (FF) ## XML5: Not a space character.
320    #0x000D => 1, # CARRIAGE RETURN (CR)    #0x000D => 1, # CARRIAGE RETURN (CR)
321    0x0020 => 1, # SPACE (SP)    0x0020 => 1, # SPACE (SP)
322  };  };
# Line 428  sub _get_next_token ($) { 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 ($self->{nc} == 0x002F) { # /
523            !!!cp (15);            !!!cp (15);
# Line 436  sub _get_next_token ($) { 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    
537          ## reconsume          ## reconsume
538          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
         $self->{s_kwd} = '';  
539          !!!emit ({type => CHARACTER_TOKEN, data => '<',          !!!emit ({type => CHARACTER_TOKEN, data => '<',
540                    line => $self->{line_prev},                    line => $self->{line_prev},
541                    column => $self->{column_prev},                    column => $self->{column_prev},
# Line 499  sub _get_next_token ($) { 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 => $self->{line_prev},
# Line 525  sub _get_next_token ($) { 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: $self->{content_model} in tag open";
# Line 533  sub _get_next_token ($) { 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} = '';            $self->{kwd} = '';
650            ## Reconsume.            ## Reconsume.
651            redo A;            redo A;
652          } else {          } else {
# Line 574  sub _get_next_token ($) { 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          $self->{s_kwd} = '';          $self->{s_kwd} = '';
691          !!!next-input-character;          if ($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);
# Line 594  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 => $self->{line_prev}, # "<" of "</"
# Line 609  sub _get_next_token ($) { 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/;          $ch =~ tr/a-z/A-Z/;
# Line 619  sub _get_next_token ($) { 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} .= $nch;
761            !!!next-input-character;            !!!next-input-character;
762            redo A;            redo A;
763          } else {          } else {
# Line 628  sub _get_next_token ($) { Line 766  sub _get_next_token ($) {
766            $self->{s_kwd} = '';            $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 $self->{kwd},
772                     });                     });
773            redo A;            redo A;
774          }          }
# Line 646  sub _get_next_token ($) { Line 784  sub _get_next_token ($) {
784            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
785            $self->{s_kwd} = '';            $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 $self->{kwd},
790                     });                     });
791            redo A;            redo A;
792          } else {          } else {
# Line 657  sub _get_next_token ($) { 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;            $self->{state} = TAG_NAME_STATE;
800            ## Reconsume.            ## Reconsume.
801            redo A;            redo A;
# Line 739  sub _get_next_token ($) { 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->{$self->{nc}}) {
883          !!!cp (45);          !!!cp (45);
884          ## Stay in the state          ## Stay in the state
# Line 811  sub _get_next_token ($) { 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 ($self->{nc}),
# Line 824  sub _get_next_token ($) { 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              ->{$self->{ca}->{name}}) { # MUST
# Line 834  sub _get_next_token ($) { 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        }; # $before_leave
984    
# Line 850  sub _get_next_token ($) { 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 ($self->{ct}->{type} == START_TAG_TOKEN) {
1008            !!!cp (61);            !!!cp (61);
# Line 879  sub _get_next_token ($) { Line 1032  sub _get_next_token ($) {
1032          !!!next-input-character;          !!!next-input-character;
1033          redo A;          redo A;
1034        } elsif ($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;          $self->{state} = SELF_CLOSING_START_TAG_STATE;
1045          !!!next-input-character;          !!!next-input-character;
# Line 913  sub _get_next_token ($) { Line 1073  sub _get_next_token ($) {
1073          if ($self->{nc} == 0x0022 or # "          if ($self->{nc} == 0x0022 or # "
1074              $self->{nc} == 0x0027) { # '              $self->{nc} == 0x0027) { # '
1075            !!!cp (69);            !!!cp (69);
1076              ## XML5: Not a parse error.
1077            !!!parse-error (type => 'bad attribute name');            !!!parse-error (type => 'bad attribute name');
1078          } else {          } else {
1079            !!!cp (70);            !!!cp (70);
# Line 923  sub _get_next_token ($) { 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->{$self->{nc}}) {
1090          !!!cp (71);          !!!cp (71);
1091          ## Stay in the state          ## Stay in the state
# Line 934  sub _get_next_token ($) { 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} = $self->{ct}->{tag_name};
# Line 967  sub _get_next_token ($) { Line 1138  sub _get_next_token ($) {
1138          !!!next-input-character;          !!!next-input-character;
1139          redo A;          redo A;
1140        } elsif ($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;          $self->{state} = SELF_CLOSING_START_TAG_STATE;
1150          !!!next-input-character;          !!!next-input-character;
1151          redo A;          redo A;
# Line 996  sub _get_next_token ($) { 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) { # '              $self->{nc} == 0x0027) { # '
1187            !!!cp (78);            !!!cp (78);
1188              ## XML5: Not a parse error.
1189            !!!parse-error (type => 'bad attribute name');            !!!parse-error (type => 'bad attribute name');
1190          } else {          } else {
1191            !!!cp (82);            !!!cp (82);
# Line 1012  sub _get_next_token ($) { 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->{$self->{nc}}) {
1205          !!!cp (83);          !!!cp (83);
1206          ## Stay in the state          ## Stay in the state
# Line 1081  sub _get_next_token ($) { Line 1270  sub _get_next_token ($) {
1270    
1271          redo A;          redo A;
1272        } else {        } else {
1273          if ($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 1093  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 ($self->{nc} == 0x0026) { # &
1307          !!!cp (96);          !!!cp (96);
1308            ## XML5: Not defined yet.
1309    
1310          ## NOTE: In the spec, the tokenizer is switched to the          ## NOTE: In the spec, the tokenizer is switched to the
1311          ## "entity in attribute value state".  In this implementation, the          ## "entity in attribute value state".  In this implementation, the
1312          ## tokenizer is switched to the |ENTITY_STATE|, which is an          ## tokenizer is switched to the |ENTITY_STATE|, which is an
# Line 1109  sub _get_next_token ($) { 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 ($self->{ct}->{attributes}) {
# Line 1123  sub _get_next_token ($) { 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;  
         $self->{s_kwd} = '';  
         ## 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 $self->{ca}->{value});
1375    
1376          ## Stay in the state          ## Stay in the state
# Line 1145  sub _get_next_token ($) { 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 ($self->{nc} == 0x0026) { # &
1398          !!!cp (102);          !!!cp (102);
1399            ## XML5: Not defined yet.
1400    
1401          ## NOTE: In the spec, the tokenizer is switched to the          ## NOTE: In the spec, the tokenizer is switched to the
1402          ## "entity in attribute value state".  In this implementation, the          ## "entity in attribute value state".  In this implementation, the
1403          ## tokenizer is switched to the |ENTITY_STATE|, which is an          ## tokenizer is switched to the |ENTITY_STATE|, which is an
# Line 1161  sub _get_next_token ($) { 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 ($self->{ct}->{attributes}) {
# Line 1175  sub _get_next_token ($) { 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;  
         $self->{s_kwd} = '';  
         ## 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 $self->{ca}->{value});
1466    
1467          ## Stay in the state          ## Stay in the state
# Line 1197  sub _get_next_token ($) { 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 ($self->{nc} == 0x0026) { # &
1487          !!!cp (108);          !!!cp (108);
1488    
1489            ## XML5: Not defined yet.
1490    
1491          ## NOTE: In the spec, the tokenizer is switched to the          ## NOTE: In the spec, the tokenizer is switched to the
1492          ## "entity in attribute value state".  In this implementation, the          ## "entity in attribute value state".  In this implementation, the
1493          ## tokenizer is switched to the |ENTITY_STATE|, which is an          ## tokenizer is switched to the |ENTITY_STATE|, which is an
# Line 1217  sub _get_next_token ($) { 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 ($self->{ct}->{attributes}) {
# Line 1226  sub _get_next_token ($) { 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;  
         $self->{s_kwd} = '';  
         !!!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 ($self->{ct}->{attributes}) {
1549              !!!cp (113);              !!!cp (113);
# Line 1250  sub _get_next_token ($) { 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;  
         $self->{s_kwd} = '';  
         ## 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 $self->{ca}->{value});
1588    
1589          ## Stay in the state          ## Stay in the state
# Line 1343  sub _get_next_token ($) { 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 ($self->{ct}->{type} == END_TAG_TOKEN) {
1660            !!!cp ('124.2');            !!!cp ('124.2');
# Line 1384  sub _get_next_token ($) { 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} = '';          $self->{s_kwd} = '';
1702          ## Reconsume.          ## Reconsume.
# Line 1398  sub _get_next_token ($) { 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->{s_kwd} = '';            $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->{s_kwd} = '';            $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 ($self->{ct}); # comment
# Line 1431  sub _get_next_token ($) { 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 ($self->{nc} == 0x002D) { # -
1760          !!!cp (133);          !!!cp (133);
# Line 1443  sub _get_next_token ($) { 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 ((($self->{insertion_mode} & IN_FOREIGN_CONTENT_IM and
# Line 1452  sub _get_next_token ($) { Line 1775  sub _get_next_token ($) {
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} = '[';          $self->{kwd} = '[';
1779          !!!next-input-character;          !!!next-input-character;
1780          redo A;          redo A;
1781        } else {        } else {
# Line 1476  sub _get_next_token ($) { 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;          $self->{state} = COMMENT_START_STATE; ## XML5: "comment state".
1803          !!!next-input-character;          !!!next-input-character;
1804          redo A;          redo A;
1805        } else {        } else {
# Line 1502  sub _get_next_token ($) { 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} == [            $self->{nc} == [
1830              undef,              undef,
1831              0x006F, # o              0x006F, # o
# Line 1510  sub _get_next_token ($) { 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,          $self->{ct} = {type => DOCTYPE_TOKEN,
1858                                    quirks => 1,                                    quirks => 1,
# Line 1532  sub _get_next_token ($) { 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 $self->{kwd},
1875                                   };                                   };
1876          redo A;          redo A;
1877        }        }
# Line 1549  sub _get_next_token ($) { 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 => $self->{line_prev},
# Line 1569  sub _get_next_token ($) { 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 $self->{kwd},
1923                                   };                                   };
1924          redo A;          redo A;
1925        }        }
# Line 1586  sub _get_next_token ($) { 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          $self->{s_kwd} = '';            !!!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          $self->{s_kwd} = '';            !!!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 ($self->{ct}); # comment
# Line 1620  sub _get_next_token ($) { 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          $self->{s_kwd} = '';            !!!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          $self->{s_kwd} = '';            !!!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 ($self->{ct}); # comment
# Line 1648  sub _get_next_token ($) { 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          $self->{s_kwd} = '';            !!!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 ($self->{ct}); # comment
# Line 1675  sub _get_next_token ($) { 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          $self->{s_kwd} = '';          if ($self->{in_subset}) {
2059          $self->{state} = DATA_STATE;            !!!cp (149.1);
2060          $self->{s_kwd} = '';            $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 ($self->{ct}); # comment
# Line 1699  sub _get_next_token ($) { 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->{s_kwd} = '';            $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 ($self->{ct}); # comment
# Line 1710  sub _get_next_token ($) { 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 => $self->{column_prev});
# Line 1718  sub _get_next_token ($) { 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          $self->{s_kwd} = '';            !!!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 ($self->{ct}); # comment
# Line 1729  sub _get_next_token ($) { 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;          $self->{state} = COMMENT_STATE;
2124          !!!next-input-character;          !!!next-input-character;
# Line 1745  sub _get_next_token ($) { Line 2132  sub _get_next_token ($) {
2132          redo A;          redo A;
2133        } else {        } else {
2134          !!!cp (156);          !!!cp (156);
2135            ## XML5: Unless EOF, swith to the bogus comment state.
2136          !!!parse-error (type => 'no space before DOCTYPE name');          !!!parse-error (type => 'no space before DOCTYPE name');
2137          $self->{state} = BEFORE_DOCTYPE_NAME_STATE;          $self->{state} = BEFORE_DOCTYPE_NAME_STATE;
2138          ## reconsume          ## reconsume
2139          redo A;          redo A;
2140        }        }
2141      } elsif ($self->{state} == BEFORE_DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == BEFORE_DOCTYPE_NAME_STATE) {
2142          ## XML5: "DOCTYPE root name before state".
2143    
2144        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2145          !!!cp (157);          !!!cp (157);
2146          ## Stay in the state          ## Stay in the state
# Line 1758  sub _get_next_token ($) { Line 2148  sub _get_next_token ($) {
2148          redo A;          redo A;
2149        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2150          !!!cp (158);          !!!cp (158);
2151            ## XML5: No parse error.
2152          !!!parse-error (type => 'no DOCTYPE name');          !!!parse-error (type => 'no DOCTYPE name');
2153          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2154          $self->{s_kwd} = '';          $self->{s_kwd} = '';
# Line 1776  sub _get_next_token ($) { Line 2167  sub _get_next_token ($) {
2167          !!!emit ($self->{ct}); # DOCTYPE (quirks)          !!!emit ($self->{ct}); # DOCTYPE (quirks)
2168    
2169          redo A;          redo A;
2170          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
2171            !!!cp (159.1);
2172            !!!parse-error (type => 'no DOCTYPE name');
2173            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2174            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2175            $self->{in_subset} = 1;
2176            !!!next-input-character;
2177            !!!emit ($self->{ct}); # DOCTYPE
2178            redo A;
2179        } else {        } else {
2180          !!!cp (160);          !!!cp (160);
2181          $self->{ct}->{name} = chr $self->{nc};          $self->{ct}->{name} = chr $self->{nc};
# Line 1785  sub _get_next_token ($) { Line 2185  sub _get_next_token ($) {
2185          redo A;          redo A;
2186        }        }
2187      } elsif ($self->{state} == DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == DOCTYPE_NAME_STATE) {
2188  ## ISSUE: Redundant "First," in the spec.        ## XML5: "DOCTYPE root name state".
2189    
2190          ## ISSUE: Redundant "First," in the spec.
2191    
2192        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2193          !!!cp (161);          !!!cp (161);
2194          $self->{state} = AFTER_DOCTYPE_NAME_STATE;          $self->{state} = AFTER_DOCTYPE_NAME_STATE;
# Line 1811  sub _get_next_token ($) { Line 2214  sub _get_next_token ($) {
2214          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2215    
2216          redo A;          redo A;
2217          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
2218            !!!cp (163.1);
2219            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2220            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2221            $self->{in_subset} = 1;
2222            !!!next-input-character;
2223            !!!emit ($self->{ct}); # DOCTYPE
2224            redo A;
2225        } else {        } else {
2226          !!!cp (164);          !!!cp (164);
2227          $self->{ct}->{name}          $self->{ct}->{name}
# Line 1820  sub _get_next_token ($) { Line 2231  sub _get_next_token ($) {
2231          redo A;          redo A;
2232        }        }
2233      } elsif ($self->{state} == AFTER_DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == AFTER_DOCTYPE_NAME_STATE) {
2234          ## XML5: Corresponding to XML5's "DOCTYPE root name after
2235          ## state", but implemented differently.
2236    
2237        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2238          !!!cp (165);          !!!cp (165);
2239          ## Stay in the state          ## Stay in the state
2240          !!!next-input-character;          !!!next-input-character;
2241          redo A;          redo A;
2242        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2243          !!!cp (166);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2244          $self->{state} = DATA_STATE;            !!!cp (166);
2245          $self->{s_kwd} = '';            $self->{state} = DATA_STATE;
2246              $self->{s_kwd} = '';
2247            } else {
2248              !!!cp (166.1);
2249              !!!parse-error (type => 'no md def'); ## TODO: type
2250              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2251            }
2252            
2253          !!!next-input-character;          !!!next-input-character;
2254            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         !!!emit ($self->{ct}); # DOCTYPE  
   
2255          redo A;          redo A;
2256        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2257          !!!cp (167);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2258          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (167);
2259          $self->{state} = DATA_STATE;            !!!parse-error (type => 'unclosed DOCTYPE');
2260          $self->{s_kwd} = '';            $self->{state} = DATA_STATE;
2261          ## reconsume            $self->{s_kwd} = '';
2262              $self->{ct}->{quirks} = 1;
2263          $self->{ct}->{quirks} = 1;          } else {
2264          !!!emit ($self->{ct}); # DOCTYPE            !!!cp (167.12);
2265              !!!parse-error (type => 'unclosed md'); ## TODO: type
2266              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2267            }
2268            
2269            ## Reconsume.
2270            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2271          redo A;          redo A;
2272        } elsif ($self->{nc} == 0x0050 or # P        } elsif ($self->{nc} == 0x0050 or # P
2273                 $self->{nc} == 0x0070) { # p                 $self->{nc} == 0x0070) { # p
2274            !!!cp (167.1);
2275          $self->{state} = PUBLIC_STATE;          $self->{state} = PUBLIC_STATE;
2276          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
2277          !!!next-input-character;          !!!next-input-character;
2278          redo A;          redo A;
2279        } elsif ($self->{nc} == 0x0053 or # S        } elsif ($self->{nc} == 0x0053 or # S
2280                 $self->{nc} == 0x0073) { # s                 $self->{nc} == 0x0073) { # s
2281            !!!cp (167.2);
2282          $self->{state} = SYSTEM_STATE;          $self->{state} = SYSTEM_STATE;
2283          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
2284            !!!next-input-character;
2285            redo A;
2286          } elsif ($self->{nc} == 0x0022 and # "
2287                   ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN or
2288                    $self->{ct}->{type} == PARAMETER_ENTITY_TOKEN)) {
2289            !!!cp (167.21);
2290            $self->{state} = DOCTYPE_ENTITY_VALUE_DOUBLE_QUOTED_STATE;
2291            $self->{ct}->{value} = ''; # ENTITY
2292            !!!next-input-character;
2293            redo A;
2294          } elsif ($self->{nc} == 0x0027 and # '
2295                   ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN or
2296                    $self->{ct}->{type} == PARAMETER_ENTITY_TOKEN)) {
2297            !!!cp (167.22);
2298            $self->{state} = DOCTYPE_ENTITY_VALUE_SINGLE_QUOTED_STATE;
2299            $self->{ct}->{value} = ''; # ENTITY
2300            !!!next-input-character;
2301            redo A;
2302          } elsif ($self->{is_xml} and
2303                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2304                   $self->{nc} == 0x005B) { # [
2305            !!!cp (167.3);
2306            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2307            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2308            $self->{in_subset} = 1;
2309          !!!next-input-character;          !!!next-input-character;
2310            !!!emit ($self->{ct}); # DOCTYPE
2311          redo A;          redo A;
2312        } else {        } else {
2313          !!!cp (180);          !!!parse-error (type => 'string after DOCTYPE name'); ## TODO: type
2314          !!!parse-error (type => 'string after DOCTYPE name');  
2315          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2316              !!!cp (180);
2317              $self->{ct}->{quirks} = 1;
2318              $self->{state} = BOGUS_DOCTYPE_STATE;
2319            } else {
2320              !!!cp (180.1);
2321              $self->{state} = BOGUS_MD_STATE;
2322            }
2323    
         $self->{state} = BOGUS_DOCTYPE_STATE;  
2324          !!!next-input-character;          !!!next-input-character;
2325          redo A;          redo A;
2326        }        }
# Line 1874  sub _get_next_token ($) { Line 2332  sub _get_next_token ($) {
2332              0x0042, # B              0x0042, # B
2333              0x004C, # L              0x004C, # L
2334              0x0049, # I              0x0049, # I
2335            ]->[length $self->{s_kwd}] or            ]->[length $self->{kwd}] or
2336            $self->{nc} == [            $self->{nc} == [
2337              undef,              undef,
2338              0x0075, # u              0x0075, # u
2339              0x0062, # b              0x0062, # b
2340              0x006C, # l              0x006C, # l
2341              0x0069, # i              0x0069, # i
2342            ]->[length $self->{s_kwd}]) {            ]->[length $self->{kwd}]) {
2343          !!!cp (175);          !!!cp (175);
2344          ## Stay in the state.          ## Stay in the state.
2345          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
2346          !!!next-input-character;          !!!next-input-character;
2347          redo A;          redo A;
2348        } elsif ((length $self->{s_kwd}) == 5 and        } elsif ((length $self->{kwd}) == 5 and
2349                 ($self->{nc} == 0x0043 or # C                 ($self->{nc} == 0x0043 or # C
2350                  $self->{nc} == 0x0063)) { # c                  $self->{nc} == 0x0063)) { # c
2351          !!!cp (168);          if ($self->{is_xml} and
2352                ($self->{kwd} ne 'PUBLI' or $self->{nc} == 0x0063)) { # c
2353              !!!cp (168.1);
2354              !!!parse-error (type => 'lowercase keyword', ## TODO: type
2355                              text => 'PUBLIC',
2356                              line => $self->{line_prev},
2357                              column => $self->{column_prev} - 4);
2358            } else {
2359              !!!cp (168);
2360            }
2361          $self->{state} = BEFORE_DOCTYPE_PUBLIC_IDENTIFIER_STATE;          $self->{state} = BEFORE_DOCTYPE_PUBLIC_IDENTIFIER_STATE;
2362          !!!next-input-character;          !!!next-input-character;
2363          redo A;          redo A;
2364        } else {        } else {
2365          !!!cp (169);          !!!parse-error (type => 'string after DOCTYPE name', ## TODO: type
         !!!parse-error (type => 'string after DOCTYPE name',  
2366                          line => $self->{line_prev},                          line => $self->{line_prev},
2367                          column => $self->{column_prev} + 1 - length $self->{s_kwd});                          column => $self->{column_prev} + 1 - length $self->{kwd});
2368          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2369              !!!cp (169);
2370          $self->{state} = BOGUS_DOCTYPE_STATE;            $self->{ct}->{quirks} = 1;
2371              $self->{state} = BOGUS_DOCTYPE_STATE;
2372            } else {
2373              !!!cp (169.1);
2374              $self->{state} = BOGUS_MD_STATE;
2375            }
2376          ## Reconsume.          ## Reconsume.
2377          redo A;          redo A;
2378        }        }
# Line 1913  sub _get_next_token ($) { Line 2384  sub _get_next_token ($) {
2384              0x0053, # S              0x0053, # S
2385              0x0054, # T              0x0054, # T
2386              0x0045, # E              0x0045, # E
2387            ]->[length $self->{s_kwd}] or            ]->[length $self->{kwd}] or
2388            $self->{nc} == [            $self->{nc} == [
2389              undef,              undef,
2390              0x0079, # y              0x0079, # y
2391              0x0073, # s              0x0073, # s
2392              0x0074, # t              0x0074, # t
2393              0x0065, # e              0x0065, # e
2394            ]->[length $self->{s_kwd}]) {            ]->[length $self->{kwd}]) {
2395          !!!cp (170);          !!!cp (170);
2396          ## Stay in the state.          ## Stay in the state.
2397          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
2398          !!!next-input-character;          !!!next-input-character;
2399          redo A;          redo A;
2400        } elsif ((length $self->{s_kwd}) == 5 and        } elsif ((length $self->{kwd}) == 5 and
2401                 ($self->{nc} == 0x004D or # M                 ($self->{nc} == 0x004D or # M
2402                  $self->{nc} == 0x006D)) { # m                  $self->{nc} == 0x006D)) { # m
2403          !!!cp (171);          if ($self->{is_xml} and
2404                ($self->{kwd} ne 'SYSTE' or $self->{nc} == 0x006D)) { # m
2405              !!!cp (171.1);
2406              !!!parse-error (type => 'lowercase keyword', ## TODO: type
2407                              text => 'SYSTEM',
2408                              line => $self->{line_prev},
2409                              column => $self->{column_prev} - 4);
2410            } else {
2411              !!!cp (171);
2412            }
2413          $self->{state} = BEFORE_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = BEFORE_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2414          !!!next-input-character;          !!!next-input-character;
2415          redo A;          redo A;
2416        } else {        } else {
2417          !!!cp (172);          !!!parse-error (type => 'string after DOCTYPE name', ## TODO: type
         !!!parse-error (type => 'string after DOCTYPE name',  
2418                          line => $self->{line_prev},                          line => $self->{line_prev},
2419                          column => $self->{column_prev} + 1 - length $self->{s_kwd});                          column => $self->{column_prev} + 1 - length $self->{kwd});
2420          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2421              !!!cp (172);
2422          $self->{state} = BOGUS_DOCTYPE_STATE;            $self->{ct}->{quirks} = 1;
2423              $self->{state} = BOGUS_DOCTYPE_STATE;
2424            } else {
2425              !!!cp (172.1);
2426              $self->{state} = BOGUS_MD_STATE;
2427            }
2428          ## Reconsume.          ## Reconsume.
2429          redo A;          redo A;
2430        }        }
# Line 1963  sub _get_next_token ($) { Line 2447  sub _get_next_token ($) {
2447          !!!next-input-character;          !!!next-input-character;
2448          redo A;          redo A;
2449        } elsif ($self->{nc} eq 0x003E) { # >        } elsif ($self->{nc} eq 0x003E) { # >
         !!!cp (184);  
2450          !!!parse-error (type => 'no PUBLIC literal');          !!!parse-error (type => 'no PUBLIC literal');
2451            
2452          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2453          $self->{s_kwd} = '';            !!!cp (184);
2454              $self->{state} = DATA_STATE;
2455              $self->{s_kwd} = '';
2456              $self->{ct}->{quirks} = 1;
2457            } else {
2458              !!!cp (184.1);
2459              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2460            }
2461            
2462          !!!next-input-character;          !!!next-input-character;
2463            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2464          redo A;          redo A;
2465        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2466          !!!cp (185);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2467          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (185);
2468              !!!parse-error (type => 'unclosed DOCTYPE');
2469          $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
2470          $self->{s_kwd} = '';            $self->{s_kwd} = '';
2471              $self->{ct}->{quirks} = 1;
2472            } else {
2473              !!!cp (185.1);
2474              !!!parse-error (type => 'unclosed md'); ## TODO: type
2475              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2476            }
2477            
2478          ## reconsume          ## reconsume
   
         $self->{ct}->{quirks} = 1;  
2479          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2480            redo A;
2481          } elsif ($self->{is_xml} and
2482                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2483                   $self->{nc} == 0x005B) { # [
2484            !!!cp (186.1);
2485            !!!parse-error (type => 'no PUBLIC literal');
2486            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2487            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2488            $self->{in_subset} = 1;
2489            !!!next-input-character;
2490            !!!emit ($self->{ct}); # DOCTYPE
2491          redo A;          redo A;
2492        } else {        } else {
         !!!cp (186);  
2493          !!!parse-error (type => 'string after PUBLIC');          !!!parse-error (type => 'string after PUBLIC');
         $self->{ct}->{quirks} = 1;  
2494    
2495          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2496              !!!cp (186);
2497              $self->{ct}->{quirks} = 1;
2498              $self->{state} = BOGUS_DOCTYPE_STATE;
2499            } else {
2500              !!!cp (186.2);
2501              $self->{state} = BOGUS_MD_STATE;
2502            }
2503    
2504          !!!next-input-character;          !!!next-input-character;
2505          redo A;          redo A;
2506        }        }
# Line 2002  sub _get_next_token ($) { Line 2511  sub _get_next_token ($) {
2511          !!!next-input-character;          !!!next-input-character;
2512          redo A;          redo A;
2513        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (188);  
2514          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2515    
2516          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2517          $self->{s_kwd} = '';            !!!cp (188);
2518          !!!next-input-character;            $self->{state} = DATA_STATE;
2519              $self->{s_kwd} = '';
2520          $self->{ct}->{quirks} = 1;            $self->{ct}->{quirks} = 1;
2521          !!!emit ($self->{ct}); # DOCTYPE          } else {
2522              !!!cp (188.1);
2523              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2524            }
2525    
2526            !!!next-input-character;
2527            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2528          redo A;          redo A;
2529        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (189);  
2530          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2531    
2532          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2533          $self->{s_kwd} = '';            !!!cp (189);
2534          ## reconsume            $self->{state} = DATA_STATE;
2535              $self->{s_kwd} = '';
2536          $self->{ct}->{quirks} = 1;            $self->{ct}->{quirks} = 1;
2537            } else {
2538              !!!cp (189.1);
2539              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2540            }
2541            
2542            ## Reconsume.
2543          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2544          redo A;          redo A;
2545        } else {        } else {
2546          !!!cp (190);          !!!cp (190);
2547          $self->{ct}->{pubid} # DOCTYPE          $self->{ct}->{pubid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2548          $self->{read_until}->($self->{ct}->{pubid}, q[">],          $self->{read_until}->($self->{ct}->{pubid}, q[">],
2549                                length $self->{ct}->{pubid});                                length $self->{ct}->{pubid});
2550    
# Line 2043  sub _get_next_token ($) { Line 2559  sub _get_next_token ($) {
2559          !!!next-input-character;          !!!next-input-character;
2560          redo A;          redo A;
2561        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (192);  
2562          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2563    
2564          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2565          $self->{s_kwd} = '';            !!!cp (192);
2566          !!!next-input-character;            $self->{state} = DATA_STATE;
2567              $self->{s_kwd} = '';
2568          $self->{ct}->{quirks} = 1;            $self->{ct}->{quirks} = 1;
2569          !!!emit ($self->{ct}); # DOCTYPE          } else {
2570              !!!cp (192.1);
2571              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2572            }
2573    
2574            !!!next-input-character;
2575            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2576          redo A;          redo A;
2577        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (193);  
2578          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2579    
2580          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2581          $self->{s_kwd} = '';            !!!cp (193);
2582              $self->{state} = DATA_STATE;
2583              $self->{s_kwd} = '';
2584              $self->{ct}->{quirks} = 1;
2585            } else {
2586              !!!cp (193.1);
2587              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2588            }
2589          
2590          ## reconsume          ## reconsume
2591            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2592          redo A;          redo A;
2593        } else {        } else {
2594          !!!cp (194);          !!!cp (194);
2595          $self->{ct}->{pubid} # DOCTYPE          $self->{ct}->{pubid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2596          $self->{read_until}->($self->{ct}->{pubid}, q['>],          $self->{read_until}->($self->{ct}->{pubid}, q['>],
2597                                length $self->{ct}->{pubid});                                length $self->{ct}->{pubid});
2598    
# Line 2085  sub _get_next_token ($) { Line 2608  sub _get_next_token ($) {
2608          redo A;          redo A;
2609        } elsif ($self->{nc} == 0x0022) { # "        } elsif ($self->{nc} == 0x0022) { # "
2610          !!!cp (196);          !!!cp (196);
2611          $self->{ct}->{sysid} = ''; # DOCTYPE          $self->{ct}->{sysid} = ''; # DOCTYPE/ENTITY/NOTATION
2612          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_DOUBLE_QUOTED_STATE;          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_DOUBLE_QUOTED_STATE;
2613          !!!next-input-character;          !!!next-input-character;
2614          redo A;          redo A;
2615        } elsif ($self->{nc} == 0x0027) { # '        } elsif ($self->{nc} == 0x0027) { # '
2616          !!!cp (197);          !!!cp (197);
2617          $self->{ct}->{sysid} = ''; # DOCTYPE          $self->{ct}->{sysid} = ''; # DOCTYPE/ENTITY/NOTATION
2618          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_SINGLE_QUOTED_STATE;          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_SINGLE_QUOTED_STATE;
2619          !!!next-input-character;          !!!next-input-character;
2620          redo A;          redo A;
2621        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2622          !!!cp (198);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2623          $self->{state} = DATA_STATE;            if ($self->{is_xml}) {
2624          $self->{s_kwd} = '';              !!!cp (198.1);
2625                !!!parse-error (type => 'no SYSTEM literal');
2626              } else {
2627                !!!cp (198);
2628              }
2629              $self->{state} = DATA_STATE;
2630              $self->{s_kwd} = '';
2631            } else {
2632              if ($self->{ct}->{type} == NOTATION_TOKEN) {
2633                !!!cp (198.2);
2634              } else {
2635                !!!cp (198.3);
2636                !!!parse-error (type => 'no SYSTEM literal');            
2637              }
2638              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2639            }
2640            
2641          !!!next-input-character;          !!!next-input-character;
2642            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         !!!emit ($self->{ct}); # DOCTYPE  
   
2643          redo A;          redo A;
2644        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2645          !!!cp (199);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2646          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (199);
2647              !!!parse-error (type => 'unclosed DOCTYPE');
2648          $self->{state} = DATA_STATE;            
2649          $self->{s_kwd} = '';            $self->{state} = DATA_STATE;
2650              $self->{s_kwd} = '';
2651              $self->{ct}->{quirks} = 1;
2652            } else {
2653              !!!parse-error (type => 'unclosed md'); ## TODO: type
2654              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2655            }
2656            
2657          ## reconsume          ## reconsume
2658            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2659          $self->{ct}->{quirks} = 1;          redo A;
2660          } elsif ($self->{is_xml} and
2661                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2662                   $self->{nc} == 0x005B) { # [
2663            !!!cp (200.1);
2664            !!!parse-error (type => 'no SYSTEM literal');
2665            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2666            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2667            $self->{in_subset} = 1;
2668            !!!next-input-character;
2669          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2670          redo A;          redo A;
2671        } else {        } else {
         !!!cp (200);  
2672          !!!parse-error (type => 'string after PUBLIC literal');          !!!parse-error (type => 'string after PUBLIC literal');
         $self->{ct}->{quirks} = 1;  
2673    
2674          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2675              !!!cp (200);
2676              $self->{ct}->{quirks} = 1;
2677              $self->{state} = BOGUS_DOCTYPE_STATE;
2678            } else {
2679              !!!cp (200.2);
2680              $self->{state} = BOGUS_MD_STATE;
2681            }
2682    
2683          !!!next-input-character;          !!!next-input-character;
2684          redo A;          redo A;
2685        }        }
# Line 2144  sub _get_next_token ($) { Line 2702  sub _get_next_token ($) {
2702          !!!next-input-character;          !!!next-input-character;
2703          redo A;          redo A;
2704        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (204);  
2705          !!!parse-error (type => 'no SYSTEM literal');          !!!parse-error (type => 'no SYSTEM literal');
         $self->{state} = DATA_STATE;  
         $self->{s_kwd} = '';  
2706          !!!next-input-character;          !!!next-input-character;
2707    
2708          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2709          !!!emit ($self->{ct}); # DOCTYPE            !!!cp (204);
2710              $self->{state} = DATA_STATE;
2711              $self->{s_kwd} = '';
2712              $self->{ct}->{quirks} = 1;
2713            } else {
2714              !!!cp (204.1);
2715              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2716            }
2717    
2718            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2719          redo A;          redo A;
2720        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2721          !!!cp (205);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2722          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (205);
2723              !!!parse-error (type => 'unclosed DOCTYPE');
2724          $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
2725          $self->{s_kwd} = '';            $self->{s_kwd} = '';
2726              $self->{ct}->{quirks} = 1;
2727            } else {
2728              !!!cp (205.1);
2729              !!!parse-error (type => 'unclosed md'); ## TODO: type
2730              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2731            }
2732            
2733          ## reconsume          ## reconsume
2734            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2735            redo A;
2736          } elsif ($self->{is_xml} and
2737                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2738                   $self->{nc} == 0x005B) { # [
2739            !!!cp (206.1);
2740            !!!parse-error (type => 'no SYSTEM literal');
2741    
2742          $self->{ct}->{quirks} = 1;          $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2743            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2744            $self->{in_subset} = 1;
2745            !!!next-input-character;
2746          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2747          redo A;          redo A;
2748        } else {        } else {
         !!!cp (206);  
2749          !!!parse-error (type => 'string after SYSTEM');          !!!parse-error (type => 'string after SYSTEM');
         $self->{ct}->{quirks} = 1;  
2750    
2751          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2752              !!!cp (206);          
2753              $self->{ct}->{quirks} = 1;
2754              $self->{state} = BOGUS_DOCTYPE_STATE;
2755            } else {
2756              !!!cp (206.2);
2757              $self->{state} = BOGUS_MD_STATE;
2758            }
2759    
2760          !!!next-input-character;          !!!next-input-character;
2761          redo A;          redo A;
2762        }        }
# Line 2181  sub _get_next_token ($) { Line 2766  sub _get_next_token ($) {
2766          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2767          !!!next-input-character;          !!!next-input-character;
2768          redo A;          redo A;
2769        } elsif ($self->{nc} == 0x003E) { # >        } elsif (not $self->{is_xml} and $self->{nc} == 0x003E) { # >
         !!!cp (208);  
2770          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2771    
2772          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2773          $self->{s_kwd} = '';            !!!cp (208);
2774              $self->{state} = DATA_STATE;
2775              $self->{s_kwd} = '';
2776              $self->{ct}->{quirks} = 1;
2777            } else {
2778              !!!cp (208.1);
2779              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2780            }
2781            
2782          !!!next-input-character;          !!!next-input-character;
2783            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2784          redo A;          redo A;
2785        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (209);  
2786          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2787    
2788          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2789          $self->{s_kwd} = '';            !!!cp (209);
2790              $self->{state} = DATA_STATE;
2791              $self->{s_kwd} = '';
2792              $self->{ct}->{quirks} = 1;
2793            } else {
2794              !!!cp (209.1);
2795              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2796            }
2797            
2798          ## reconsume          ## reconsume
2799            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2800          redo A;          redo A;
2801        } else {        } else {
2802          !!!cp (210);          !!!cp (210);
2803          $self->{ct}->{sysid} # DOCTYPE          $self->{ct}->{sysid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2804          $self->{read_until}->($self->{ct}->{sysid}, q[">],          $self->{read_until}->($self->{ct}->{sysid}, q[">],
2805                                length $self->{ct}->{sysid});                                length $self->{ct}->{sysid});
2806    
# Line 2222  sub _get_next_token ($) { Line 2814  sub _get_next_token ($) {
2814          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2815          !!!next-input-character;          !!!next-input-character;
2816          redo A;          redo A;
2817        } elsif ($self->{nc} == 0x003E) { # >        } elsif (not $self->{is_xml} and $self->{nc} == 0x003E) { # >
2818          !!!cp (212);          !!!cp (212);
2819          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2820    
# Line 2235  sub _get_next_token ($) { Line 2827  sub _get_next_token ($) {
2827    
2828          redo A;          redo A;
2829        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (213);  
2830          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2831    
2832          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2833          $self->{s_kwd} = '';            !!!cp (213);
2834          ## reconsume            $self->{state} = DATA_STATE;
2835              $self->{s_kwd} = '';
2836          $self->{ct}->{quirks} = 1;            $self->{ct}->{quirks} = 1;
2837          !!!emit ($self->{ct}); # DOCTYPE          } else {
2838              !!!cp (213.1);
2839              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2840            }
2841    
2842            ## reconsume
2843            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2844          redo A;          redo A;
2845        } else {        } else {
2846          !!!cp (214);          !!!cp (214);
2847          $self->{ct}->{sysid} # DOCTYPE          $self->{ct}->{sysid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2848          $self->{read_until}->($self->{ct}->{sysid}, q['>],          $self->{read_until}->($self->{ct}->{sysid}, q['>],
2849                                length $self->{ct}->{sysid});                                length $self->{ct}->{sysid});
2850    
# Line 2259  sub _get_next_token ($) { Line 2854  sub _get_next_token ($) {
2854        }        }
2855      } elsif ($self->{state} == AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE) {      } elsif ($self->{state} == AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE) {
2856        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2857          !!!cp (215);          if ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN) {
2858          ## Stay in the state            !!!cp (215.1);
2859              $self->{state} = BEFORE_NDATA_STATE;
2860            } else {
2861              !!!cp (215);
2862              ## Stay in the state
2863            }
2864          !!!next-input-character;          !!!next-input-character;
2865          redo A;          redo A;
2866        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2867          !!!cp (216);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2868          $self->{state} = DATA_STATE;            !!!cp (216);
2869          $self->{s_kwd} = '';            $self->{state} = DATA_STATE;
2870              $self->{s_kwd} = '';
2871            } else {
2872              !!!cp (216.1);
2873              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2874            }
2875    
2876          !!!next-input-character;          !!!next-input-character;
2877            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2878            redo A;
2879          } elsif ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN and
2880                   ($self->{nc} == 0x004E or # N
2881                    $self->{nc} == 0x006E)) { # n
2882            !!!cp (216.2);
2883            !!!parse-error (type => 'no space before NDATA'); ## TODO: type
2884            $self->{state} = NDATA_STATE;
2885            $self->{kwd} = chr $self->{nc};
2886            !!!next-input-character;
2887            redo A;
2888          } elsif ($self->{nc} == -1) {
2889            if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2890              !!!cp (217);
2891              !!!parse-error (type => 'unclosed DOCTYPE');
2892              $self->{state} = DATA_STATE;
2893              $self->{s_kwd} = '';
2894              $self->{ct}->{quirks} = 1;
2895            } else {
2896              !!!cp (217.1);
2897              !!!parse-error (type => 'unclosed md'); ## TODO: type
2898              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2899            }
2900    
2901            ## reconsume
2902            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2903            redo A;
2904          } elsif ($self->{is_xml} and
2905                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2906                   $self->{nc} == 0x005B) { # [
2907            !!!cp (218.1);
2908            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2909            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2910            $self->{in_subset} = 1;
2911            !!!next-input-character;
2912          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2913            redo A;
2914          } else {
2915            !!!parse-error (type => 'string after SYSTEM literal');
2916    
2917            if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2918              !!!cp (218);
2919              #$self->{ct}->{quirks} = 1;
2920              $self->{state} = BOGUS_DOCTYPE_STATE;
2921            } else {
2922              !!!cp (218.2);
2923              $self->{state} = BOGUS_MD_STATE;
2924            }
2925    
2926            !!!next-input-character;
2927            redo A;
2928          }
2929        } elsif ($self->{state} == BEFORE_NDATA_STATE) {
2930          if ($is_space->{$self->{nc}}) {
2931            !!!cp (218.3);
2932            ## Stay in the state.
2933            !!!next-input-character;
2934            redo A;
2935          } elsif ($self->{nc} == 0x003E) { # >
2936            !!!cp (218.4);
2937            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2938            !!!next-input-character;
2939            !!!emit ($self->{ct}); # ENTITY
2940            redo A;
2941          } elsif ($self->{nc} == 0x004E or # N
2942                   $self->{nc} == 0x006E) { # n
2943            !!!cp (218.5);
2944            $self->{state} = NDATA_STATE;
2945            $self->{kwd} = chr $self->{nc};
2946            !!!next-input-character;
2947          redo A;          redo A;
2948        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2949          !!!cp (217);          !!!cp (218.6);
2950          !!!parse-error (type => 'unclosed DOCTYPE');          !!!parse-error (type => 'unclosed md'); ## TODO: type
2951          $self->{state} = DATA_STATE;          $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
         $self->{s_kwd} = '';  
2952          ## reconsume          ## reconsume
2953            !!!emit ($self->{ct}); # ENTITY
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2954          redo A;          redo A;
2955        } else {        } else {
2956          !!!cp (218);          !!!cp (218.7);
2957          !!!parse-error (type => 'string after SYSTEM literal');          !!!parse-error (type => 'string after SYSTEM literal');
2958          #$self->{ct}->{quirks} = 1;          $self->{state} = BOGUS_MD_STATE;
   
         $self->{state} = BOGUS_DOCTYPE_STATE;  
2959          !!!next-input-character;          !!!next-input-character;
2960          redo A;          redo A;
2961        }        }
# Line 2302  sub _get_next_token ($) { Line 2969  sub _get_next_token ($) {
2969          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2970    
2971          redo A;          redo A;
2972          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
2973            !!!cp (220.1);
2974            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2975            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2976            $self->{in_subset} = 1;
2977            !!!next-input-character;
2978            !!!emit ($self->{ct}); # DOCTYPE
2979            redo A;
2980        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2981          !!!cp (220);          !!!cp (220);
2982          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
# Line 2314  sub _get_next_token ($) { Line 2989  sub _get_next_token ($) {
2989        } else {        } else {
2990          !!!cp (221);          !!!cp (221);
2991          my $s = '';          my $s = '';
2992          $self->{read_until}->($s, q[>], 0);          $self->{read_until}->($s, q{>[}, 0);
2993    
2994          ## Stay in the state          ## Stay in the state
2995          !!!next-input-character;          !!!next-input-character;
# Line 2324  sub _get_next_token ($) { Line 2999  sub _get_next_token ($) {
2999        ## NOTE: "CDATA section state" in the state is jointly implemented        ## NOTE: "CDATA section state" in the state is jointly implemented
3000        ## by three states, |CDATA_SECTION_STATE|, |CDATA_SECTION_MSE1_STATE|,        ## by three states, |CDATA_SECTION_STATE|, |CDATA_SECTION_MSE1_STATE|,
3001        ## and |CDATA_SECTION_MSE2_STATE|.        ## and |CDATA_SECTION_MSE2_STATE|.
3002    
3003          ## XML5: "CDATA state".
3004                
3005        if ($self->{nc} == 0x005D) { # ]        if ($self->{nc} == 0x005D) { # ]
3006          !!!cp (221.1);          !!!cp (221.1);
# Line 2331  sub _get_next_token ($) { Line 3008  sub _get_next_token ($) {
3008          !!!next-input-character;          !!!next-input-character;
3009          redo A;          redo A;
3010        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
3011            if ($self->{is_xml}) {
3012              !!!cp (221.11);
3013              !!!parse-error (type => 'no mse'); ## TODO: type
3014            } else {
3015              !!!cp (221.12);
3016            }
3017    
3018          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
3019          $self->{s_kwd} = '';          $self->{s_kwd} = '';
3020          !!!next-input-character;          ## Reconsume.
3021          if (length $self->{ct}->{data}) { # character          if (length $self->{ct}->{data}) { # character
3022            !!!cp (221.2);            !!!cp (221.2);
3023            !!!emit ($self->{ct}); # character            !!!emit ($self->{ct}); # character
# Line 2356  sub _get_next_token ($) { Line 3040  sub _get_next_token ($) {
3040    
3041        ## ISSUE: "text tokens" in spec.        ## ISSUE: "text tokens" in spec.
3042      } elsif ($self->{state} == CDATA_SECTION_MSE1_STATE) {      } elsif ($self->{state} == CDATA_SECTION_MSE1_STATE) {
3043          ## XML5: "CDATA bracket state".
3044    
3045        if ($self->{nc} == 0x005D) { # ]        if ($self->{nc} == 0x005D) { # ]
3046          !!!cp (221.5);          !!!cp (221.5);
3047          $self->{state} = CDATA_SECTION_MSE2_STATE;          $self->{state} = CDATA_SECTION_MSE2_STATE;
# Line 2363  sub _get_next_token ($) { Line 3049  sub _get_next_token ($) {
3049          redo A;          redo A;
3050        } else {        } else {
3051          !!!cp (221.6);          !!!cp (221.6);
3052            ## XML5: If EOF, "]" is not appended and changed to the data state.
3053          $self->{ct}->{data} .= ']';          $self->{ct}->{data} .= ']';
3054          $self->{state} = CDATA_SECTION_STATE;          $self->{state} = CDATA_SECTION_STATE; ## XML5: Stay in the state.
3055          ## Reconsume.          ## Reconsume.
3056          redo A;          redo A;
3057        }        }
3058      } elsif ($self->{state} == CDATA_SECTION_MSE2_STATE) {      } elsif ($self->{state} == CDATA_SECTION_MSE2_STATE) {
3059          ## XML5: "CDATA end state".
3060    
3061        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
3062          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
3063          $self->{s_kwd} = '';          $self->{s_kwd} = '';
# Line 2391  sub _get_next_token ($) { Line 3080  sub _get_next_token ($) {
3080          !!!cp (221.11);          !!!cp (221.11);
3081          $self->{ct}->{data} .= ']]'; # character          $self->{ct}->{data} .= ']]'; # character
3082          $self->{state} = CDATA_SECTION_STATE;          $self->{state} = CDATA_SECTION_STATE;
3083          ## Reconsume.          ## Reconsume. ## XML5: Emit.
3084          redo A;          redo A;
3085        }        }
3086      } elsif ($self->{state} == ENTITY_STATE) {      } elsif ($self->{state} == ENTITY_STATE) {
# Line 2400  sub _get_next_token ($) { Line 3089  sub _get_next_token ($) {
3089              0x003C => 1, 0x0026 => 1, -1 => 1, # <, &              0x003C => 1, 0x0026 => 1, -1 => 1, # <, &
3090              $self->{entity_add} => 1,              $self->{entity_add} => 1,
3091            }->{$self->{nc}}) {            }->{$self->{nc}}) {
3092          !!!cp (1001);          if ($self->{is_xml}) {
3093              !!!cp (1001.1);
3094              !!!parse-error (type => 'bare ero',
3095                              line => $self->{line_prev},
3096                              column => $self->{column_prev}
3097                                  + ($self->{nc} == -1 ? 1 : 0));
3098            } else {
3099              !!!cp (1001);
3100              ## No error
3101            }
3102          ## Don't consume          ## Don't consume
         ## No error  
3103          ## Return nothing.          ## Return nothing.
3104          #          #
3105        } elsif ($self->{nc} == 0x0023) { # #        } elsif ($self->{nc} == 0x0023) { # #
3106          !!!cp (999);          !!!cp (999);
3107          $self->{state} = ENTITY_HASH_STATE;          $self->{state} = ENTITY_HASH_STATE;
3108          $self->{s_kwd} = '#';          $self->{kwd} = '#';
3109          !!!next-input-character;          !!!next-input-character;
3110          redo A;          redo A;
3111        } elsif ((0x0041 <= $self->{nc} and        } elsif ($self->{is_xml} or
3112                   (0x0041 <= $self->{nc} and
3113                  $self->{nc} <= 0x005A) or # A..Z                  $self->{nc} <= 0x005A) or # A..Z
3114                 (0x0061 <= $self->{nc} and                 (0x0061 <= $self->{nc} and
3115                  $self->{nc} <= 0x007A)) { # a..z                  $self->{nc} <= 0x007A)) { # a..z
3116          !!!cp (998);          !!!cp (998);
3117          require Whatpm::_NamedEntityList;          require Whatpm::_NamedEntityList;
3118          $self->{state} = ENTITY_NAME_STATE;          $self->{state} = ENTITY_NAME_STATE;
3119          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
3120          $self->{entity__value} = $self->{s_kwd};          $self->{entity__value} = $self->{kwd};
3121          $self->{entity__match} = 0;          $self->{entity__match} = 0;
3122          !!!next-input-character;          !!!next-input-character;
3123          redo A;          redo A;
# Line 2455  sub _get_next_token ($) { Line 3153  sub _get_next_token ($) {
3153          redo A;          redo A;
3154        }        }
3155      } elsif ($self->{state} == ENTITY_HASH_STATE) {      } elsif ($self->{state} == ENTITY_HASH_STATE) {
3156        if ($self->{nc} == 0x0078 or # x        if ($self->{nc} == 0x0078) { # x
           $self->{nc} == 0x0058) { # X  
3157          !!!cp (995);          !!!cp (995);
3158          $self->{state} = HEXREF_X_STATE;          $self->{state} = HEXREF_X_STATE;
3159          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
3160            !!!next-input-character;
3161            redo A;
3162          } elsif ($self->{nc} == 0x0058) { # X
3163            !!!cp (995.1);
3164            if ($self->{is_xml}) {
3165              !!!parse-error (type => 'uppercase hcro'); ## TODO: type
3166            }
3167            $self->{state} = HEXREF_X_STATE;
3168            $self->{kwd} .= chr $self->{nc};
3169          !!!next-input-character;          !!!next-input-character;
3170          redo A;          redo A;
3171        } elsif (0x0030 <= $self->{nc} and        } elsif (0x0030 <= $self->{nc} and
3172                 $self->{nc} <= 0x0039) { # 0..9                 $self->{nc} <= 0x0039) { # 0..9
3173          !!!cp (994);          !!!cp (994);
3174          $self->{state} = NCR_NUM_STATE;          $self->{state} = NCR_NUM_STATE;
3175          $self->{s_kwd} = $self->{nc} - 0x0030;          $self->{kwd} = $self->{nc} - 0x0030;
3176          !!!next-input-character;          !!!next-input-character;
3177          redo A;          redo A;
3178        } else {        } else {
# Line 2502  sub _get_next_token ($) { Line 3208  sub _get_next_token ($) {
3208        if (0x0030 <= $self->{nc} and        if (0x0030 <= $self->{nc} and
3209            $self->{nc} <= 0x0039) { # 0..9            $self->{nc} <= 0x0039) { # 0..9
3210          !!!cp (1012);          !!!cp (1012);
3211          $self->{s_kwd} *= 10;          $self->{kwd} *= 10;
3212          $self->{s_kwd} += $self->{nc} - 0x0030;          $self->{kwd} += $self->{nc} - 0x0030;
3213                    
3214          ## Stay in the state.          ## Stay in the state.
3215          !!!next-input-character;          !!!next-input-character;
# Line 2519  sub _get_next_token ($) { Line 3225  sub _get_next_token ($) {
3225          #          #
3226        }        }
3227    
3228        my $code = $self->{s_kwd};        my $code = $self->{kwd};
3229        my $l = $self->{line_prev};        my $l = $self->{line_prev};
3230        my $c = $self->{column_prev};        my $c = $self->{column_prev};
3231        if ($charref_map->{$code}) {        if ((not $self->{is_xml} and $charref_map->{$code}) or
3232              ($self->{is_xml} and 0xD800 <= $code and $code <= 0xDFFF) or
3233              ($self->{is_xml} and $code == 0x0000)) {
3234          !!!cp (1015);          !!!cp (1015);
3235          !!!parse-error (type => 'invalid character reference',          !!!parse-error (type => 'invalid character reference',
3236                          text => (sprintf 'U+%04X', $code),                          text => (sprintf 'U+%04X', $code),
# Line 2542  sub _get_next_token ($) { Line 3250  sub _get_next_token ($) {
3250          $self->{s_kwd} = '';          $self->{s_kwd} = '';
3251          ## Reconsume.          ## Reconsume.
3252          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,
3253                      has_reference => 1,
3254                    line => $l, column => $c,                    line => $l, column => $c,
3255                   });                   });
3256          redo A;          redo A;
# Line 2561  sub _get_next_token ($) { Line 3270  sub _get_next_token ($) {
3270          # 0..9, A..F, a..f          # 0..9, A..F, a..f
3271          !!!cp (990);          !!!cp (990);
3272          $self->{state} = HEXREF_HEX_STATE;          $self->{state} = HEXREF_HEX_STATE;
3273          $self->{s_kwd} = 0;          $self->{kwd} = 0;
3274          ## Reconsume.          ## Reconsume.
3275          redo A;          redo A;
3276        } else {        } else {
# Line 2579  sub _get_next_token ($) { Line 3288  sub _get_next_token ($) {
3288            $self->{s_kwd} = '';            $self->{s_kwd} = '';
3289            ## Reconsume.            ## Reconsume.
3290            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
3291                      data => '&' . $self->{s_kwd},                      data => '&' . $self->{kwd},
3292                      line => $self->{line_prev},                      line => $self->{line_prev},
3293                      column => $self->{column_prev} - length $self->{s_kwd},                      column => $self->{column_prev} - length $self->{kwd},
3294                     });                     });
3295            redo A;            redo A;
3296          } else {          } else {
3297            !!!cp (989);            !!!cp (989);
3298            $self->{ca}->{value} .= '&' . $self->{s_kwd};            $self->{ca}->{value} .= '&' . $self->{kwd};
3299            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3300            $self->{s_kwd} = '';            $self->{s_kwd} = '';
3301            ## Reconsume.            ## Reconsume.
# Line 2597  sub _get_next_token ($) { Line 3306  sub _get_next_token ($) {
3306        if (0x0030 <= $self->{nc} and $self->{nc} <= 0x0039) {        if (0x0030 <= $self->{nc} and $self->{nc} <= 0x0039) {
3307          # 0..9          # 0..9
3308          !!!cp (1002);          !!!cp (1002);
3309          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3310          $self->{s_kwd} += $self->{nc} - 0x0030;          $self->{kwd} += $self->{nc} - 0x0030;
3311          ## Stay in the state.          ## Stay in the state.
3312          !!!next-input-character;          !!!next-input-character;
3313          redo A;          redo A;
3314        } elsif (0x0061 <= $self->{nc} and        } elsif (0x0061 <= $self->{nc} and
3315                 $self->{nc} <= 0x0066) { # a..f                 $self->{nc} <= 0x0066) { # a..f
3316          !!!cp (1003);          !!!cp (1003);
3317          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3318          $self->{s_kwd} += $self->{nc} - 0x0060 + 9;          $self->{kwd} += $self->{nc} - 0x0060 + 9;
3319          ## Stay in the state.          ## Stay in the state.
3320          !!!next-input-character;          !!!next-input-character;
3321          redo A;          redo A;
3322        } elsif (0x0041 <= $self->{nc} and        } elsif (0x0041 <= $self->{nc} and
3323                 $self->{nc} <= 0x0046) { # A..F                 $self->{nc} <= 0x0046) { # A..F
3324          !!!cp (1004);          !!!cp (1004);
3325          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3326          $self->{s_kwd} += $self->{nc} - 0x0040 + 9;          $self->{kwd} += $self->{nc} - 0x0040 + 9;
3327          ## Stay in the state.          ## Stay in the state.
3328          !!!next-input-character;          !!!next-input-character;
3329          redo A;          redo A;
# Line 2631  sub _get_next_token ($) { Line 3340  sub _get_next_token ($) {
3340          #          #
3341        }        }
3342    
3343        my $code = $self->{s_kwd};        my $code = $self->{kwd};
3344        my $l = $self->{line_prev};        my $l = $self->{line_prev};
3345        my $c = $self->{column_prev};        my $c = $self->{column_prev};
3346        if ($charref_map->{$code}) {        if ((not $self->{is_xml} and $charref_map->{$code}) or
3347              ($self->{is_xml} and 0xD800 <= $code and $code <= 0xDFFF) or
3348              ($self->{is_xml} and $code == 0x0000)) {
3349          !!!cp (1008);          !!!cp (1008);
3350          !!!parse-error (type => 'invalid character reference',          !!!parse-error (type => 'invalid character reference',
3351                          text => (sprintf 'U+%04X', $code),                          text => (sprintf 'U+%04X', $code),
# Line 2654  sub _get_next_token ($) { Line 3365  sub _get_next_token ($) {
3365          $self->{s_kwd} = '';          $self->{s_kwd} = '';
3366          ## Reconsume.          ## Reconsume.
3367          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,
3368                      has_reference => 1,
3369                    line => $l, column => $c,                    line => $l, column => $c,
3370                   });                   });
3371          redo A;          redo A;
# Line 2667  sub _get_next_token ($) { Line 3379  sub _get_next_token ($) {
3379          redo A;          redo A;
3380        }        }
3381      } elsif ($self->{state} == ENTITY_NAME_STATE) {      } elsif ($self->{state} == ENTITY_NAME_STATE) {
3382        if (length $self->{s_kwd} < 30 and        if ((0x0041 <= $self->{nc} and # a
3383            ## NOTE: Some number greater than the maximum length of entity name             $self->{nc} <= 0x005A) or # x
3384            ((0x0041 <= $self->{nc} and # a            (0x0061 <= $self->{nc} and # a
3385              $self->{nc} <= 0x005A) or # x             $self->{nc} <= 0x007A) or # z
3386             (0x0061 <= $self->{nc} and # a            (0x0030 <= $self->{nc} and # 0
3387              $self->{nc} <= 0x007A) or # z             $self->{nc} <= 0x0039) or # 9
3388             (0x0030 <= $self->{nc} and # 0            $self->{nc} == 0x003B or # ;
3389              $self->{nc} <= 0x0039) or # 9            ($self->{is_xml} and
3390             $self->{nc} == 0x003B)) { # ;             not ($is_space->{$self->{nc}} or
3391                    {
3392                      0x003C => 1, 0x0026 => 1, -1 => 1, # <, &
3393                      $self->{entity_add} => 1,
3394                    }->{$self->{nc}}))) {
3395          our $EntityChar;          our $EntityChar;
3396          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
3397          if (defined $EntityChar->{$self->{s_kwd}}) {          if (defined $EntityChar->{$self->{kwd}} or
3398                $self->{ge}->{$self->{kwd}}) {
3399            if ($self->{nc} == 0x003B) { # ;            if ($self->{nc} == 0x003B) { # ;
3400              !!!cp (1020);              if (defined $self->{ge}->{$self->{kwd}}) {
3401              $self->{entity__value} = $EntityChar->{$self->{s_kwd}};                if ($self->{ge}->{$self->{kwd}}->{only_text}) {
3402                    !!!cp (1020.1);
3403                    $self->{entity__value} = $self->{ge}->{$self->{kwd}}->{value};
3404                  } else {
3405                    if (defined $self->{ge}->{$self->{kwd}}->{notation}) {
3406                      !!!cp (1020.2);
3407                      !!!parse-error (type => 'unparsed entity', ## TODO: type
3408                                      value => $self->{kwd});
3409                    } else {
3410                      !!!cp (1020.3);
3411                    }
3412                    $self->{entity__value} = '&' . $self->{kwd}; ## TODO: expand
3413                  }
3414                } else {
3415                  if ($self->{is_xml}) {
3416                    !!!cp (1020.4);
3417                    !!!parse-error (type => 'entity not declared', ## TODO: type
3418                                    value => $self->{kwd},
3419                                    level => {
3420                                              'amp;' => $self->{level}->{warn},
3421                                              'quot;' => $self->{level}->{warn},
3422                                              'lt;' => $self->{level}->{warn},
3423                                              'gt;' => $self->{level}->{warn},
3424                                              'apos;' => $self->{level}->{warn},
3425                                             }->{$self->{kwd}} ||
3426                                             $self->{level}->{must});
3427                  } else {
3428                    !!!cp (1020);
3429                  }
3430                  $self->{entity__value} = $EntityChar->{$self->{kwd}};
3431                }
3432              $self->{entity__match} = 1;              $self->{entity__match} = 1;
3433              !!!next-input-character;              !!!next-input-character;
3434              #              #
3435            } else {            } else {
3436              !!!cp (1021);              !!!cp (1021);
3437              $self->{entity__value} = $EntityChar->{$self->{s_kwd}};              $self->{entity__value} = $EntityChar->{$self->{kwd}};
3438              $self->{entity__match} = -1;              $self->{entity__match} = -1;
3439              ## Stay in the state.              ## Stay in the state.
3440              !!!next-input-character;              !!!next-input-character;
# Line 2715  sub _get_next_token ($) { Line 3462  sub _get_next_token ($) {
3462          if ($self->{prev_state} != DATA_STATE and # in attribute          if ($self->{prev_state} != DATA_STATE and # in attribute
3463              $self->{entity__match} < -1) {              $self->{entity__match} < -1) {
3464            !!!cp (1024);            !!!cp (1024);
3465            $data = '&' . $self->{s_kwd};            $data = '&' . $self->{kwd};
3466            #            #
3467          } else {          } else {
3468            !!!cp (1025);            !!!cp (1025);
# Line 2727  sub _get_next_token ($) { Line 3474  sub _get_next_token ($) {
3474          !!!cp (1026);          !!!cp (1026);
3475          !!!parse-error (type => 'bare ero',          !!!parse-error (type => 'bare ero',
3476                          line => $self->{line_prev},                          line => $self->{line_prev},
3477                          column => $self->{column_prev} - length $self->{s_kwd});                          column => $self->{column_prev} - length $self->{kwd});
3478          $data = '&' . $self->{s_kwd};          $data = '&' . $self->{kwd};
3479          #          #
3480        }        }
3481        
# Line 2749  sub _get_next_token ($) { Line 3496  sub _get_next_token ($) {
3496          ## Reconsume.          ## Reconsume.
3497          !!!emit ({type => CHARACTER_TOKEN,          !!!emit ({type => CHARACTER_TOKEN,
3498                    data => $data,                    data => $data,
3499                      has_reference => $has_ref,
3500                    line => $self->{line_prev},                    line => $self->{line_prev},
3501                    column => $self->{column_prev} + 1 - length $self->{s_kwd},                    column => $self->{column_prev} + 1 - length $self->{kwd},
3502                   });                   });
3503          redo A;          redo A;
3504        } else {        } else {
# Line 2762  sub _get_next_token ($) { Line 3510  sub _get_next_token ($) {
3510          ## Reconsume.          ## Reconsume.
3511          redo A;          redo A;
3512        }        }
3513    
3514        ## XML-only states
3515    
3516        } elsif ($self->{state} == PI_STATE) {
3517          ## XML5: "Pi state" and "DOCTYPE pi state".
3518    
3519          if ($is_space->{$self->{nc}} or
3520              $self->{nc} == 0x003F or # ?
3521              $self->{nc} == -1) {
3522            ## XML5: U+003F: "pi state": Same as "Anything else"; "DOCTYPE
3523            ## pi state": Switch to the "DOCTYPE pi after state".  EOF:
3524            ## "DOCTYPE pi state": Parse error, switch to the "data
3525            ## state".
3526            !!!parse-error (type => 'bare pio', ## TODO: type
3527                            line => $self->{line_prev},
3528                            column => $self->{column_prev}
3529                                - 1 * ($self->{nc} != -1));
3530            $self->{state} = BOGUS_COMMENT_STATE;
3531            ## Reconsume.
3532            $self->{ct} = {type => COMMENT_TOKEN,
3533                           data => '?',
3534                           line => $self->{line_prev},
3535                           column => $self->{column_prev}
3536                               - 1 * ($self->{nc} != -1),
3537                          };
3538            redo A;
3539          } else {
3540            ## XML5: "DOCTYPE pi state": Stay in the state.
3541            $self->{ct} = {type => PI_TOKEN,
3542                           target => chr $self->{nc},
3543                           data => '',
3544                           line => $self->{line_prev},
3545                           column => $self->{column_prev} - 1,
3546                          };
3547            $self->{state} = PI_TARGET_STATE;
3548            !!!next-input-character;
3549            redo A;
3550          }
3551        } elsif ($self->{state} == PI_TARGET_STATE) {
3552          if ($is_space->{$self->{nc}}) {
3553            $self->{state} = PI_TARGET_AFTER_STATE;
3554            !!!next-input-character;
3555            redo A;
3556          } elsif ($self->{nc} == -1) {
3557            !!!parse-error (type => 'no pic'); ## TODO: type
3558            if ($self->{in_subset}) {
3559              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3560            } else {
3561              $self->{state} = DATA_STATE;
3562              $self->{s_kwd} = '';
3563            }
3564            ## Reconsume.
3565            !!!emit ($self->{ct}); # pi
3566            redo A;
3567          } elsif ($self->{nc} == 0x003F) { # ?
3568            $self->{state} = PI_AFTER_STATE;
3569            !!!next-input-character;
3570            redo A;
3571          } else {
3572            ## XML5: typo ("tag name" -> "target")
3573            $self->{ct}->{target} .= chr $self->{nc}; # pi
3574            !!!next-input-character;
3575            redo A;
3576          }
3577        } elsif ($self->{state} == PI_TARGET_AFTER_STATE) {
3578          if ($is_space->{$self->{nc}}) {
3579            ## Stay in the state.
3580            !!!next-input-character;
3581            redo A;
3582          } else {
3583            $self->{state} = PI_DATA_STATE;
3584            ## Reprocess.
3585            redo A;
3586          }
3587        } elsif ($self->{state} == PI_DATA_STATE) {
3588          if ($self->{nc} == 0x003F) { # ?
3589            $self->{state} = PI_DATA_AFTER_STATE;
3590            !!!next-input-character;
3591            redo A;
3592          } elsif ($self->{nc} == -1) {
3593            !!!parse-error (type => 'no pic'); ## TODO: type
3594            if ($self->{in_subset}) {
3595              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state"
3596            } else {
3597              $self->{state} = DATA_STATE;
3598              $self->{s_kwd} = '';
3599            }
3600            ## Reprocess.
3601            !!!emit ($self->{ct}); # pi
3602            redo A;
3603          } else {
3604            $self->{ct}->{data} .= chr $self->{nc}; # pi
3605            $self->{read_until}->($self->{ct}->{data}, q[?],
3606                                  length $self->{ct}->{data});
3607            ## Stay in the state.
3608            !!!next-input-character;
3609            ## Reprocess.
3610            redo A;
3611          }
3612        } elsif ($self->{state} == PI_AFTER_STATE) {
3613          ## XML5: Part of "Pi after state".
3614    
3615          if ($self->{nc} == 0x003E) { # >
3616            if ($self->{in_subset}) {
3617              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3618            } else {
3619              $self->{state} = DATA_STATE;
3620              $self->{s_kwd} = '';
3621            }
3622            !!!next-input-character;
3623            !!!emit ($self->{ct}); # pi
3624            redo A;
3625          } elsif ($self->{nc} == 0x003F) { # ?
3626            !!!parse-error (type => 'no s after target', ## TODO: type
3627                            line => $self->{line_prev},
3628                            column => $self->{column_prev}); ## XML5: no error
3629            $self->{ct}->{data} .= '?';
3630            $self->{state} = PI_DATA_AFTER_STATE;
3631            !!!next-input-character;
3632            redo A;
3633          } else {
3634            !!!parse-error (type => 'no s after target', ## TODO: type
3635                            line => $self->{line_prev},
3636                            column => $self->{column_prev}
3637                                + 1 * ($self->{nc} == -1)); ## XML5: no error
3638            $self->{ct}->{data} .= '?'; ## XML5: not appended
3639            $self->{state} = PI_DATA_STATE;
3640            ## Reprocess.
3641            redo A;
3642          }
3643        } elsif ($self->{state} == PI_DATA_AFTER_STATE) {
3644          ## XML5: Same as "pi after state" and "DOCTYPE pi after state".
3645    
3646          if ($self->{nc} == 0x003E) { # >
3647            if ($self->{in_subset}) {
3648              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3649            } else {
3650              $self->{state} = DATA_STATE;
3651              $self->{s_kwd} = '';
3652            }
3653            !!!next-input-character;
3654            !!!emit ($self->{ct}); # pi
3655            redo A;
3656          } elsif ($self->{nc} == 0x003F) { # ?
3657            $self->{ct}->{data} .= '?';
3658            ## Stay in the state.
3659            !!!next-input-character;
3660            redo A;
3661          } else {
3662            $self->{ct}->{data} .= '?'; ## XML5: not appended
3663            $self->{state} = PI_DATA_STATE;
3664            ## Reprocess.
3665            redo A;
3666          }
3667    
3668        } elsif ($self->{state} == DOCTYPE_INTERNAL_SUBSET_STATE) {
3669          if ($self->{nc} == 0x003C) { # <
3670            $self->{state} = DOCTYPE_TAG_STATE;
3671            !!!next-input-character;
3672            redo A;
3673          } elsif ($self->{nc} == 0x0025) { # %
3674            ## XML5: Not defined yet.
3675    
3676            ## TODO:
3677    
3678            if (not $self->{stop_processing} and
3679                not $self->{document}->xml_standalone) {
3680              !!!parse-error (type => 'stop processing', ## TODO: type
3681                              level => $self->{level}->{info});
3682              $self->{stop_processing} = 1;
3683            }
3684    
3685            !!!next-input-character;
3686            redo A;
3687          } elsif ($self->{nc} == 0x005D) { # ]
3688            delete $self->{in_subset};
3689            $self->{state} = DOCTYPE_INTERNAL_SUBSET_AFTER_STATE;
3690            !!!next-input-character;
3691            redo A;
3692          } elsif ($is_space->{$self->{nc}}) {
3693            ## Stay in the state.
3694            !!!next-input-character;
3695            redo A;
3696          } elsif ($self->{nc} == -1) {
3697            !!!parse-error (type => 'unclosed internal subset'); ## TODO: type
3698            delete $self->{in_subset};
3699            $self->{state} = DATA_STATE;
3700            $self->{s_kwd} = '';
3701            ## Reconsume.
3702            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3703            redo A;
3704          } else {
3705            unless ($self->{internal_subset_tainted}) {
3706              ## XML5: No parse error.
3707              !!!parse-error (type => 'string in internal subset');
3708              $self->{internal_subset_tainted} = 1;
3709            }
3710            ## Stay in the state.
3711            !!!next-input-character;
3712            redo A;
3713          }
3714        } elsif ($self->{state} == DOCTYPE_INTERNAL_SUBSET_AFTER_STATE) {
3715          if ($self->{nc} == 0x003E) { # >
3716            $self->{state} = DATA_STATE;
3717            $self->{s_kwd} = '';
3718            !!!next-input-character;
3719            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3720            redo A;
3721          } elsif ($self->{nc} == -1) {
3722            !!!parse-error (type => 'unclosed DOCTYPE');
3723            $self->{state} = DATA_STATE;
3724            $self->{s_kwd} = '';
3725            ## Reconsume.
3726            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3727            redo A;
3728          } else {
3729            ## XML5: No parse error and stay in the state.
3730            !!!parse-error (type => 'string after internal subset'); ## TODO: type
3731    
3732            $self->{state} = BOGUS_DOCTYPE_INTERNAL_SUBSET_AFTER_STATE;
3733            !!!next-input-character;
3734            redo A;
3735          }
3736        } elsif ($self->{state} == BOGUS_DOCTYPE_INTERNAL_SUBSET_AFTER_STATE) {
3737          if ($self->{nc} == 0x003E) { # >
3738            $self->{state} = DATA_STATE;
3739            $self->{s_kwd} = '';
3740            !!!next-input-character;
3741            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3742            redo A;
3743          } elsif ($self->{nc} == -1) {
3744            $self->{state} = DATA_STATE;
3745            $self->{s_kwd} = '';
3746            ## Reconsume.
3747            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3748            redo A;
3749          } else {
3750            ## Stay in the state.
3751            !!!next-input-character;
3752            redo A;
3753          }
3754        } elsif ($self->{state} == DOCTYPE_TAG_STATE) {
3755          if ($self->{nc} == 0x0021) { # !
3756            $self->{state} = DOCTYPE_MARKUP_DECLARATION_OPEN_STATE;
3757            !!!next-input-character;
3758            redo A;
3759          } elsif ($self->{nc} == 0x003F) { # ?
3760            $self->{state} = PI_STATE;
3761            !!!next-input-character;
3762            redo A;
3763          } elsif ($self->{nc} == -1) {
3764            !!!parse-error (type => 'bare stago');
3765            $self->{state} = DATA_STATE;
3766            $self->{s_kwd} = '';
3767            ## Reconsume.
3768            redo A;
3769          } else {
3770            !!!parse-error (type => 'bare stago', ## XML5: Not a parse error.
3771                            line => $self->{line_prev},
3772                            column => $self->{column_prev});
3773            $self->{state} = BOGUS_COMMENT_STATE;
3774            $self->{ct} = {type => COMMENT_TOKEN,
3775                           data => '',
3776                          }; ## NOTE: Will be discarded.
3777            !!!next-input-character;
3778            redo A;
3779          }
3780        } elsif ($self->{state} == DOCTYPE_MARKUP_DECLARATION_OPEN_STATE) {
3781          ## XML5: "DOCTYPE markup declaration state".
3782          
3783          if ($self->{nc} == 0x002D) { # -
3784            $self->{state} = MD_HYPHEN_STATE;
3785            !!!next-input-character;
3786            redo A;
3787          } elsif ($self->{nc} == 0x0045 or # E
3788                   $self->{nc} == 0x0065) { # e
3789            $self->{state} = MD_E_STATE;
3790            $self->{kwd} = chr $self->{nc};
3791            !!!next-input-character;
3792            redo A;
3793          } elsif ($self->{nc} == 0x0041 or # A
3794                   $self->{nc} == 0x0061) { # a
3795            $self->{state} = MD_ATTLIST_STATE;
3796            $self->{kwd} = chr $self->{nc};
3797            !!!next-input-character;
3798            redo A;
3799          } elsif ($self->{nc} == 0x004E or # N
3800                   $self->{nc} == 0x006E) { # n
3801            $self->{state} = MD_NOTATION_STATE;
3802            $self->{kwd} = chr $self->{nc};
3803            !!!next-input-character;
3804            redo A;
3805          } else {
3806            #
3807          }
3808          
3809          ## XML5: No parse error.
3810          !!!parse-error (type => 'bogus comment',
3811                          line => $self->{line_prev},
3812                          column => $self->{column_prev} - 1);
3813          ## Reconsume.
3814          $self->{state} = BOGUS_COMMENT_STATE;
3815          $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded.
3816          redo A;
3817        } elsif ($self->{state} == MD_E_STATE) {
3818          if ($self->{nc} == 0x004E or # N
3819              $self->{nc} == 0x006E) { # n
3820            $self->{state} = MD_ENTITY_STATE;
3821            $self->{kwd} .= chr $self->{nc};
3822            !!!next-input-character;
3823            redo A;
3824          } elsif ($self->{nc} == 0x004C or # L
3825                   $self->{nc} == 0x006C) { # l
3826            ## XML5: <!ELEMENT> not supported.
3827            $self->{state} = MD_ELEMENT_STATE;
3828            $self->{kwd} .= chr $self->{nc};
3829            !!!next-input-character;
3830            redo A;
3831          } else {
3832            ## XML5: No parse error.
3833            !!!parse-error (type => 'bogus comment',
3834                            line => $self->{line_prev},
3835                            column => $self->{column_prev} - 2
3836                                + 1 * ($self->{nc} == -1));
3837            ## Reconsume.
3838            $self->{state} = BOGUS_COMMENT_STATE;
3839            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3840            redo A;
3841          }
3842        } elsif ($self->{state} == MD_ENTITY_STATE) {
3843          if ($self->{nc} == [
3844                undef,
3845                undef,
3846                0x0054, # T
3847                0x0049, # I
3848                0x0054, # T
3849              ]->[length $self->{kwd}] or
3850              $self->{nc} == [
3851                undef,
3852                undef,
3853                0x0074, # t
3854                0x0069, # i
3855                0x0074, # t
3856              ]->[length $self->{kwd}]) {
3857            ## Stay in the state.
3858            $self->{kwd} .= chr $self->{nc};
3859            !!!next-input-character;
3860            redo A;
3861          } elsif ((length $self->{kwd}) == 5 and
3862                   ($self->{nc} == 0x0059 or # Y
3863                    $self->{nc} == 0x0079)) { # y
3864            if ($self->{kwd} ne 'ENTIT' or $self->{nc} == 0x0079) {
3865              !!!parse-error (type => 'lowercase keyword', ## TODO: type
3866                              text => 'ENTITY',
3867                              line => $self->{line_prev},
3868                              column => $self->{column_prev} - 4);
3869            }
3870            $self->{ct} = {type => GENERAL_ENTITY_TOKEN, name => '',
3871                           line => $self->{line_prev},
3872                           column => $self->{column_prev} - 6};
3873            $self->{state} = DOCTYPE_MD_STATE;
3874            !!!next-input-character;
3875            redo A;
3876          } else {
3877            !!!parse-error (type => 'bogus comment',
3878                            line => $self->{line_prev},
3879                            column => $self->{column_prev} - 1
3880                                - (length $self->{kwd})
3881                                + 1 * ($self->{nc} == -1));
3882            $self->{state} = BOGUS_COMMENT_STATE;
3883            ## Reconsume.
3884            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3885            redo A;
3886          }
3887        } elsif ($self->{state} == MD_ELEMENT_STATE) {
3888          if ($self->{nc} == [
3889               undef,
3890               undef,
3891               0x0045, # E
3892               0x004D, # M
3893               0x0045, # E
3894               0x004E, # N
3895              ]->[length $self->{kwd}] or
3896              $self->{nc} == [
3897               undef,
3898               undef,
3899               0x0065, # e
3900               0x006D, # m
3901               0x0065, # e
3902               0x006E, # n
3903              ]->[length $self->{kwd}]) {
3904            ## Stay in the state.
3905            $self->{kwd} .= chr $self->{nc};
3906            !!!next-input-character;
3907            redo A;
3908          } elsif ((length $self->{kwd}) == 6 and
3909                   ($self->{nc} == 0x0054 or # T
3910                    $self->{nc} == 0x0074)) { # t
3911            if ($self->{kwd} ne 'ELEMEN' or $self->{nc} == 0x0074) {
3912              !!!parse-error (type => 'lowercase keyword', ## TODO: type
3913                              text => 'ELEMENT',
3914                              line => $self->{line_prev},
3915                              column => $self->{column_prev} - 5);
3916            }
3917            $self->{ct} = {type => ELEMENT_TOKEN, name => '',
3918                           line => $self->{line_prev},
3919                           column => $self->{column_prev} - 7};
3920            $self->{state} = DOCTYPE_MD_STATE;
3921            !!!next-input-character;
3922            redo A;
3923          } else {
3924            !!!parse-error (type => 'bogus comment',
3925                            line => $self->{line_prev},
3926                            column => $self->{column_prev} - 1
3927                                - (length $self->{kwd})
3928                                + 1 * ($self->{nc} == -1));
3929            $self->{state} = BOGUS_COMMENT_STATE;
3930            ## Reconsume.
3931            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3932            redo A;
3933          }
3934        } elsif ($self->{state} == MD_ATTLIST_STATE) {
3935          if ($self->{nc} == [
3936               undef,
3937               0x0054, # T
3938               0x0054, # T
3939               0x004C, # L
3940               0x0049, # I
3941               0x0053, # S
3942              ]->[length $self->{kwd}] or
3943              $self->{nc} == [
3944               undef,
3945               0x0074, # t
3946               0x0074, # t
3947               0x006C, # l
3948               0x0069, # i
3949               0x0073, # s
3950              ]->[length $self->{kwd}]) {
3951            ## Stay in the state.
3952            $self->{kwd} .= chr $self->{nc};
3953            !!!next-input-character;
3954            redo A;
3955          } elsif ((length $self->{kwd}) == 6 and
3956                   ($self->{nc} == 0x0054 or # T
3957                    $self->{nc} == 0x0074)) { # t
3958            if ($self->{kwd} ne 'ATTLIS' or $self->{nc} == 0x0074) {
3959              !!!parse-error (type => 'lowercase keyword', ## TODO: type
3960                              text => 'ATTLIST',
3961                              line => $self->{line_prev},
3962                              column => $self->{column_prev} - 5);
3963            }
3964            $self->{ct} = {type => ATTLIST_TOKEN, name => '',
3965                           attrdefs => [],
3966                           line => $self->{line_prev},
3967                           column => $self->{column_prev} - 7};
3968            $self->{state} = DOCTYPE_MD_STATE;
3969            !!!next-input-character;
3970            redo A;
3971          } else {
3972            !!!parse-error (type => 'bogus comment',
3973                            line => $self->{line_prev},
3974                            column => $self->{column_prev} - 1
3975                                 - (length $self->{kwd})
3976                                 + 1 * ($self->{nc} == -1));
3977            $self->{state} = BOGUS_COMMENT_STATE;
3978            ## Reconsume.
3979            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3980            redo A;
3981          }
3982        } elsif ($self->{state} == MD_NOTATION_STATE) {
3983          if ($self->{nc} == [
3984               undef,
3985               0x004F, # O
3986               0x0054, # T
3987               0x0041, # A
3988               0x0054, # T
3989               0x0049, # I
3990               0x004F, # O
3991              ]->[length $self->{kwd}] or
3992              $self->{nc} == [
3993               undef,
3994               0x006F, # o
3995               0x0074, # t
3996               0x0061, # a
3997               0x0074, # t
3998               0x0069, # i
3999               0x006F, # o
4000              ]->[length $self->{kwd}]) {
4001            ## Stay in the state.
4002            $self->{kwd} .= chr $self->{nc};
4003            !!!next-input-character;
4004            redo A;
4005          } elsif ((length $self->{kwd}) == 7 and
4006                   ($self->{nc} == 0x004E or # N
4007                    $self->{nc} == 0x006E)) { # n
4008            if ($self->{kwd} ne 'NOTATIO' or $self->{nc} == 0x006E) {
4009              !!!parse-error (type => 'lowercase keyword', ## TODO: type
4010                              text => 'NOTATION',
4011                              line => $self->{line_prev},
4012                              column => $self->{column_prev} - 6);
4013            }
4014            $self->{ct} = {type => NOTATION_TOKEN, name => '',
4015                           line => $self->{line_prev},
4016                           column => $self->{column_prev} - 8};
4017            $self->{state} = DOCTYPE_MD_STATE;
4018            !!!next-input-character;
4019            redo A;
4020          } else {
4021            !!!parse-error (type => 'bogus comment',
4022                            line => $self->{line_prev},
4023                            column => $self->{column_prev} - 1
4024                                - (length $self->{kwd})
4025                                + 1 * ($self->{nc} == -1));
4026            $self->{state} = BOGUS_COMMENT_STATE;
4027            ## Reconsume.
4028            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
4029            redo A;
4030          }
4031        } elsif ($self->{state} == DOCTYPE_MD_STATE) {
4032          ## XML5: "DOCTYPE ENTITY state", "DOCTYPE ATTLIST state", and
4033          ## "DOCTYPE NOTATION state".
4034    
4035          if ($is_space->{$self->{nc}}) {
4036            ## XML5: [NOTATION] Switch to the "DOCTYPE NOTATION identifier state".
4037            $self->{state} = BEFORE_MD_NAME_STATE;
4038            !!!next-input-character;
4039            redo A;
4040          } elsif ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN and
4041                   $self->{nc} == 0x0025) { # %
4042            ## XML5: Switch to the "DOCTYPE bogus comment state".
4043            !!!parse-error (type => 'no space before md name'); ## TODO: type
4044            $self->{state} = DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE;
4045            !!!next-input-character;
4046            redo A;
4047          } elsif ($self->{nc} == -1) {
4048            !!!parse-error (type => 'unclosed md'); ## TODO: type
4049            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4050            ## Reconsume.
4051            redo A;
4052          } elsif ($self->{nc} == 0x003E) { # >
4053            ## XML5: Switch to the "DOCTYPE bogus comment state".
4054            !!!parse-error (type => 'no md name'); ## TODO: type
4055            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4056            !!!next-input-character;
4057            redo A;
4058          } else {
4059            ## XML5: Switch to the "DOCTYPE bogus comment state".
4060            !!!parse-error (type => 'no space before md name'); ## TODO: type
4061            $self->{state} = BEFORE_MD_NAME_STATE;
4062            redo A;
4063          }
4064        } elsif ($self->{state} == BEFORE_MD_NAME_STATE) {
4065          ## XML5: "DOCTYPE ENTITY parameter state", "DOCTYPE ENTITY type
4066          ## before state", "DOCTYPE ATTLIST name before state".
4067    
4068          if ($is_space->{$self->{nc}}) {
4069            ## Stay in the state.
4070            !!!next-input-character;
4071            redo A;
4072          } elsif ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN and
4073                   $self->{nc} == 0x0025) { # %
4074            $self->{state} = DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE;
4075            !!!next-input-character;
4076            redo A;
4077          } elsif ($self->{nc} == 0x003E) { # >
4078            ## XML5: Same as "Anything else".
4079            !!!parse-error (type => 'no md name'); ## TODO: type
4080            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4081            !!!next-input-character;
4082            redo A;
4083          } elsif ($self->{nc} == -1) {
4084            !!!parse-error (type => 'unclosed md'); ## TODO: type
4085            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4086            ## Reconsume.
4087            redo A;
4088          } else {
4089            ## XML5: [ATTLIST] Not defined yet.
4090            $self->{ct}->{name} .= chr $self->{nc};
4091            $self->{state} = MD_NAME_STATE;
4092            !!!next-input-character;
4093            redo A;
4094          }
4095        } elsif ($self->{state} == DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE) {
4096          if ($is_space->{$self->{nc}}) {
4097            ## XML5: Switch to the "DOCTYPE ENTITY parameter state".
4098            $self->{ct}->{type} = PARAMETER_ENTITY_TOKEN;
4099            $self->{state} = BEFORE_MD_NAME_STATE;
4100            !!!next-input-character;
4101            redo A;
4102          } elsif ($self->{nc} == 0x003E) { # >
4103            ## XML5: Same as "Anything else".
4104            !!!parse-error (type => 'no md name'); ## TODO: type
4105            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4106            !!!next-input-character;
4107            redo A;
4108          } elsif ($self->{nc} == -1) {
4109            !!!parse-error (type => 'unclosed md');
4110            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4111            ## Reconsume.
4112            redo A;
4113          } else {
4114            ## XML5: No parse error.
4115            !!!parse-error (type => 'no space after ENTITY percent'); ## TODO: type
4116            $self->{state} = BOGUS_COMMENT_STATE;
4117            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
4118            ## Reconsume.
4119            redo A;
4120          }
4121        } elsif ($self->{state} == MD_NAME_STATE) {
4122          ## XML5: "DOCTYPE ENTITY name state" and "DOCTYPE ATTLIST name state".
4123          
4124          if ($is_space->{$self->{nc}}) {
4125            if ($self->{ct}->{type} == ATTLIST_TOKEN) {
4126              $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4127            } elsif ($self->{ct}->{type} == ELEMENT_TOKEN) {
4128              $self->{state} = AFTER_ELEMENT_NAME_STATE;
4129            } else { # ENTITY/NOTATION
4130              $self->{state} = AFTER_DOCTYPE_NAME_STATE;
4131            }
4132            !!!next-input-character;
4133            redo A;
4134          } elsif ($self->{nc} == 0x003E) { # >
4135            if ($self->{ct}->{type} == ATTLIST_TOKEN) {
4136              #
4137            } else {
4138              !!!parse-error (type => 'no md def'); ## TODO: type
4139            }
4140            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4141            !!!next-input-character;
4142            !!!emit ($self->{ct}); # ELEMENT/ENTITY/ATTLIST/NOTATION
4143            redo A;
4144          } elsif ($self->{nc} == -1) {
4145            ## XML5: [ATTLIST] No parse error.
4146            !!!parse-error (type => 'unclosed md');
4147            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4148            ## Reconsume.
4149            !!!emit ($self->{ct}); # ELEMENT/ENTITY/ATTLIST/NOTATION
4150            redo A;
4151          } else {
4152            ## XML5: [ATTLIST] Not defined yet.
4153            $self->{ct}->{name} .= chr $self->{nc};
4154            ## Stay in the state.
4155            !!!next-input-character;
4156            redo A;
4157          }
4158        } elsif ($self->{state} == DOCTYPE_ATTLIST_NAME_AFTER_STATE) {
4159          if ($is_space->{$self->{nc}}) {
4160            ## Stay in the state.
4161            !!!next-input-character;
4162            redo A;
4163          } elsif ($self->{nc} == 0x003E) { # >
4164            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4165            !!!next-input-character;
4166            !!!emit ($self->{ct}); # ATTLIST
4167            redo A;
4168          } elsif ($self->{nc} == -1) {
4169            ## XML5: No parse error.
4170            !!!parse-error (type => 'unclosed md'); ## TODO: type
4171            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4172            !!!emit ($self->{ct});
4173            redo A;
4174          } else {
4175            ## XML5: Not defined yet.
4176            $self->{ca} = {name => chr ($self->{nc}), # attrdef
4177                           tokens => [],
4178                           line => $self->{line}, column => $self->{column}};
4179            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_NAME_STATE;
4180            !!!next-input-character;
4181            redo A;
4182          }
4183        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_NAME_STATE) {
4184          if ($is_space->{$self->{nc}}) {
4185            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_NAME_AFTER_STATE;
4186            !!!next-input-character;
4187            redo A;
4188          } elsif ($self->{nc} == 0x003E) { # >
4189            ## XML5: Same as "anything else".
4190            !!!parse-error (type => 'no attr type'); ## TODO: type
4191            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4192            !!!next-input-character;
4193            !!!emit ($self->{ct}); # ATTLIST
4194            redo A;
4195          } elsif ($self->{nc} == 0x0028) { # (
4196            ## XML5: Same as "anything else".
4197            !!!parse-error (type => 'no space before paren'); ## TODO: type
4198            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4199            !!!next-input-character;
4200            redo A;
4201          } elsif ($self->{nc} == -1) {
4202            ## XML5: No parse error.
4203            !!!parse-error (type => 'unclosed md'); ## TODO: type
4204            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4205            !!!next-input-character;
4206            !!!emit ($self->{ct}); # ATTLIST
4207            redo A;
4208          } else {
4209            ## XML5: Not defined yet.
4210            $self->{ca}->{name} .= chr $self->{nc};
4211            ## Stay in the state.
4212            !!!next-input-character;
4213            redo A;
4214          }
4215        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_NAME_AFTER_STATE) {
4216          if ($is_space->{$self->{nc}}) {
4217            ## Stay in the state.
4218            !!!next-input-character;
4219            redo A;
4220          } elsif ($self->{nc} == 0x003E) { # >
4221            ## XML5: Same as "anything else".
4222            !!!parse-error (type => 'no attr type'); ## TODO: type
4223            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4224            !!!next-input-character;
4225            !!!emit ($self->{ct}); # ATTLIST
4226            redo A;
4227          } elsif ($self->{nc} == 0x0028) { # (
4228            ## XML5: Same as "anything else".
4229            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4230            !!!next-input-character;
4231            redo A;
4232          } elsif ($self->{nc} == -1) {
4233            ## XML5: No parse error.
4234            !!!parse-error (type => 'unclosed md'); ## TODO: type
4235            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4236            !!!next-input-character;
4237            !!!emit ($self->{ct});
4238            redo A;
4239          } else {
4240            ## XML5: Not defined yet.
4241            $self->{ca}->{type} = chr $self->{nc};
4242            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_STATE;
4243            !!!next-input-character;
4244            redo A;
4245          }
4246        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_STATE) {
4247          if ($is_space->{$self->{nc}}) {
4248            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_AFTER_STATE;
4249            !!!next-input-character;
4250            redo A;
4251          } elsif ($self->{nc} == 0x0023) { # #
4252            ## XML5: Same as "anything else".
4253            !!!parse-error (type => 'no space before default value'); ## TODO: type
4254            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4255            !!!next-input-character;
4256            redo A;
4257          } elsif ($self->{nc} == 0x0022) { # "
4258            ## XML5: Same as "anything else".
4259            !!!parse-error (type => 'no space before default value'); ## TODO: type
4260            $self->{ca}->{value} = '';
4261            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4262            !!!next-input-character;
4263            redo A;
4264          } elsif ($self->{nc} == 0x0027) { # '
4265            ## XML5: Same as "anything else".
4266            !!!parse-error (type => 'no space before default value'); ## TODO: type
4267            $self->{ca}->{value} = '';
4268            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4269            !!!next-input-character;
4270            redo A;
4271          } elsif ($self->{nc} == 0x003E) { # >
4272            ## XML5: Same as "anything else".
4273            !!!parse-error (type => 'no attr default'); ## TODO: type
4274            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4275            !!!next-input-character;
4276            !!!emit ($self->{ct}); # ATTLIST
4277            redo A;
4278          } elsif ($self->{nc} == 0x0028) { # (
4279            ## XML5: Same as "anything else".
4280            !!!parse-error (type => 'no space before paren'); ## TODO: type
4281            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4282            !!!next-input-character;
4283            redo A;
4284          } elsif ($self->{nc} == -1) {
4285            ## XML5: No parse error.
4286            !!!parse-error (type => 'unclosed md'); ## TODO: type
4287            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4288            !!!next-input-character;
4289            !!!emit ($self->{ct});
4290            redo A;
4291          } else {
4292            ## XML5: Not defined yet.
4293            $self->{ca}->{type} .= chr $self->{nc};
4294            ## Stay in the state.
4295            !!!next-input-character;
4296            redo A;
4297          }
4298        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_AFTER_STATE) {
4299          if ($is_space->{$self->{nc}}) {
4300            ## Stay in the state.
4301            !!!next-input-character;
4302            redo A;
4303          } elsif ($self->{nc} == 0x0028) { # (
4304            ## XML5: Same as "anything else".
4305            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4306            !!!next-input-character;
4307            redo A;
4308          } elsif ($self->{nc} == 0x0023) { # #
4309            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4310            !!!next-input-character;
4311            redo A;
4312          } elsif ($self->{nc} == 0x0022) { # "
4313            ## XML5: Same as "anything else".
4314            $self->{ca}->{value} = '';
4315            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4316            !!!next-input-character;
4317            redo A;
4318          } elsif ($self->{nc} == 0x0027) { # '
4319            ## XML5: Same as "anything else".
4320            $self->{ca}->{value} = '';
4321            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4322            !!!next-input-character;
4323            redo A;
4324          } elsif ($self->{nc} == 0x003E) { # >
4325            ## XML5: Same as "anything else".
4326            !!!parse-error (type => 'no attr default'); ## TODO: type
4327            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4328            !!!next-input-character;
4329            !!!emit ($self->{ct}); # ATTLIST
4330            redo A;
4331          } elsif ($self->{nc} == -1) {
4332            ## XML5: No parse error.
4333            !!!parse-error (type => 'unclosed md'); ## TODO: type
4334            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4335            !!!next-input-character;
4336            !!!emit ($self->{ct});
4337            redo A;
4338          } else {
4339            ## XML5: Switch to the "DOCTYPE bogus comment state".
4340            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4341            $self->{ca}->{value} = '';
4342            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4343            ## Reconsume.
4344            redo A;
4345          }
4346        } elsif ($self->{state} == BEFORE_ALLOWED_TOKEN_STATE) {
4347          if ($is_space->{$self->{nc}}) {
4348            ## Stay in the state.
4349            !!!next-input-character;
4350            redo A;
4351          } elsif ($self->{nc} == 0x007C) { # |
4352            !!!parse-error (type => 'empty allowed token'); ## TODO: type
4353            ## Stay in the state.
4354            !!!next-input-character;
4355            redo A;
4356          } elsif ($self->{nc} == 0x0029) { # )
4357            !!!parse-error (type => 'empty allowed token'); ## TODO: type
4358            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4359            !!!next-input-character;
4360            redo A;
4361          } elsif ($self->{nc} == 0x003E) { # >
4362            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4363            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4364            !!!next-input-character;
4365            !!!emit ($self->{ct}); # ATTLIST
4366            redo A;
4367          } elsif ($self->{nc} == -1) {
4368            ## XML5: No parse error.
4369            !!!parse-error (type => 'unclosed md'); ## TODO: type
4370            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4371            !!!next-input-character;
4372            !!!emit ($self->{ct});
4373            redo A;
4374          } else {
4375            push @{$self->{ca}->{tokens}}, chr $self->{nc};
4376            $self->{state} = ALLOWED_TOKEN_STATE;
4377            !!!next-input-character;
4378            redo A;
4379          }
4380        } elsif ($self->{state} == ALLOWED_TOKEN_STATE) {
4381          if ($is_space->{$self->{nc}}) {
4382            $self->{state} = AFTER_ALLOWED_TOKEN_STATE;
4383            !!!next-input-character;
4384            redo A;
4385          } elsif ($self->{nc} == 0x007C) { # |
4386            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4387            !!!next-input-character;
4388            redo A;
4389          } elsif ($self->{nc} == 0x0029) { # )
4390            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4391            !!!next-input-character;
4392            redo A;
4393          } elsif ($self->{nc} == 0x003E) { # >
4394            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4395            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4396            !!!next-input-character;
4397            !!!emit ($self->{ct}); # ATTLIST
4398            redo A;
4399          } elsif ($self->{nc} == -1) {
4400            ## XML5: No parse error.
4401            !!!parse-error (type => 'unclosed md'); ## TODO: type
4402            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4403            !!!next-input-character;
4404            !!!emit ($self->{ct});
4405            redo A;
4406          } else {
4407            $self->{ca}->{tokens}->[-1] .= chr $self->{nc};
4408            ## Stay in the state.
4409            !!!next-input-character;
4410            redo A;
4411          }
4412        } elsif ($self->{state} == AFTER_ALLOWED_TOKEN_STATE) {
4413          if ($is_space->{$self->{nc}}) {
4414            ## Stay in the state.
4415            !!!next-input-character;
4416            redo A;
4417          } elsif ($self->{nc} == 0x007C) { # |
4418            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4419            !!!next-input-character;
4420            redo A;
4421          } elsif ($self->{nc} == 0x0029) { # )
4422            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4423            !!!next-input-character;
4424            redo A;
4425          } elsif ($self->{nc} == 0x003E) { # >
4426            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4427            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4428            !!!next-input-character;
4429            !!!emit ($self->{ct}); # ATTLIST
4430            redo A;
4431          } elsif ($self->{nc} == -1) {
4432            ## XML5: No parse error.
4433            !!!parse-error (type => 'unclosed md'); ## TODO: type
4434            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4435            !!!next-input-character;
4436            !!!emit ($self->{ct});
4437            redo A;
4438          } else {
4439            !!!parse-error (type => 'space in allowed token', ## TODO: type
4440                            line => $self->{line_prev},
4441                            column => $self->{column_prev});
4442            $self->{ca}->{tokens}->[-1] .= ' ' . chr $self->{nc};
4443            $self->{state} = ALLOWED_TOKEN_STATE;
4444            !!!next-input-character;
4445            redo A;
4446          }
4447        } elsif ($self->{state} == AFTER_ALLOWED_TOKENS_STATE) {
4448          if ($is_space->{$self->{nc}}) {
4449            $self->{state} = BEFORE_ATTR_DEFAULT_STATE;
4450            !!!next-input-character;
4451            redo A;
4452          } elsif ($self->{nc} == 0x0023) { # #
4453            !!!parse-error (type => 'no space before default value'); ## TODO: type
4454            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4455            !!!next-input-character;
4456            redo A;
4457          } elsif ($self->{nc} == 0x0022) { # "
4458            !!!parse-error (type => 'no space before default value'); ## TODO: type
4459            $self->{ca}->{value} = '';
4460            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4461            !!!next-input-character;
4462            redo A;
4463          } elsif ($self->{nc} == 0x0027) { # '
4464            !!!parse-error (type => 'no space before default value'); ## TODO: type
4465            $self->{ca}->{value} = '';
4466            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4467            !!!next-input-character;
4468            redo A;
4469          } elsif ($self->{nc} == 0x003E) { # >
4470            !!!parse-error (type => 'no attr default'); ## TODO: type
4471            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4472            !!!next-input-character;
4473            !!!emit ($self->{ct}); # ATTLIST
4474            redo A;
4475          } elsif ($self->{nc} == -1) {
4476            !!!parse-error (type => 'unclosed md'); ## TODO: type
4477            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4478            !!!next-input-character;
4479            !!!emit ($self->{ct});
4480            redo A;
4481          } else {
4482            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4483            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4484            ## Reconsume.
4485            redo A;
4486          }
4487        } elsif ($self->{state} == BEFORE_ATTR_DEFAULT_STATE) {
4488          if ($is_space->{$self->{nc}}) {
4489            ## Stay in the state.
4490            !!!next-input-character;
4491            redo A;
4492          } elsif ($self->{nc} == 0x0023) { # #
4493            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4494            !!!next-input-character;
4495            redo A;
4496          } elsif ($self->{nc} == 0x0022) { # "
4497            $self->{ca}->{value} = '';
4498            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4499            !!!next-input-character;
4500            redo A;
4501          } elsif ($self->{nc} == 0x0027) { # '
4502            $self->{ca}->{value} = '';
4503            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4504            !!!next-input-character;
4505            redo A;
4506          } elsif ($self->{nc} == 0x003E) { # >
4507            !!!parse-error (type => 'no attr default'); ## TODO: type
4508            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4509            !!!next-input-character;
4510            !!!emit ($self->{ct}); # ATTLIST
4511            redo A;
4512          } elsif ($self->{nc} == -1) {
4513            !!!parse-error (type => 'unclosed md'); ## TODO: type
4514            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4515            !!!next-input-character;
4516            !!!emit ($self->{ct});
4517            redo A;
4518          } else {
4519            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4520            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4521            ## Reconsume.
4522            redo A;
4523          }
4524        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE) {
4525          if ($is_space->{$self->{nc}}) {
4526            ## XML5: No parse error.
4527            !!!parse-error (type => 'no default type'); ## TODO: type
4528            $self->{state} = BOGUS_MD_STATE;
4529            ## Reconsume.
4530            redo A;
4531          } elsif ($self->{nc} == 0x0022) { # "
4532            ## XML5: Same as "anything else".
4533            $self->{ca}->{value} = '';
4534            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4535            !!!next-input-character;
4536            redo A;
4537          } elsif ($self->{nc} == 0x0027) { # '
4538            ## XML5: Same as "anything else".
4539            $self->{ca}->{value} = '';
4540            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4541            !!!next-input-character;
4542            redo A;
4543          } elsif ($self->{nc} == 0x003E) { # >
4544            ## XML5: Same as "anything else".
4545            !!!parse-error (type => 'no attr default'); ## TODO: type
4546            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4547            !!!next-input-character;
4548            !!!emit ($self->{ct}); # ATTLIST
4549            redo A;
4550          } elsif ($self->{nc} == -1) {
4551            ## XML5: No parse error.
4552            !!!parse-error (type => 'unclosed md'); ## TODO: type
4553            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4554            !!!next-input-character;
4555            !!!emit ($self->{ct});
4556            redo A;
4557          } else {
4558            $self->{ca}->{default} = chr $self->{nc};
4559            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_STATE;
4560            !!!next-input-character;
4561            redo A;
4562          }
4563        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_STATE) {
4564          if ($is_space->{$self->{nc}}) {
4565            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_AFTER_STATE;
4566            !!!next-input-character;
4567            redo A;
4568          } elsif ($self->{nc} == 0x0022) { # "
4569            ## XML5: Same as "anything else".
4570            !!!parse-error (type => 'no space before default value'); ## TODO: type
4571            $self->{ca}->{value} = '';
4572            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4573            !!!next-input-character;
4574            redo A;
4575          } elsif ($self->{nc} == 0x0027) { # '
4576            ## XML5: Same as "anything else".
4577            !!!parse-error (type => 'no space before default value'); ## TODO: type
4578            $self->{ca}->{value} = '';
4579            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4580            !!!next-input-character;
4581            redo A;
4582          } elsif ($self->{nc} == 0x003E) { # >
4583            ## XML5: Same as "anything else".
4584            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4585            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4586            !!!next-input-character;
4587            !!!emit ($self->{ct}); # ATTLIST
4588            redo A;
4589          } elsif ($self->{nc} == -1) {
4590            ## XML5: No parse error.
4591            !!!parse-error (type => 'unclosed md'); ## TODO: type
4592            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4593            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4594            !!!next-input-character;
4595            !!!emit ($self->{ct});
4596            redo A;
4597          } else {
4598            $self->{ca}->{default} .= chr $self->{nc};
4599            ## Stay in the state.
4600            !!!next-input-character;
4601            redo A;
4602          }
4603        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_AFTER_STATE) {
4604          if ($is_space->{$self->{nc}}) {
4605            ## Stay in the state.
4606            !!!next-input-character;
4607            redo A;
4608          } elsif ($self->{nc} == 0x0022) { # "
4609            $self->{ca}->{value} = '';
4610            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4611            !!!next-input-character;
4612            redo A;
4613          } elsif ($self->{nc} == 0x0027) { # '
4614            $self->{ca}->{value} = '';
4615            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4616            !!!next-input-character;
4617            redo A;
4618          } elsif ($self->{nc} == 0x003E) { # >
4619            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4620            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4621            !!!next-input-character;
4622            !!!emit ($self->{ct}); # ATTLIST
4623            redo A;
4624          } elsif ($self->{nc} == -1) {
4625            ## XML5: No parse error.
4626            !!!parse-error (type => 'unclosed md'); ## TODO: type
4627            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4628            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4629            !!!next-input-character;
4630            !!!emit ($self->{ct});
4631            redo A;
4632          } else {
4633            ## XML5: Not defined yet.
4634            if ($self->{ca}->{default} eq 'FIXED') {
4635              $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4636            } else {
4637              push @{$self->{ct}->{attrdefs}}, $self->{ca};
4638              $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4639            }
4640            ## Reconsume.
4641            redo A;
4642          }
4643        } elsif ($self->{state} == AFTER_ATTLIST_ATTR_VALUE_QUOTED_STATE) {
4644          if ($is_space->{$self->{nc}} or
4645              $self->{nc} == -1 or
4646              $self->{nc} == 0x003E) { # >
4647            $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4648            ## Reconsume.
4649            redo A;
4650          } else {
4651            !!!parse-error (type => 'no space before attr name'); ## TODO: type
4652            $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4653            ## Reconsume.
4654            redo A;
4655          }
4656        } elsif ($self->{state} == NDATA_STATE) {
4657          ## ASCII case-insensitive
4658          if ($self->{nc} == [
4659                undef,
4660                0x0044, # D
4661                0x0041, # A
4662                0x0054, # T
4663              ]->[length $self->{kwd}] or
4664              $self->{nc} == [
4665                undef,
4666                0x0064, # d
4667                0x0061, # a
4668                0x0074, # t
4669              ]->[length $self->{kwd}]) {
4670            !!!cp (172.2);
4671            ## Stay in the state.
4672            $self->{kwd} .= chr $self->{nc};
4673            !!!next-input-character;
4674            redo A;
4675          } elsif ((length $self->{kwd}) == 4 and
4676                   ($self->{nc} == 0x0041 or # A
4677                    $self->{nc} == 0x0061)) { # a
4678            if ($self->{kwd} ne 'NDAT' or $self->{nc} == 0x0061) { # a
4679              !!!cp (172.3);
4680              !!!parse-error (type => 'lowercase keyword', ## TODO: type
4681                              text => 'NDATA',
4682                              line => $self->{line_prev},
4683                              column => $self->{column_prev} - 4);
4684            } else {
4685              !!!cp (172.4);
4686            }
4687            $self->{state} = AFTER_NDATA_STATE;
4688            !!!next-input-character;
4689            redo A;
4690          } else {
4691            !!!parse-error (type => 'string after literal', ## TODO: type
4692                            line => $self->{line_prev},
4693                            column => $self->{column_prev} + 1
4694                                - length $self->{kwd});
4695            !!!cp (172.5);
4696            $self->{state} = BOGUS_MD_STATE;
4697            ## Reconsume.
4698            redo A;
4699          }
4700        } elsif ($self->{state} == AFTER_NDATA_STATE) {
4701          if ($is_space->{$self->{nc}}) {
4702            $self->{state} = BEFORE_NOTATION_NAME_STATE;
4703            !!!next-input-character;
4704            redo A;
4705          } elsif ($self->{nc} == 0x003E) { # >
4706            !!!parse-error (type => 'no notation name'); ## TODO: type
4707            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4708            !!!next-input-character;
4709            !!!emit ($self->{ct}); # ENTITY
4710            redo A;
4711          } elsif ($self->{nc} == -1) {
4712            !!!parse-error (type => 'unclosed md'); ## TODO: type
4713            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4714            !!!next-input-character;
4715            !!!emit ($self->{ct}); # ENTITY
4716            redo A;
4717          } else {
4718            !!!parse-error (type => 'string after literal', ## TODO: type
4719                            line => $self->{line_prev},
4720                            column => $self->{column_prev} + 1
4721                                - length $self->{kwd});
4722            $self->{state} = BOGUS_MD_STATE;
4723            ## Reconsume.
4724            redo A;
4725          }
4726        } elsif ($self->{state} == BEFORE_NOTATION_NAME_STATE) {
4727          if ($is_space->{$self->{nc}}) {
4728            ## Stay in the state.
4729            !!!next-input-character;
4730            redo A;
4731          } elsif ($self->{nc} == 0x003E) { # >
4732            !!!parse-error (type => 'no notation name'); ## TODO: type
4733            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4734            !!!next-input-character;
4735            !!!emit ($self->{ct}); # ENTITY
4736            redo A;
4737          } elsif ($self->{nc} == -1) {
4738            !!!parse-error (type => 'unclosed md'); ## TODO: type
4739            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4740            !!!next-input-character;
4741            !!!emit ($self->{ct}); # ENTITY
4742            redo A;
4743          } else {
4744            $self->{ct}->{notation} = chr $self->{nc}; # ENTITY
4745            $self->{state} = NOTATION_NAME_STATE;
4746            !!!next-input-character;
4747            redo A;
4748          }
4749        } elsif ($self->{state} == NOTATION_NAME_STATE) {
4750          if ($is_space->{$self->{nc}}) {
4751            $self->{state} = AFTER_MD_DEF_STATE;
4752            !!!next-input-character;
4753            redo A;
4754          } elsif ($self->{nc} == 0x003E) { # >
4755            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4756            !!!next-input-character;
4757            !!!emit ($self->{ct}); # ENTITY
4758            redo A;
4759          } elsif ($self->{nc} == -1) {
4760            !!!parse-error (type => 'unclosed md'); ## TODO: type
4761            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4762            !!!next-input-character;
4763            !!!emit ($self->{ct}); # ENTITY
4764            redo A;
4765          } else {
4766            $self->{ct}->{notation} .= chr $self->{nc}; # ENTITY
4767            ## Stay in the state.
4768            !!!next-input-character;
4769            redo A;
4770          }
4771        } elsif ($self->{state} == DOCTYPE_ENTITY_VALUE_DOUBLE_QUOTED_STATE) {
4772          if ($self->{nc} == 0x0022) { # "
4773            $self->{state} = AFTER_MD_DEF_STATE;
4774            !!!next-input-character;
4775            redo A;
4776          } elsif ($self->{nc} == 0x0026) { # &
4777            $self->{prev_state} = $self->{state};
4778            $self->{state} = ENTITY_VALUE_ENTITY_STATE;
4779            $self->{entity_add} = 0x0022; # "
4780            !!!next-input-character;
4781            redo A;
4782    ## TODO: %
4783          } elsif ($self->{nc} == -1) {
4784            !!!parse-error (type => 'unclosed entity value'); ## TODO: type
4785            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4786            ## Reconsume.
4787            !!!emit ($self->{ct}); # ENTITY
4788            redo A;
4789          } else {
4790            $self->{ct}->{value} .= chr $self->{nc}; # ENTITY
4791            !!!next-input-character;
4792            redo A;
4793          }
4794        } elsif ($self->{state} == DOCTYPE_ENTITY_VALUE_SINGLE_QUOTED_STATE) {
4795          if ($self->{nc} == 0x0027) { # '
4796            $self->{state} = AFTER_MD_DEF_STATE;
4797            !!!next-input-character;
4798            redo A;
4799          } elsif ($self->{nc} == 0x0026) { # &
4800            $self->{prev_state} = $self->{state};
4801            $self->{state} = ENTITY_VALUE_ENTITY_STATE;
4802            $self->{entity_add} = 0x0027; # '
4803            !!!next-input-character;
4804            redo A;
4805    ## TODO: %
4806          } elsif ($self->{nc} == -1) {
4807            !!!parse-error (type => 'unclosed entity value'); ## TODO: type
4808            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4809            ## Reconsume.
4810            !!!emit ($self->{ct}); # ENTITY
4811            redo A;
4812          } else {
4813            $self->{ct}->{value} .= chr $self->{nc}; # ENTITY
4814            !!!next-input-character;
4815            redo A;
4816          }
4817        } elsif ($self->{state} == ENTITY_VALUE_ENTITY_STATE) {
4818          if ($is_space->{$self->{nc}} or
4819              {
4820                0x003C => 1, 0x0026 => 1, -1 => 1, # <, &
4821                $self->{entity_add} => 1,
4822              }->{$self->{nc}}) {
4823            !!!parse-error (type => 'bare ero',
4824                            line => $self->{line_prev},
4825                            column => $self->{column_prev}
4826                                + ($self->{nc} == -1 ? 1 : 0));
4827            ## Don't consume
4828            ## Return nothing.
4829            #
4830          } elsif ($self->{nc} == 0x0023) { # #
4831            $self->{ca} = $self->{ct};
4832            $self->{state} = ENTITY_HASH_STATE;
4833            $self->{kwd} = '#';
4834            !!!next-input-character;
4835            redo A;
4836          } else {
4837            #
4838          }
4839    
4840          $self->{ct}->{value} .= '&';
4841          $self->{state} = $self->{prev_state};
4842          ## Reconsume.
4843          redo A;
4844        } elsif ($self->{state} == AFTER_ELEMENT_NAME_STATE) {
4845          if ($is_space->{$self->{nc}}) {
4846            $self->{state} = BEFORE_ELEMENT_CONTENT_STATE;
4847            !!!next-input-character;
4848            redo A;
4849          } elsif ($self->{nc} == 0x0028) { # (
4850            $self->{state} = AFTER_CM_GROUP_OPEN_STATE;
4851            $self->{ct}->{content} = ['('];
4852            $self->{group_depth} = 1;
4853            !!!next-input-character;
4854            redo A;
4855          } elsif ($self->{nc} == 0x003E) { # >
4856            !!!parse-error (type => 'no md def'); ## TODO: type
4857            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4858            !!!next-input-character;
4859            !!!emit ($self->{ct}); # ELEMENT
4860            redo A;
4861          } elsif ($self->{nc} == -1) {
4862            !!!parse-error (type => 'unclosed md'); ## TODO: type
4863            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4864            !!!next-input-character;
4865            !!!emit ($self->{ct}); # ELEMENT
4866            redo A;
4867          } else {
4868            $self->{ct}->{content} = [chr $self->{nc}];
4869            $self->{state} = CONTENT_KEYWORD_STATE;
4870            !!!next-input-character;
4871            redo A;
4872          }
4873        } elsif ($self->{state} == CONTENT_KEYWORD_STATE) {
4874          if ($is_space->{$self->{nc}}) {
4875            $self->{state} = AFTER_MD_DEF_STATE;
4876            !!!next-input-character;
4877            redo A;
4878          } elsif ($self->{nc} == 0x003E) { # >
4879            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4880            !!!next-input-character;
4881            !!!emit ($self->{ct}); # ELEMENT
4882            redo A;
4883          } elsif ($self->{nc} == -1) {
4884            !!!parse-error (type => 'unclosed md'); ## TODO: type
4885            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4886            !!!next-input-character;
4887            !!!emit ($self->{ct}); # ELEMENT
4888            redo A;
4889          } else {
4890            $self->{ct}->{content}->[-1] .= chr $self->{nc}; # ELEMENT
4891            ## Stay in the state.
4892            !!!next-input-character;
4893            redo A;
4894          }
4895        } elsif ($self->{state} == AFTER_CM_GROUP_OPEN_STATE) {
4896          if ($is_space->{$self->{nc}}) {
4897            ## Stay in the state.
4898            !!!next-input-character;
4899            redo A;
4900          } elsif ($self->{nc} == 0x0028) { # (
4901            $self->{group_depth}++;
4902            push @{$self->{ct}->{content}}, chr $self->{nc};
4903            ## Stay in the state.
4904            !!!next-input-character;
4905            redo A;
4906          } elsif ($self->{nc} == 0x007C or # |
4907                   $self->{nc} == 0x002C) { # ,
4908            !!!parse-error (type => 'empty element name'); ## TODO: type
4909            ## Stay in the state.
4910            !!!next-input-character;
4911            redo A;
4912          } elsif ($self->{nc} == 0x0029) { # )
4913            !!!parse-error (type => 'empty element name'); ## TODO: type
4914            push @{$self->{ct}->{content}}, chr $self->{nc};
4915            $self->{group_depth}--;
4916            $self->{state} = AFTER_CM_GROUP_CLOSE_STATE;
4917            !!!next-input-character;
4918            redo A;
4919          } elsif ($self->{nc} == 0x003E) { # >
4920            !!!parse-error (type => 'unclosed cm group'); ## TODO: type
4921            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4922            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4923            !!!next-input-character;
4924            !!!emit ($self->{ct}); # ELEMENT
4925            redo A;
4926          } elsif ($self->{nc} == -1) {
4927            !!!parse-error (type => 'unclosed md'); ## TODO: type
4928            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4929            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4930            !!!next-input-character;
4931            !!!emit ($self->{ct}); # ELEMENT
4932            redo A;
4933          } else {
4934            push @{$self->{ct}->{content}}, chr $self->{nc};
4935            $self->{state} = CM_ELEMENT_NAME_STATE;
4936            !!!next-input-character;
4937            redo A;
4938          }
4939        } elsif ($self->{state} == CM_ELEMENT_NAME_STATE) {
4940          if ($is_space->{$self->{nc}}) {
4941            $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
4942            !!!next-input-character;
4943            redo A;
4944          } elsif ($self->{nc} == 0x002A or # *
4945                   $self->{nc} == 0x002B or # +
4946                   $self->{nc} == 0x003F) { # ?
4947            push @{$self->{ct}->{content}}, chr $self->{nc};
4948            $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
4949            !!!next-input-character;
4950            redo A;
4951          } elsif ($self->{nc} == 0x007C or # |
4952                   $self->{nc} == 0x002C) { # ,
4953            push @{$self->{ct}->{content}}, $self->{nc} == 0x007C ? ' | ' : ', ';
4954            $self->{state} = AFTER_CM_GROUP_OPEN_STATE;
4955            !!!next-input-character;
4956            redo A;
4957          } elsif ($self->{nc} == 0x0029) { # )
4958            $self->{group_depth}--;
4959            push @{$self->{ct}->{content}}, chr $self->{nc};
4960            $self->{state} = AFTER_CM_GROUP_CLOSE_STATE;
4961            !!!next-input-character;
4962            redo A;
4963          } elsif ($self->{nc} == 0x003E) { # >
4964            !!!parse-error (type => 'unclosed cm group'); ## TODO: type
4965            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4966            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4967            !!!next-input-character;
4968            !!!emit ($self->{ct}); # ELEMENT
4969            redo A;
4970          } elsif ($self->{nc} == -1) {
4971            !!!parse-error (type => 'unclosed md'); ## TODO: type
4972            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4973            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4974            !!!next-input-character;
4975            !!!emit ($self->{ct}); # ELEMENT
4976            redo A;
4977          } else {
4978            $self->{ct}->{content}->[-1] .= chr $self->{nc};
4979            ## Stay in the state.
4980            !!!next-input-character;
4981            redo A;
4982          }
4983        } elsif ($self->{state} == AFTER_CM_ELEMENT_NAME_STATE) {
4984          if ($is_space->{$self->{nc}}) {
4985            ## Stay in the state.
4986            !!!next-input-character;
4987            redo A;
4988          } elsif ($self->{nc} == 0x007C or # |
4989                   $self->{nc} == 0x002C) { # ,
4990            push @{$self->{ct}->{content}}, $self->{nc} == 0x007C ? ' | ' : ', ';
4991            $self->{state} = AFTER_CM_GROUP_OPEN_STATE;
4992            !!!next-input-character;
4993            redo A;
4994          } elsif ($self->{nc} == 0x0029) { # )
4995            $self->{group_depth}--;
4996            push @{$self->{ct}->{content}}, chr $self->{nc};
4997            $self->{state} = AFTER_CM_GROUP_CLOSE_STATE;
4998            !!!next-input-character;
4999            redo A;
5000          } elsif ($self->{nc} == 0x003E) { # >
5001            !!!parse-error (type => 'unclosed cm group'); ## TODO: type
5002            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5003            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5004            !!!next-input-character;
5005            !!!emit ($self->{ct}); # ELEMENT
5006            redo A;
5007          } elsif ($self->{nc} == -1) {
5008            !!!parse-error (type => 'unclosed md'); ## TODO: type
5009            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5010            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5011            !!!next-input-character;
5012            !!!emit ($self->{ct}); # ELEMENT
5013            redo A;
5014          } else {
5015            !!!parse-error (type => 'after element name'); ## TODO: type
5016            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5017            $self->{state} = BOGUS_MD_STATE;
5018            !!!next-input-character;
5019            redo A;
5020          }
5021        } elsif ($self->{state} == AFTER_CM_GROUP_CLOSE_STATE) {
5022          if ($is_space->{$self->{nc}}) {
5023            if ($self->{group_depth}) {
5024              $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
5025            } else {
5026              $self->{state} = AFTER_MD_DEF_STATE;
5027            }
5028            !!!next-input-character;
5029            redo A;
5030          } elsif ($self->{nc} == 0x002A or # *
5031                   $self->{nc} == 0x002B or # +
5032                   $self->{nc} == 0x003F) { # ?
5033            push @{$self->{ct}->{content}}, chr $self->{nc};
5034            if ($self->{group_depth}) {
5035              $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
5036            } else {
5037              $self->{state} = AFTER_MD_DEF_STATE;
5038            }
5039            !!!next-input-character;
5040            redo A;
5041          } elsif ($self->{nc} == 0x0029) { # )
5042            if ($self->{group_depth}) {
5043              $self->{group_depth}--;
5044              push @{$self->{ct}->{content}}, chr $self->{nc};
5045              ## Stay in the state.
5046              !!!next-input-character;
5047              redo A;
5048            } else {
5049              !!!parse-error (type => 'string after md def'); ## TODO: type
5050              $self->{state} = BOGUS_MD_STATE;
5051              ## Reconsume.
5052              redo A;
5053            }
5054          } elsif ($self->{nc} == 0x003E) { # >
5055            if ($self->{group_depth}) {
5056              !!!parse-error (type => 'unclosed cm group'); ## TODO: type
5057              push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5058            }
5059            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5060            !!!next-input-character;
5061            !!!emit ($self->{ct}); # ELEMENT
5062            redo A;
5063          } elsif ($self->{nc} == -1) {
5064            !!!parse-error (type => 'unclosed md'); ## TODO: type
5065            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5066            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5067            !!!next-input-character;
5068            !!!emit ($self->{ct}); # ELEMENT
5069            redo A;
5070          } else {
5071            if ($self->{group_depth}) {
5072              $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
5073            } else {
5074              !!!parse-error (type => 'string after md def'); ## TODO: type
5075              $self->{state} = BOGUS_MD_STATE;
5076            }
5077            ## Reconsume.
5078            redo A;
5079          }
5080        } elsif ($self->{state} == AFTER_MD_DEF_STATE) {
5081          if ($is_space->{$self->{nc}}) {
5082            ## Stay in the state.
5083            !!!next-input-character;
5084            redo A;
5085          } elsif ($self->{nc} == 0x003E) { # >
5086            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5087            !!!next-input-character;
5088            !!!emit ($self->{ct}); # ENTITY/ELEMENT
5089            redo A;
5090          } elsif ($self->{nc} == -1) {
5091            !!!parse-error (type => 'unclosed md'); ## TODO: type
5092            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5093            !!!next-input-character;
5094            !!!emit ($self->{ct}); # ENTITY/ELEMENT
5095            redo A;
5096          } else {
5097            !!!parse-error (type => 'string after md def'); ## TODO: type
5098            $self->{state} = BOGUS_MD_STATE;
5099            ## Reconsume.
5100            redo A;
5101          }
5102        } elsif ($self->{state} == BOGUS_MD_STATE) {
5103          if ($self->{nc} == 0x003E) { # >
5104            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5105            !!!next-input-character;
5106            !!!emit ($self->{ct}); # ATTLIST/ENTITY/NOTATION
5107            redo A;
5108          } elsif ($self->{nc} == -1) {
5109            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5110            ## Reconsume.
5111            !!!emit ($self->{ct}); # ATTLIST/ENTITY/NOTATION
5112            redo A;
5113          } else {
5114            ## Stay in the state.
5115            !!!next-input-character;
5116            redo A;
5117          }
5118      } else {      } else {
5119        die "$0: $self->{state}: Unknown state";        die "$0: $self->{state}: Unknown state";
5120      }      }
# Line 2772  sub _get_next_token ($) { Line 5125  sub _get_next_token ($) {
5125    
5126  1;  1;
5127  ## $Date$  ## $Date$
5128                                    
Legend:
Removed from v.1.5  
changed lines
  Added in v.1.27
admin@suikawiki.org
 ViewVC Help
Powered by ViewVC 1.1.24