/[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 1.3 by wakaba, Tue Oct 14 05:34:05 2008 UTC revision 1.25 by wakaba, Sun Oct 19 15:17:01 2008 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 - initialized when used    $self->{s_kwd} = ''; # Data state keyword
263      #$self->{kwd} = ''; # State-dependent keyword; initialized when used
264    #$self->{entity__value}; # initialized when used    #$self->{entity__value}; # initialized when used
265    #$self->{entity__match}; # initialized when used    #$self->{entity__match}; # initialized when used
266    $self->{content_model} = PCDATA_CONTENT_MODEL; # be    $self->{content_model} = PCDATA_CONTENT_MODEL; # be
# Line 198  sub _initialize_tokenizer ($) { 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 $is_space = {
316    0x0009 => 1, # CHARACTER TABULATION (HT)    0x0009 => 1, # CHARACTER TABULATION (HT)
317    0x000A => 1, # LINE FEED (LF)    0x000A => 1, # LINE FEED (LF)
318    #0x000B => 0, # LINE TABULATION (VT)    #0x000B => 0, # LINE TABULATION (VT)
319    0x000C => 1, # FORM FEED (FF)    0x000C => 1, # FORM FEED (FF) ## XML5: Not a space character.
320    #0x000D => 1, # CARRIAGE RETURN (CR)    #0x000D => 1, # CARRIAGE RETURN (CR)
321    0x0020 => 1, # SPACE (SP)    0x0020 => 1, # SPACE (SP)
322  };  };
# Line 312  sub _get_next_token ($) { Line 400  sub _get_next_token ($) {
400          }          }
401        } elsif ($self->{nc} == 0x002D) { # -        } elsif ($self->{nc} == 0x002D) { # -
402          if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA          if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA
403            $self->{s_kwd} .= '-';            if ($self->{s_kwd} eq '<!-') {
             
           if ($self->{s_kwd} eq '<!--') {  
404              !!!cp (3);              !!!cp (3);
405              $self->{escape} = 1; # unless $self->{escape};              $self->{escape} = 1; # unless $self->{escape};
406              $self->{s_kwd} = '--';              $self->{s_kwd} = '--';
407              #              #
408            } elsif ($self->{s_kwd} eq '---') {            } elsif ($self->{s_kwd} eq '-') {
409              !!!cp (4);              !!!cp (4);
410              $self->{s_kwd} = '--';              $self->{s_kwd} = '--';
411              #              #
412              } elsif ($self->{s_kwd} eq '<!' or $self->{s_kwd} eq '-') {
413                !!!cp (4.1);
414                $self->{s_kwd} .= '-';
415                #
416            } else {            } else {
417              !!!cp (5);              !!!cp (5);
418                $self->{s_kwd} = '-';
419              #              #
420            }            }
421          }          }
# Line 360  sub _get_next_token ($) { Line 451  sub _get_next_token ($) {
451            if ($self->{s_kwd} eq '--') {            if ($self->{s_kwd} eq '--') {
452              !!!cp (8);              !!!cp (8);
453              delete $self->{escape};              delete $self->{escape};
454                #
455            } else {            } else {
456              !!!cp (9);              !!!cp (9);
457                #
458            }            }
459            } elsif ($self->{is_xml} and $self->{s_kwd} eq ']]') {
460              !!!cp (9.1);
461              !!!parse-error (type => 'unmatched mse', ## TODO: type
462                              line => $self->{line_prev},
463                              column => $self->{column_prev} - 1);
464              #
465          } else {          } else {
466            !!!cp (10);            !!!cp (10);
467              #
468          }          }
469                    
470          $self->{s_kwd} = '';          $self->{s_kwd} = '';
471          #          #
472          } elsif ($self->{nc} == 0x005D) { # ]
473            if ($self->{s_kwd} eq ']' or $self->{s_kwd} eq '') {
474              !!!cp (10.1);
475              $self->{s_kwd} .= ']';
476            } elsif ($self->{s_kwd} eq ']]') {
477              !!!cp (10.2);
478              #
479            } else {
480              !!!cp (10.3);
481              $self->{s_kwd} = '';
482            }
483            #
484        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
485          !!!cp (11);          !!!cp (11);
486          $self->{s_kwd} = '';          $self->{s_kwd} = '';
# Line 386  sub _get_next_token ($) { Line 498  sub _get_next_token ($) {
498                     data => chr $self->{nc},                     data => chr $self->{nc},
499                     line => $self->{line}, column => $self->{column},                     line => $self->{line}, column => $self->{column},
500                    };                    };
501        if ($self->{read_until}->($token->{data}, q[-!<>&],        if ($self->{read_until}->($token->{data}, q{-!<>&\]},
502                                  length $token->{data})) {                                  length $token->{data})) {
503          $self->{s_kwd} = '';          $self->{s_kwd} = '';
504        }        }
505    
506        ## Stay in the data state.        ## Stay in the data state.
507        if ($self->{content_model} == PCDATA_CONTENT_MODEL) {        if (not $self->{is_xml} and
508              $self->{content_model} == PCDATA_CONTENT_MODEL) {
509          !!!cp (13);          !!!cp (13);
510          $self->{state} = PCDATA_STATE;          $self->{state} = PCDATA_STATE;
511        } else {        } else {
# Line 403  sub _get_next_token ($) { 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 ($self->{nc} == 0x002F) { # /
523            !!!cp (15);            !!!cp (15);
# Line 411  sub _get_next_token ($) { Line 526  sub _get_next_token ($) {
526            redo A;            redo A;
527          } elsif ($self->{nc} == 0x0021) { # !          } elsif ($self->{nc} == 0x0021) { # !
528            !!!cp (15.1);            !!!cp (15.1);
529            $self->{s_kwd} = '<' unless $self->{escape};            $self->{s_kwd} = $self->{escaped} ? '' : '<';
530            #            #
531          } else {          } else {
532            !!!cp (16);            !!!cp (16);
533              $self->{s_kwd} = '';
534            #            #
535          }          }
536    
# Line 441  sub _get_next_token ($) { Line 557  sub _get_next_token ($) {
557            !!!cp (19);            !!!cp (19);
558            $self->{ct}            $self->{ct}
559              = {type => START_TAG_TOKEN,              = {type => START_TAG_TOKEN,
560                 tag_name => chr ($self->{nc} + 0x0020),                 tag_name => chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020)),
561                 line => $self->{line_prev},                 line => $self->{line_prev},
562                 column => $self->{column_prev}};                 column => $self->{column_prev}};
563            $self->{state} = TAG_NAME_STATE;            $self->{state} = TAG_NAME_STATE;
# Line 463  sub _get_next_token ($) { Line 579  sub _get_next_token ($) {
579                            line => $self->{line_prev},                            line => $self->{line_prev},
580                            column => $self->{column_prev});                            column => $self->{column_prev});
581            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
582              $self->{s_kwd} = '';
583            !!!next-input-character;            !!!next-input-character;
584    
585            !!!emit ({type => CHARACTER_TOKEN, data => '<>',            !!!emit ({type => CHARACTER_TOKEN, data => '<>',
# Line 472  sub _get_next_token ($) { Line 589  sub _get_next_token ($) {
589    
590            redo A;            redo A;
591          } elsif ($self->{nc} == 0x003F) { # ?          } elsif ($self->{nc} == 0x003F) { # ?
592            !!!cp (22);            if ($self->{is_xml}) {
593            !!!parse-error (type => 'pio',              !!!cp (22.1);
594                            line => $self->{line_prev},              $self->{state} = PI_STATE;
595                            column => $self->{column_prev});              !!!next-input-character;
596            $self->{state} = BOGUS_COMMENT_STATE;              redo A;
597            $self->{ct} = {type => COMMENT_TOKEN, data => '',            } else {
598                                      line => $self->{line_prev},              !!!cp (22);
599                                      column => $self->{column_prev},              !!!parse-error (type => 'pio',
600                                     };                              line => $self->{line_prev},
601            ## $self->{nc} is intentionally left as is                              column => $self->{column_prev});
602            redo A;              $self->{state} = BOGUS_COMMENT_STATE;
603          } else {              $self->{ct} = {type => COMMENT_TOKEN, data => '',
604                               line => $self->{line_prev},
605                               column => $self->{column_prev},
606                              };
607                ## $self->{nc} is intentionally left as is
608                redo A;
609              }
610            } elsif (not $self->{is_xml} or $is_space->{$self->{nc}}) {
611            !!!cp (23);            !!!cp (23);
612            !!!parse-error (type => 'bare stago',            !!!parse-error (type => 'bare stago',
613                            line => $self->{line_prev},                            line => $self->{line_prev},
614                            column => $self->{column_prev});                            column => $self->{column_prev});
615            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
616              $self->{s_kwd} = '';
617            ## reconsume            ## reconsume
618    
619            !!!emit ({type => CHARACTER_TOKEN, data => '<',            !!!emit ({type => CHARACTER_TOKEN, data => '<',
# Line 497  sub _get_next_token ($) { 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: $self->{content_model} in tag open";
# Line 505  sub _get_next_token ($) { 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} = '';            $self->{kwd} = '';
650            ## Reconsume.            ## Reconsume.
651            redo A;            redo A;
652          } else {          } else {
# Line 517  sub _get_next_token ($) { Line 654  sub _get_next_token ($) {
654            ## NOTE: See <http://krijnhoetmer.nl/irc-logs/whatwg/20070626#l-564>.            ## NOTE: See <http://krijnhoetmer.nl/irc-logs/whatwg/20070626#l-564>.
655            !!!cp (28);            !!!cp (28);
656            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
657              $self->{s_kwd} = '';
658            ## Reconsume.            ## Reconsume.
659            !!!emit ({type => CHARACTER_TOKEN, data => '</',            !!!emit ({type => CHARACTER_TOKEN, data => '</',
660                      line => $l, column => $c,                      line => $l, column => $c,
# Line 530  sub _get_next_token ($) { Line 668  sub _get_next_token ($) {
668          !!!cp (29);          !!!cp (29);
669          $self->{ct}          $self->{ct}
670              = {type => END_TAG_TOKEN,              = {type => END_TAG_TOKEN,
671                 tag_name => chr ($self->{nc} + 0x0020),                 tag_name => chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020)),
672                 line => $l, column => $c};                 line => $l, column => $c};
673          $self->{state} = TAG_NAME_STATE;          $self->{state} = TAG_NAME_STATE;
674          !!!next-input-character;          !!!next-input-character;
# Line 545  sub _get_next_token ($) { Line 683  sub _get_next_token ($) {
683          !!!next-input-character;          !!!next-input-character;
684          redo A;          redo A;
685        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (31);  
686          !!!parse-error (type => 'empty end tag',          !!!parse-error (type => 'empty end tag',
687                          line => $self->{line_prev}, ## "<" in "</>"                          line => $self->{line_prev}, ## "<" in "</>"
688                          column => $self->{column_prev} - 1);                          column => $self->{column_prev} - 1);
689          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
690          !!!next-input-character;          $self->{s_kwd} = '';
691            if ($self->{is_xml}) {
692              !!!cp (31);
693              ## XML5: No parse error.
694              
695              ## NOTE: This parser raises a parse error, since it supports
696              ## XML1, not XML5.
697    
698              ## NOTE: A short end tag token.
699              my $ct = {type => END_TAG_TOKEN,
700                        tag_name => '',
701                        line => $self->{line_prev},
702                        column => $self->{column_prev} - 1,
703                       };
704              !!!next-input-character;
705              !!!emit ($ct);
706            } else {
707              !!!cp (31.1);
708              !!!next-input-character;
709            }
710          redo A;          redo A;
711        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
712          !!!cp (32);          !!!cp (32);
713          !!!parse-error (type => 'bare etago');          !!!parse-error (type => 'bare etago');
714            $self->{s_kwd} = '';
715          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
716          # reconsume          # reconsume
717    
# Line 563  sub _get_next_token ($) { 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 => $self->{line_prev}, # "<" of "</"
# Line 578  sub _get_next_token ($) { 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/;          $ch =~ tr/a-z/A-Z/;
# Line 588  sub _get_next_token ($) { Line 757  sub _get_next_token ($) {
757          if ($nch eq $ch or $nch eq $CH) {          if ($nch eq $ch or $nch eq $CH) {
758            !!!cp (24);            !!!cp (24);
759            ## Stay in the state.            ## Stay in the state.
760            $self->{s_kwd} .= $nch;            $self->{kwd} .= $nch;
761            !!!next-input-character;            !!!next-input-character;
762            redo A;            redo A;
763          } else {          } else {
764            !!!cp (25);            !!!cp (25);
765            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
766              $self->{s_kwd} = '';
767            ## Reconsume.            ## Reconsume.
768            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
769                      data => '</' . $self->{s_kwd},                      data => '</' . $self->{kwd},
770                      line => $self->{line_prev},                      line => $self->{line_prev},
771                      column => $self->{column_prev} - 1 - length $self->{s_kwd},                      column => $self->{column_prev} - 1 - length $self->{kwd},
772                     });                     });
773            redo A;            redo A;
774          }          }
# Line 612  sub _get_next_token ($) { Line 782  sub _get_next_token ($) {
782            !!!cp (26);            !!!cp (26);
783            ## Reconsume.            ## Reconsume.
784            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
785              $self->{s_kwd} = '';
786            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
787                      data => '</' . $self->{s_kwd},                      data => '</' . $self->{kwd},
788                      line => $self->{line_prev},                      line => $self->{line_prev},
789                      column => $self->{column_prev} - 1 - length $self->{s_kwd},                      column => $self->{column_prev} - 1 - length $self->{kwd},
790                     });                     });
791            redo A;            redo A;
792          } else {          } else {
# Line 624  sub _get_next_token ($) { 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;            $self->{state} = TAG_NAME_STATE;
800            ## Reconsume.            ## Reconsume.
801            redo A;            redo A;
# Line 653  sub _get_next_token ($) { Line 824  sub _get_next_token ($) {
824            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
825          }          }
826          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
827            $self->{s_kwd} = '';
828          !!!next-input-character;          !!!next-input-character;
829    
830          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 661  sub _get_next_token ($) { Line 833  sub _get_next_token ($) {
833        } elsif (0x0041 <= $self->{nc} and        } elsif (0x0041 <= $self->{nc} and
834                 $self->{nc} <= 0x005A) { # A..Z                 $self->{nc} <= 0x005A) { # A..Z
835          !!!cp (38);          !!!cp (38);
836          $self->{ct}->{tag_name} .= chr ($self->{nc} + 0x0020);          $self->{ct}->{tag_name}
837                .= chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020));
838            # start tag or end tag            # start tag or end tag
839          ## Stay in this state          ## Stay in this state
840          !!!next-input-character;          !!!next-input-character;
# Line 684  sub _get_next_token ($) { Line 857  sub _get_next_token ($) {
857            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
858          }          }
859          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
860            $self->{s_kwd} = '';
861          # reconsume          # reconsume
862    
863          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 703  sub _get_next_token ($) { 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->{$self->{nc}}) {
883          !!!cp (45);          !!!cp (45);
884          ## Stay in the state          ## Stay in the state
# Line 724  sub _get_next_token ($) { Line 900  sub _get_next_token ($) {
900            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
901          }          }
902          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
903            $self->{s_kwd} = '';
904          !!!next-input-character;          !!!next-input-character;
905    
906          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 733  sub _get_next_token ($) { Line 910  sub _get_next_token ($) {
910                 $self->{nc} <= 0x005A) { # A..Z                 $self->{nc} <= 0x005A) { # A..Z
911          !!!cp (49);          !!!cp (49);
912          $self->{ca}          $self->{ca}
913              = {name => chr ($self->{nc} + 0x0020),              = {name => chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020)),
914                 value => '',                 value => '',
915                 line => $self->{line}, column => $self->{column}};                 line => $self->{line}, column => $self->{column}};
916          $self->{state} = ATTRIBUTE_NAME_STATE;          $self->{state} = ATTRIBUTE_NAME_STATE;
# Line 761  sub _get_next_token ($) { Line 938  sub _get_next_token ($) {
938            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
939          }          }
940          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
941            $self->{s_kwd} = '';
942          # reconsume          # reconsume
943    
944          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 773  sub _get_next_token ($) { 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 ($self->{nc}),
# Line 786  sub _get_next_token ($) { 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              ->{$self->{ca}->{name}}) { # MUST
# Line 796  sub _get_next_token ($) { 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        }; # $before_leave
984    
# Line 812  sub _get_next_token ($) { 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 ($self->{ct}->{type} == START_TAG_TOKEN) {
1008            !!!cp (61);            !!!cp (61);
# Line 826  sub _get_next_token ($) { Line 1017  sub _get_next_token ($) {
1017            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1018          }          }
1019          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1020            $self->{s_kwd} = '';
1021          !!!next-input-character;          !!!next-input-character;
1022    
1023          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 834  sub _get_next_token ($) { Line 1026  sub _get_next_token ($) {
1026        } elsif (0x0041 <= $self->{nc} and        } elsif (0x0041 <= $self->{nc} and
1027                 $self->{nc} <= 0x005A) { # A..Z                 $self->{nc} <= 0x005A) { # A..Z
1028          !!!cp (63);          !!!cp (63);
1029          $self->{ca}->{name} .= chr ($self->{nc} + 0x0020);          $self->{ca}->{name}
1030                .= chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020));
1031          ## Stay in the state          ## Stay in the state
1032          !!!next-input-character;          !!!next-input-character;
1033          redo A;          redo A;
1034        } elsif ($self->{nc} == 0x002F) { # /        } elsif ($self->{nc} == 0x002F) { # /
1035          !!!cp (64);          if ($self->{is_xml}) {
1036              !!!cp (64);
1037              ## XML5: Not a parse error.
1038              !!!parse-error (type => 'no attr value'); ## TODO: type
1039            } else {
1040              !!!cp (64.1);
1041            }
1042            
1043          $before_leave->();          $before_leave->();
1044          $self->{state} = SELF_CLOSING_START_TAG_STATE;          $self->{state} = SELF_CLOSING_START_TAG_STATE;
1045          !!!next-input-character;          !!!next-input-character;
# Line 863  sub _get_next_token ($) { Line 1063  sub _get_next_token ($) {
1063            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1064          }          }
1065          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1066            $self->{s_kwd} = '';
1067          # reconsume          # reconsume
1068    
1069          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 872  sub _get_next_token ($) { Line 1073  sub _get_next_token ($) {
1073          if ($self->{nc} == 0x0022 or # "          if ($self->{nc} == 0x0022 or # "
1074              $self->{nc} == 0x0027) { # '              $self->{nc} == 0x0027) { # '
1075            !!!cp (69);            !!!cp (69);
1076              ## XML5: Not a parse error.
1077            !!!parse-error (type => 'bad attribute name');            !!!parse-error (type => 'bad attribute name');
1078          } else {          } else {
1079            !!!cp (70);            !!!cp (70);
# Line 882  sub _get_next_token ($) { 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->{$self->{nc}}) {
1090          !!!cp (71);          !!!cp (71);
1091          ## Stay in the state          ## Stay in the state
# Line 893  sub _get_next_token ($) { 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} = $self->{ct}->{tag_name};
# Line 909  sub _get_next_token ($) { Line 1121  sub _get_next_token ($) {
1121            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1122          }          }
1123          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1124            $self->{s_kwd} = '';
1125          !!!next-input-character;          !!!next-input-character;
1126    
1127          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 918  sub _get_next_token ($) { Line 1131  sub _get_next_token ($) {
1131                 $self->{nc} <= 0x005A) { # A..Z                 $self->{nc} <= 0x005A) { # A..Z
1132          !!!cp (76);          !!!cp (76);
1133          $self->{ca}          $self->{ca}
1134              = {name => chr ($self->{nc} + 0x0020),              = {name => chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020)),
1135                 value => '',                 value => '',
1136                 line => $self->{line}, column => $self->{column}};                 line => $self->{line}, column => $self->{column}};
1137          $self->{state} = ATTRIBUTE_NAME_STATE;          $self->{state} = ATTRIBUTE_NAME_STATE;
1138          !!!next-input-character;          !!!next-input-character;
1139          redo A;          redo A;
1140        } elsif ($self->{nc} == 0x002F) { # /        } elsif ($self->{nc} == 0x002F) { # /
1141          !!!cp (77);          if ($self->{is_xml}) {
1142              !!!cp (77);
1143              ## XML5: Not a parse error.
1144              !!!parse-error (type => 'no attr value'); ## TODO: type
1145            } else {
1146              !!!cp (77.1);
1147            }
1148            
1149          $self->{state} = SELF_CLOSING_START_TAG_STATE;          $self->{state} = SELF_CLOSING_START_TAG_STATE;
1150          !!!next-input-character;          !!!next-input-character;
1151          redo A;          redo A;
# Line 946  sub _get_next_token ($) { Line 1166  sub _get_next_token ($) {
1166          } else {          } else {
1167            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1168          }          }
1169            $self->{s_kwd} = '';
1170          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1171          # reconsume          # reconsume
1172    
# Line 953  sub _get_next_token ($) { 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) { # '              $self->{nc} == 0x0027) { # '
1187            !!!cp (78);            !!!cp (78);
1188              ## XML5: Not a parse error.
1189            !!!parse-error (type => 'bad attribute name');            !!!parse-error (type => 'bad attribute name');
1190          } else {          } else {
1191            !!!cp (82);            !!!cp (82);
# Line 969  sub _get_next_token ($) { 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->{$self->{nc}}) {
1205          !!!cp (83);          !!!cp (83);
1206          ## Stay in the state          ## Stay in the state
# Line 1007  sub _get_next_token ($) { Line 1239  sub _get_next_token ($) {
1239            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1240          }          }
1241          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1242            $self->{s_kwd} = '';
1243          !!!next-input-character;          !!!next-input-character;
1244    
1245          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 1030  sub _get_next_token ($) { Line 1263  sub _get_next_token ($) {
1263            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1264          }          }
1265          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1266            $self->{s_kwd} = '';
1267          ## reconsume          ## reconsume
1268    
1269          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 1038  sub _get_next_token ($) { Line 1272  sub _get_next_token ($) {
1272        } else {        } else {
1273          if ($self->{nc} == 0x003D) { # =          if ($self->{nc} == 0x003D) { # =
1274            !!!cp (93);            !!!cp (93);
1275              ## XML5: Not a parse error.
1276            !!!parse-error (type => 'bad attribute value');            !!!parse-error (type => 'bad attribute value');
1277            } elsif ($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 1048  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 ($self->{nc} == 0x0026) { # &
1307          !!!cp (96);          !!!cp (96);
1308            ## XML5: Not defined yet.
1309    
1310          ## NOTE: In the spec, the tokenizer is switched to the          ## NOTE: In the spec, the tokenizer is switched to the
1311          ## "entity in attribute value state".  In this implementation, the          ## "entity in attribute value state".  In this implementation, the
1312          ## tokenizer is switched to the |ENTITY_STATE|, which is an          ## tokenizer is switched to the |ENTITY_STATE|, which is an
# Line 1064  sub _get_next_token ($) { 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 ($self->{ct}->{attributes}) {
# Line 1078  sub _get_next_token ($) { Line 1343  sub _get_next_token ($) {
1343              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1344              !!!cp (99);              !!!cp (99);
1345            }            }
1346    
1347              $self->{state} = DATA_STATE;
1348              $self->{s_kwd} = '';
1349              ## reconsume
1350              !!!emit ($self->{ct}); # end tag
1351              redo A;
1352            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1353              ## XML5: No parse error above; not defined yet.
1354              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1355              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1356              ## Reconsume.
1357              !!!emit ($self->{ct}); # ATTLIST
1358              redo A;
1359          } else {          } else {
1360            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1361          }          }
         $self->{state} = DATA_STATE;  
         ## reconsume  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1362        } else {        } else {
1363          !!!cp (100);          ## XML5 [ATTLIST]: Not defined yet.
1364            if ($self->{is_xml} and $self->{nc} == 0x003C) { # <
1365              !!!cp (100);
1366              ## XML5: Not a parse error.
1367              !!!parse-error (type => 'lt in attr value'); ## TODO: type
1368            } else {
1369              !!!cp (100.1);
1370            }
1371          $self->{ca}->{value} .= chr ($self->{nc});          $self->{ca}->{value} .= chr ($self->{nc});
1372          $self->{read_until}->($self->{ca}->{value},          $self->{read_until}->($self->{ca}->{value},
1373                                q["&],                                qq["&<\x09\x0C\x20],
1374                                length $self->{ca}->{value});                                length $self->{ca}->{value});
1375    
1376          ## Stay in the state          ## Stay in the state
# Line 1099  sub _get_next_token ($) { 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 ($self->{nc} == 0x0026) { # &
1398          !!!cp (102);          !!!cp (102);
1399            ## XML5: Not defined yet.
1400    
1401          ## NOTE: In the spec, the tokenizer is switched to the          ## NOTE: In the spec, the tokenizer is switched to the
1402          ## "entity in attribute value state".  In this implementation, the          ## "entity in attribute value state".  In this implementation, the
1403          ## tokenizer is switched to the |ENTITY_STATE|, which is an          ## tokenizer is switched to the |ENTITY_STATE|, which is an
# Line 1115  sub _get_next_token ($) { 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 ($self->{ct}->{attributes}) {
# Line 1129  sub _get_next_token ($) { Line 1434  sub _get_next_token ($) {
1434              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1435              !!!cp (105);              !!!cp (105);
1436            }            }
1437    
1438              $self->{state} = DATA_STATE;
1439              $self->{s_kwd} = '';
1440              ## reconsume
1441              !!!emit ($self->{ct}); # end tag
1442              redo A;
1443            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1444              ## XML5: No parse error above; not defined yet.
1445              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1446              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1447              ## Reconsume.
1448              !!!emit ($self->{ct}); # ATTLIST
1449              redo A;
1450          } else {          } else {
1451            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1452          }          }
         $self->{state} = DATA_STATE;  
         ## reconsume  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1453        } else {        } else {
1454          !!!cp (106);          ## XML5 [ATTLIST]: Not defined yet.
1455            if ($self->{is_xml} and $self->{nc} == 0x003C) { # <
1456              !!!cp (106);
1457              ## XML5: Not a parse error.
1458              !!!parse-error (type => 'lt in attr value'); ## TODO: type
1459            } else {
1460              !!!cp (106.1);
1461            }
1462          $self->{ca}->{value} .= chr ($self->{nc});          $self->{ca}->{value} .= chr ($self->{nc});
1463          $self->{read_until}->($self->{ca}->{value},          $self->{read_until}->($self->{ca}->{value},
1464                                q['&],                                qq['&<\x09\x0C\x20],
1465                                length $self->{ca}->{value});                                length $self->{ca}->{value});
1466    
1467          ## Stay in the state          ## Stay in the state
# Line 1150  sub _get_next_token ($) { 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 ($self->{nc} == 0x0026) { # &
1487          !!!cp (108);          !!!cp (108);
1488    
1489            ## XML5: Not defined yet.
1490    
1491          ## NOTE: In the spec, the tokenizer is switched to the          ## NOTE: In the spec, the tokenizer is switched to the
1492          ## "entity in attribute value state".  In this implementation, the          ## "entity in attribute value state".  In this implementation, the
1493          ## tokenizer is switched to the |ENTITY_STATE|, which is an          ## tokenizer is switched to the |ENTITY_STATE|, which is an
# Line 1170  sub _get_next_token ($) { 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 ($self->{ct}->{attributes}) {
# Line 1179  sub _get_next_token ($) { Line 1516  sub _get_next_token ($) {
1516              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1517              !!!cp (111);              !!!cp (111);
1518            }            }
1519    
1520              $self->{state} = DATA_STATE;
1521              $self->{s_kwd} = '';
1522              !!!next-input-character;
1523              !!!emit ($self->{ct}); # end tag
1524              redo A;
1525            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1526              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1527              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1528              !!!next-input-character;
1529              !!!emit ($self->{ct}); # ATTLIST
1530              redo A;
1531          } else {          } else {
1532            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1533          }          }
         $self->{state} = DATA_STATE;  
         !!!next-input-character;  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1534        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!parse-error (type => 'unclosed tag');  
1535          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1536            !!!cp (112);            !!!cp (112);
1537              !!!parse-error (type => 'unclosed tag');
1538            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
1539    
1540              $self->{state} = DATA_STATE;
1541              $self->{s_kwd} = '';
1542              ## reconsume
1543              !!!emit ($self->{ct}); # start tag
1544              redo A;
1545          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {
1546              !!!parse-error (type => 'unclosed tag');
1547            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1548            if ($self->{ct}->{attributes}) {            if ($self->{ct}->{attributes}) {
1549              !!!cp (113);              !!!cp (113);
# Line 1202  sub _get_next_token ($) { Line 1552  sub _get_next_token ($) {
1552              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1553              !!!cp (114);              !!!cp (114);
1554            }            }
1555    
1556              $self->{state} = DATA_STATE;
1557              $self->{s_kwd} = '';
1558              ## reconsume
1559              !!!emit ($self->{ct}); # end tag
1560              redo A;
1561            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1562              !!!parse-error (type => 'unclosed md'); ## TODO: type
1563              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1564              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1565              ## Reconsume.
1566              !!!emit ($self->{ct}); # ATTLIST
1567              redo A;
1568          } else {          } else {
1569            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1570          }          }
         $self->{state} = DATA_STATE;  
         ## reconsume  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1571        } else {        } else {
1572          if ({          if ({
1573               0x0022 => 1, # "               0x0022 => 1, # "
# Line 1218  sub _get_next_token ($) { Line 1575  sub _get_next_token ($) {
1575               0x003D => 1, # =               0x003D => 1, # =
1576              }->{$self->{nc}}) {              }->{$self->{nc}}) {
1577            !!!cp (115);            !!!cp (115);
1578              ## XML5: Not a parse error.
1579            !!!parse-error (type => 'bad attribute value');            !!!parse-error (type => 'bad attribute value');
1580          } else {          } else {
1581            !!!cp (116);            !!!cp (116);
1582          }          }
1583          $self->{ca}->{value} .= chr ($self->{nc});          $self->{ca}->{value} .= chr ($self->{nc});
1584          $self->{read_until}->($self->{ca}->{value},          $self->{read_until}->($self->{ca}->{value},
1585                                q["'=& >],                                qq["'=& \x09\x0C>],
1586                                length $self->{ca}->{value});                                length $self->{ca}->{value});
1587    
1588          ## Stay in the state          ## Stay in the state
# Line 1254  sub _get_next_token ($) { Line 1612  sub _get_next_token ($) {
1612            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1613          }          }
1614          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1615            $self->{s_kwd} = '';
1616          !!!next-input-character;          !!!next-input-character;
1617    
1618          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 1281  sub _get_next_token ($) { Line 1640  sub _get_next_token ($) {
1640            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1641          }          }
1642          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1643            $self->{s_kwd} = '';
1644          ## Reconsume.          ## Reconsume.
1645          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
1646          redo A;          redo A;
# Line 1292  sub _get_next_token ($) { Line 1652  sub _get_next_token ($) {
1652          redo A;          redo A;
1653        }        }
1654      } elsif ($self->{state} == SELF_CLOSING_START_TAG_STATE) {      } elsif ($self->{state} == SELF_CLOSING_START_TAG_STATE) {
1655          ## XML5: "Empty tag state".
1656    
1657        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
1658          if ($self->{ct}->{type} == END_TAG_TOKEN) {          if ($self->{ct}->{type} == END_TAG_TOKEN) {
1659            !!!cp ('124.2');            !!!cp ('124.2');
# Line 1311  sub _get_next_token ($) { Line 1673  sub _get_next_token ($) {
1673          }          }
1674    
1675          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1676            $self->{s_kwd} = '';
1677          !!!next-input-character;          !!!next-input-character;
1678    
1679          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 1332  sub _get_next_token ($) { Line 1695  sub _get_next_token ($) {
1695          } else {          } else {
1696            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1697          }          }
1698            ## XML5: "Tag attribute name before state".
1699          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1700            $self->{s_kwd} = '';
1701          ## Reconsume.          ## Reconsume.
1702          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
1703          redo A;          redo A;
# Line 1345  sub _get_next_token ($) { Line 1710  sub _get_next_token ($) {
1710          redo A;          redo A;
1711        }        }
1712      } elsif ($self->{state} == BOGUS_COMMENT_STATE) {      } elsif ($self->{state} == BOGUS_COMMENT_STATE) {
1713        ## (only happen if PCDATA state)        ## XML5: "Bogus comment state" and "DOCTYPE bogus comment state".
1714    
1715        ## NOTE: Unlike spec's "bogus comment state", this implementation        ## NOTE: Unlike spec's "bogus comment state", this implementation
1716        ## consumes characters one-by-one basis.        ## consumes characters one-by-one basis.
1717                
1718        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
1719          !!!cp (124);          if ($self->{in_subset}) {
1720          $self->{state} = DATA_STATE;            !!!cp (123);
1721              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1722            } else {
1723              !!!cp (124);
1724              $self->{state} = DATA_STATE;
1725              $self->{s_kwd} = '';
1726            }
1727          !!!next-input-character;          !!!next-input-character;
1728    
1729          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
1730          redo A;          redo A;
1731        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
1732          !!!cp (125);          if ($self->{in_subset}) {
1733          $self->{state} = DATA_STATE;            !!!cp (125.1);
1734              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1735            } else {
1736              !!!cp (125);
1737              $self->{state} = DATA_STATE;
1738              $self->{s_kwd} = '';
1739            }
1740          ## reconsume          ## reconsume
1741    
1742          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1376  sub _get_next_token ($) { Line 1753  sub _get_next_token ($) {
1753          redo A;          redo A;
1754        }        }
1755      } elsif ($self->{state} == MARKUP_DECLARATION_OPEN_STATE) {      } elsif ($self->{state} == MARKUP_DECLARATION_OPEN_STATE) {
1756        ## (only happen if PCDATA state)        ## XML5: "Markup declaration state".
1757                
1758        if ($self->{nc} == 0x002D) { # -        if ($self->{nc} == 0x002D) { # -
1759          !!!cp (133);          !!!cp (133);
# Line 1388  sub _get_next_token ($) { Line 1765  sub _get_next_token ($) {
1765          ## ASCII case-insensitive.          ## ASCII case-insensitive.
1766          !!!cp (130);          !!!cp (130);
1767          $self->{state} = MD_DOCTYPE_STATE;          $self->{state} = MD_DOCTYPE_STATE;
1768          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
1769          !!!next-input-character;          !!!next-input-character;
1770          redo A;          redo A;
1771        } elsif ((($self->{insertion_mode} & IN_FOREIGN_CONTENT_IM and        } elsif ((($self->{insertion_mode} & IN_FOREIGN_CONTENT_IM and
# Line 1397  sub _get_next_token ($) { Line 1774  sub _get_next_token ($) {
1774                 $self->{nc} == 0x005B) { # [                 $self->{nc} == 0x005B) { # [
1775          !!!cp (135.4);                          !!!cp (135.4);                
1776          $self->{state} = MD_CDATA_STATE;          $self->{state} = MD_CDATA_STATE;
1777          $self->{s_kwd} = '[';          $self->{kwd} = '[';
1778          !!!next-input-character;          !!!next-input-character;
1779          redo A;          redo A;
1780        } else {        } else {
# Line 1421  sub _get_next_token ($) { Line 1798  sub _get_next_token ($) {
1798                                    line => $self->{line_prev},                                    line => $self->{line_prev},
1799                                    column => $self->{column_prev} - 2,                                    column => $self->{column_prev} - 2,
1800                                   };                                   };
1801          $self->{state} = COMMENT_START_STATE;          $self->{state} = COMMENT_START_STATE; ## XML5: "comment state".
1802          !!!next-input-character;          !!!next-input-character;
1803          redo A;          redo A;
1804        } else {        } else {
# Line 1447  sub _get_next_token ($) { Line 1824  sub _get_next_token ($) {
1824              0x0054, # T              0x0054, # T
1825              0x0059, # Y              0x0059, # Y
1826              0x0050, # P              0x0050, # P
1827            ]->[length $self->{s_kwd}] or            ]->[length $self->{kwd}] or
1828            $self->{nc} == [            $self->{nc} == [
1829              undef,              undef,
1830              0x006F, # o              0x006F, # o
# Line 1455  sub _get_next_token ($) { Line 1832  sub _get_next_token ($) {
1832              0x0074, # t              0x0074, # t
1833              0x0079, # y              0x0079, # y
1834              0x0070, # p              0x0070, # p
1835            ]->[length $self->{s_kwd}]) {            ]->[length $self->{kwd}]) {
1836          !!!cp (131);          !!!cp (131);
1837          ## Stay in the state.          ## Stay in the state.
1838          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
1839          !!!next-input-character;          !!!next-input-character;
1840          redo A;          redo A;
1841        } elsif ((length $self->{s_kwd}) == 6 and        } elsif ((length $self->{kwd}) == 6 and
1842                 ($self->{nc} == 0x0045 or # E                 ($self->{nc} == 0x0045 or # E
1843                  $self->{nc} == 0x0065)) { # e                  $self->{nc} == 0x0065)) { # e
1844          !!!cp (129);          if ($self->{is_xml} and
1845                ($self->{kwd} ne 'DOCTYP' or $self->{nc} == 0x0065)) {
1846              !!!cp (129);
1847              ## XML5: case-sensitive.
1848              !!!parse-error (type => 'lowercase keyword', ## TODO
1849                              text => 'DOCTYPE',
1850                              line => $self->{line_prev},
1851                              column => $self->{column_prev} - 5);
1852            } else {
1853              !!!cp (129.1);
1854            }
1855          $self->{state} = DOCTYPE_STATE;          $self->{state} = DOCTYPE_STATE;
1856          $self->{ct} = {type => DOCTYPE_TOKEN,          $self->{ct} = {type => DOCTYPE_TOKEN,
1857                                    quirks => 1,                                    quirks => 1,
# Line 1477  sub _get_next_token ($) { Line 1864  sub _get_next_token ($) {
1864          !!!cp (132);                  !!!cp (132);        
1865          !!!parse-error (type => 'bogus comment',          !!!parse-error (type => 'bogus comment',
1866                          line => $self->{line_prev},                          line => $self->{line_prev},
1867                          column => $self->{column_prev} - 1 - length $self->{s_kwd});                          column => $self->{column_prev} - 1 - length $self->{kwd});
1868          $self->{state} = BOGUS_COMMENT_STATE;          $self->{state} = BOGUS_COMMENT_STATE;
1869          ## Reconsume.          ## Reconsume.
1870          $self->{ct} = {type => COMMENT_TOKEN,          $self->{ct} = {type => COMMENT_TOKEN,
1871                                    data => $self->{s_kwd},                                    data => $self->{kwd},
1872                                    line => $self->{line_prev},                                    line => $self->{line_prev},
1873                                    column => $self->{column_prev} - 1 - length $self->{s_kwd},                                    column => $self->{column_prev} - 1 - length $self->{kwd},
1874                                   };                                   };
1875          redo A;          redo A;
1876        }        }
# Line 1494  sub _get_next_token ($) { Line 1881  sub _get_next_token ($) {
1881              '[CD' => 0x0041, # A              '[CD' => 0x0041, # A
1882              '[CDA' => 0x0054, # T              '[CDA' => 0x0054, # T
1883              '[CDAT' => 0x0041, # A              '[CDAT' => 0x0041, # A
1884            }->{$self->{s_kwd}}) {            }->{$self->{kwd}}) {
1885          !!!cp (135.1);          !!!cp (135.1);
1886          ## Stay in the state.          ## Stay in the state.
1887          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
1888          !!!next-input-character;          !!!next-input-character;
1889          redo A;          redo A;
1890        } elsif ($self->{s_kwd} eq '[CDATA' and        } elsif ($self->{kwd} eq '[CDATA' and
1891                 $self->{nc} == 0x005B) { # [                 $self->{nc} == 0x005B) { # [
1892          !!!cp (135.2);          if ($self->{is_xml} and
1893                not $self->{tainted} and
1894                @{$self->{open_elements} or []} == 0) {
1895              !!!cp (135.2);
1896              !!!parse-error (type => 'cdata outside of root element',
1897                              line => $self->{line_prev},
1898                              column => $self->{column_prev} - 7);
1899              $self->{tainted} = 1;
1900            } else {
1901              !!!cp (135.21);
1902            }
1903    
1904          $self->{ct} = {type => CHARACTER_TOKEN,          $self->{ct} = {type => CHARACTER_TOKEN,
1905                                    data => '',                                    data => '',
1906                                    line => $self->{line_prev},                                    line => $self->{line_prev},
# Line 1514  sub _get_next_token ($) { Line 1912  sub _get_next_token ($) {
1912          !!!cp (135.3);          !!!cp (135.3);
1913          !!!parse-error (type => 'bogus comment',          !!!parse-error (type => 'bogus comment',
1914                          line => $self->{line_prev},                          line => $self->{line_prev},
1915                          column => $self->{column_prev} - 1 - length $self->{s_kwd});                          column => $self->{column_prev} - 1 - length $self->{kwd});
1916          $self->{state} = BOGUS_COMMENT_STATE;          $self->{state} = BOGUS_COMMENT_STATE;
1917          ## Reconsume.          ## Reconsume.
1918          $self->{ct} = {type => COMMENT_TOKEN,          $self->{ct} = {type => COMMENT_TOKEN,
1919                                    data => $self->{s_kwd},                                    data => $self->{kwd},
1920                                    line => $self->{line_prev},                                    line => $self->{line_prev},
1921                                    column => $self->{column_prev} - 1 - length $self->{s_kwd},                                    column => $self->{column_prev} - 1 - length $self->{kwd},
1922                                   };                                   };
1923          redo A;          redo A;
1924        }        }
# Line 1531  sub _get_next_token ($) { Line 1929  sub _get_next_token ($) {
1929          !!!next-input-character;          !!!next-input-character;
1930          redo A;          redo A;
1931        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (138);  
1932          !!!parse-error (type => 'bogus comment');          !!!parse-error (type => 'bogus comment');
1933          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
1934              !!!cp (138.1);
1935              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1936            } else {
1937              !!!cp (138);
1938              $self->{state} = DATA_STATE;
1939              $self->{s_kwd} = '';
1940            }
1941          !!!next-input-character;          !!!next-input-character;
1942    
1943          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
1944    
1945          redo A;          redo A;
1946        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (139);  
1947          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
1948          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
1949              !!!cp (139.1);
1950              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1951            } else {
1952              !!!cp (139);
1953              $self->{state} = DATA_STATE;
1954              $self->{s_kwd} = '';
1955            }
1956          ## reconsume          ## reconsume
1957    
1958          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1563  sub _get_next_token ($) { Line 1973  sub _get_next_token ($) {
1973          !!!next-input-character;          !!!next-input-character;
1974          redo A;          redo A;
1975        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (142);  
1976          !!!parse-error (type => 'bogus comment');          !!!parse-error (type => 'bogus comment');
1977          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
1978              !!!cp (142.1);
1979              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1980            } else {
1981              !!!cp (142);
1982              $self->{state} = DATA_STATE;
1983              $self->{s_kwd} = '';
1984            }
1985          !!!next-input-character;          !!!next-input-character;
1986    
1987          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
1988    
1989          redo A;          redo A;
1990        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (143);  
1991          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
1992          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
1993              !!!cp (143.1);
1994              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1995            } else {
1996              !!!cp (143);
1997              $self->{state} = DATA_STATE;
1998              $self->{s_kwd} = '';
1999            }
2000          ## reconsume          ## reconsume
2001    
2002          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1589  sub _get_next_token ($) { Line 2011  sub _get_next_token ($) {
2011          redo A;          redo A;
2012        }        }
2013      } elsif ($self->{state} == COMMENT_STATE) {      } elsif ($self->{state} == COMMENT_STATE) {
2014          ## XML5: "Comment state" and "DOCTYPE comment state".
2015    
2016        if ($self->{nc} == 0x002D) { # -        if ($self->{nc} == 0x002D) { # -
2017          !!!cp (145);          !!!cp (145);
2018          $self->{state} = COMMENT_END_DASH_STATE;          $self->{state} = COMMENT_END_DASH_STATE;
2019          !!!next-input-character;          !!!next-input-character;
2020          redo A;          redo A;
2021        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (146);  
2022          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
2023          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
2024              !!!cp (146.1);
2025              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2026            } else {
2027              !!!cp (146);
2028              $self->{state} = DATA_STATE;
2029              $self->{s_kwd} = '';
2030            }
2031          ## reconsume          ## reconsume
2032    
2033          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1615  sub _get_next_token ($) { Line 2045  sub _get_next_token ($) {
2045          redo A;          redo A;
2046        }        }
2047      } elsif ($self->{state} == COMMENT_END_DASH_STATE) {      } elsif ($self->{state} == COMMENT_END_DASH_STATE) {
2048          ## XML5: "Comment dash state" and "DOCTYPE comment dash state".
2049    
2050        if ($self->{nc} == 0x002D) { # -        if ($self->{nc} == 0x002D) { # -
2051          !!!cp (148);          !!!cp (148);
2052          $self->{state} = COMMENT_END_STATE;          $self->{state} = COMMENT_END_STATE;
2053          !!!next-input-character;          !!!next-input-character;
2054          redo A;          redo A;
2055        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (149);  
2056          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
2057          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
2058              !!!cp (149.1);
2059              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2060            } else {
2061              !!!cp (149);
2062              $self->{state} = DATA_STATE;
2063              $self->{s_kwd} = '';
2064            }
2065          ## reconsume          ## reconsume
2066    
2067          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1637  sub _get_next_token ($) { Line 2075  sub _get_next_token ($) {
2075          redo A;          redo A;
2076        }        }
2077      } elsif ($self->{state} == COMMENT_END_STATE) {      } elsif ($self->{state} == COMMENT_END_STATE) {
2078          ## XML5: "Comment end state" and "DOCTYPE comment end state".
2079    
2080        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
2081          !!!cp (151);          if ($self->{in_subset}) {
2082          $self->{state} = DATA_STATE;            !!!cp (151.1);
2083              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2084            } else {
2085              !!!cp (151);
2086              $self->{state} = DATA_STATE;
2087              $self->{s_kwd} = '';
2088            }
2089          !!!next-input-character;          !!!next-input-character;
2090    
2091          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1647  sub _get_next_token ($) { Line 2093  sub _get_next_token ($) {
2093          redo A;          redo A;
2094        } elsif ($self->{nc} == 0x002D) { # -        } elsif ($self->{nc} == 0x002D) { # -
2095          !!!cp (152);          !!!cp (152);
2096            ## XML5: Not a parse error.
2097          !!!parse-error (type => 'dash in comment',          !!!parse-error (type => 'dash in comment',
2098                          line => $self->{line_prev},                          line => $self->{line_prev},
2099                          column => $self->{column_prev});                          column => $self->{column_prev});
# Line 1655  sub _get_next_token ($) { Line 2102  sub _get_next_token ($) {
2102          !!!next-input-character;          !!!next-input-character;
2103          redo A;          redo A;
2104        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (153);  
2105          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
2106          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
2107              !!!cp (153.1);
2108              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2109            } else {
2110              !!!cp (153);
2111              $self->{state} = DATA_STATE;
2112              $self->{s_kwd} = '';
2113            }
2114          ## reconsume          ## reconsume
2115    
2116          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1665  sub _get_next_token ($) { Line 2118  sub _get_next_token ($) {
2118          redo A;          redo A;
2119        } else {        } else {
2120          !!!cp (154);          !!!cp (154);
2121            ## XML5: Not a parse error.
2122          !!!parse-error (type => 'dash in comment',          !!!parse-error (type => 'dash in comment',
2123                          line => $self->{line_prev},                          line => $self->{line_prev},
2124                          column => $self->{column_prev});                          column => $self->{column_prev});
# Line 1681  sub _get_next_token ($) { Line 2135  sub _get_next_token ($) {
2135          redo A;          redo A;
2136        } else {        } else {
2137          !!!cp (156);          !!!cp (156);
2138            ## XML5: Unless EOF, swith to the bogus comment state.
2139          !!!parse-error (type => 'no space before DOCTYPE name');          !!!parse-error (type => 'no space before DOCTYPE name');
2140          $self->{state} = BEFORE_DOCTYPE_NAME_STATE;          $self->{state} = BEFORE_DOCTYPE_NAME_STATE;
2141          ## reconsume          ## reconsume
2142          redo A;          redo A;
2143        }        }
2144      } elsif ($self->{state} == BEFORE_DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == BEFORE_DOCTYPE_NAME_STATE) {
2145          ## XML5: "DOCTYPE root name before state".
2146    
2147        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2148          !!!cp (157);          !!!cp (157);
2149          ## Stay in the state          ## Stay in the state
# Line 1694  sub _get_next_token ($) { Line 2151  sub _get_next_token ($) {
2151          redo A;          redo A;
2152        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2153          !!!cp (158);          !!!cp (158);
2154            ## XML5: No parse error.
2155          !!!parse-error (type => 'no DOCTYPE name');          !!!parse-error (type => 'no DOCTYPE name');
2156          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2157            $self->{s_kwd} = '';
2158          !!!next-input-character;          !!!next-input-character;
2159    
2160          !!!emit ($self->{ct}); # DOCTYPE (quirks)          !!!emit ($self->{ct}); # DOCTYPE (quirks)
# Line 1705  sub _get_next_token ($) { Line 2164  sub _get_next_token ($) {
2164          !!!cp (159);          !!!cp (159);
2165          !!!parse-error (type => 'no DOCTYPE name');          !!!parse-error (type => 'no DOCTYPE name');
2166          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2167            $self->{s_kwd} = '';
2168          ## reconsume          ## reconsume
2169    
2170          !!!emit ($self->{ct}); # DOCTYPE (quirks)          !!!emit ($self->{ct}); # DOCTYPE (quirks)
2171    
2172          redo A;          redo A;
2173          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
2174            !!!cp (159.1);
2175            !!!parse-error (type => 'no DOCTYPE name');
2176            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2177            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2178            $self->{in_subset} = 1;
2179            !!!next-input-character;
2180            !!!emit ($self->{ct}); # DOCTYPE
2181            redo A;
2182        } else {        } else {
2183          !!!cp (160);          !!!cp (160);
2184          $self->{ct}->{name} = chr $self->{nc};          $self->{ct}->{name} = chr $self->{nc};
# Line 1719  sub _get_next_token ($) { Line 2188  sub _get_next_token ($) {
2188          redo A;          redo A;
2189        }        }
2190      } elsif ($self->{state} == DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == DOCTYPE_NAME_STATE) {
2191  ## ISSUE: Redundant "First," in the spec.        ## XML5: "DOCTYPE root name state".
2192    
2193          ## ISSUE: Redundant "First," in the spec.
2194    
2195        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2196          !!!cp (161);          !!!cp (161);
2197          $self->{state} = AFTER_DOCTYPE_NAME_STATE;          $self->{state} = AFTER_DOCTYPE_NAME_STATE;
# Line 1728  sub _get_next_token ($) { Line 2200  sub _get_next_token ($) {
2200        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2201          !!!cp (162);          !!!cp (162);
2202          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2203            $self->{s_kwd} = '';
2204          !!!next-input-character;          !!!next-input-character;
2205    
2206          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
# Line 1737  sub _get_next_token ($) { Line 2210  sub _get_next_token ($) {
2210          !!!cp (163);          !!!cp (163);
2211          !!!parse-error (type => 'unclosed DOCTYPE');          !!!parse-error (type => 'unclosed DOCTYPE');
2212          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2213            $self->{s_kwd} = '';
2214          ## reconsume          ## reconsume
2215    
2216          $self->{ct}->{quirks} = 1;          $self->{ct}->{quirks} = 1;
2217          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2218    
2219          redo A;          redo A;
2220          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
2221            !!!cp (163.1);
2222            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2223            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2224            $self->{in_subset} = 1;
2225            !!!next-input-character;
2226            !!!emit ($self->{ct}); # DOCTYPE
2227            redo A;
2228        } else {        } else {
2229          !!!cp (164);          !!!cp (164);
2230          $self->{ct}->{name}          $self->{ct}->{name}
# Line 1752  sub _get_next_token ($) { Line 2234  sub _get_next_token ($) {
2234          redo A;          redo A;
2235        }        }
2236      } elsif ($self->{state} == AFTER_DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == AFTER_DOCTYPE_NAME_STATE) {
2237          ## XML5: Corresponding to XML5's "DOCTYPE root name after
2238          ## state", but implemented differently.
2239    
2240        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2241          !!!cp (165);          !!!cp (165);
2242          ## Stay in the state          ## Stay in the state
2243          !!!next-input-character;          !!!next-input-character;
2244          redo A;          redo A;
2245        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2246          !!!cp (166);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2247          $self->{state} = DATA_STATE;            !!!cp (166);
2248              $self->{state} = DATA_STATE;
2249              $self->{s_kwd} = '';
2250            } else {
2251              !!!cp (166.1);
2252              !!!parse-error (type => 'no md def'); ## TODO: type
2253              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2254            }
2255            
2256          !!!next-input-character;          !!!next-input-character;
2257            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         !!!emit ($self->{ct}); # DOCTYPE  
   
2258          redo A;          redo A;
2259        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2260          !!!cp (167);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2261          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (167);
2262          $self->{state} = DATA_STATE;            !!!parse-error (type => 'unclosed DOCTYPE');
2263          ## reconsume            $self->{state} = DATA_STATE;
2264              $self->{s_kwd} = '';
2265          $self->{ct}->{quirks} = 1;            $self->{ct}->{quirks} = 1;
2266          !!!emit ($self->{ct}); # DOCTYPE          } else {
2267              !!!cp (167.12);
2268              !!!parse-error (type => 'unclosed md'); ## TODO: type
2269              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2270            }
2271            
2272            ## Reconsume.
2273            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2274          redo A;          redo A;
2275        } elsif ($self->{nc} == 0x0050 or # P        } elsif ($self->{nc} == 0x0050 or # P
2276                 $self->{nc} == 0x0070) { # p                 $self->{nc} == 0x0070) { # p
2277            !!!cp (167.1);
2278          $self->{state} = PUBLIC_STATE;          $self->{state} = PUBLIC_STATE;
2279          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
2280          !!!next-input-character;          !!!next-input-character;
2281          redo A;          redo A;
2282        } elsif ($self->{nc} == 0x0053 or # S        } elsif ($self->{nc} == 0x0053 or # S
2283                 $self->{nc} == 0x0073) { # s                 $self->{nc} == 0x0073) { # s
2284            !!!cp (167.2);
2285          $self->{state} = SYSTEM_STATE;          $self->{state} = SYSTEM_STATE;
2286          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
2287            !!!next-input-character;
2288            redo A;
2289          } elsif ($self->{nc} == 0x0022 and # "
2290                   ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN or
2291                    $self->{ct}->{type} == PARAMETER_ENTITY_TOKEN)) {
2292            !!!cp (167.21);
2293            $self->{state} = DOCTYPE_ENTITY_VALUE_DOUBLE_QUOTED_STATE;
2294            $self->{ct}->{value} = ''; # ENTITY
2295          !!!next-input-character;          !!!next-input-character;
2296          redo A;          redo A;
2297          } elsif ($self->{nc} == 0x0027 and # '
2298                   ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN or
2299                    $self->{ct}->{type} == PARAMETER_ENTITY_TOKEN)) {
2300            !!!cp (167.22);
2301            $self->{state} = DOCTYPE_ENTITY_VALUE_SINGLE_QUOTED_STATE;
2302            $self->{ct}->{value} = ''; # ENTITY
2303            !!!next-input-character;
2304            redo A;
2305          } elsif ($self->{is_xml} and
2306                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2307                   $self->{nc} == 0x005B) { # [
2308            !!!cp (167.3);
2309            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2310            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2311            $self->{in_subset} = 1;
2312            !!!next-input-character;
2313            !!!emit ($self->{ct}); # DOCTYPE
2314            redo A;
2315        } else {        } else {
2316          !!!cp (180);          !!!parse-error (type => 'string after DOCTYPE name'); ## TODO: type
2317          !!!parse-error (type => 'string after DOCTYPE name');  
2318          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2319              !!!cp (180);
2320              $self->{ct}->{quirks} = 1;
2321              $self->{state} = BOGUS_DOCTYPE_STATE;
2322            } else {
2323              !!!cp (180.1);
2324              $self->{state} = BOGUS_MD_STATE;
2325            }
2326    
         $self->{state} = BOGUS_DOCTYPE_STATE;  
2327          !!!next-input-character;          !!!next-input-character;
2328          redo A;          redo A;
2329        }        }
# Line 1804  sub _get_next_token ($) { Line 2335  sub _get_next_token ($) {
2335              0x0042, # B              0x0042, # B
2336              0x004C, # L              0x004C, # L
2337              0x0049, # I              0x0049, # I
2338            ]->[length $self->{s_kwd}] or            ]->[length $self->{kwd}] or
2339            $self->{nc} == [            $self->{nc} == [
2340              undef,              undef,
2341              0x0075, # u              0x0075, # u
2342              0x0062, # b              0x0062, # b
2343              0x006C, # l              0x006C, # l
2344              0x0069, # i              0x0069, # i
2345            ]->[length $self->{s_kwd}]) {            ]->[length $self->{kwd}]) {
2346          !!!cp (175);          !!!cp (175);
2347          ## Stay in the state.          ## Stay in the state.
2348          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
2349          !!!next-input-character;          !!!next-input-character;
2350          redo A;          redo A;
2351        } elsif ((length $self->{s_kwd}) == 5 and        } elsif ((length $self->{kwd}) == 5 and
2352                 ($self->{nc} == 0x0043 or # C                 ($self->{nc} == 0x0043 or # C
2353                  $self->{nc} == 0x0063)) { # c                  $self->{nc} == 0x0063)) { # c
2354          !!!cp (168);          if ($self->{is_xml} and
2355                ($self->{kwd} ne 'PUBLI' or $self->{nc} == 0x0063)) { # c
2356              !!!cp (168.1);
2357              !!!parse-error (type => 'lowercase keyword', ## TODO: type
2358                              text => 'PUBLIC',
2359                              line => $self->{line_prev},
2360                              column => $self->{column_prev} - 4);
2361            } else {
2362              !!!cp (168);
2363            }
2364          $self->{state} = BEFORE_DOCTYPE_PUBLIC_IDENTIFIER_STATE;          $self->{state} = BEFORE_DOCTYPE_PUBLIC_IDENTIFIER_STATE;
2365          !!!next-input-character;          !!!next-input-character;
2366          redo A;          redo A;
2367        } else {        } else {
2368          !!!cp (169);          !!!parse-error (type => 'string after DOCTYPE name', ## TODO: type
         !!!parse-error (type => 'string after DOCTYPE name',  
2369                          line => $self->{line_prev},                          line => $self->{line_prev},
2370                          column => $self->{column_prev} + 1 - length $self->{s_kwd});                          column => $self->{column_prev} + 1 - length $self->{kwd});
2371          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2372              !!!cp (169);
2373          $self->{state} = BOGUS_DOCTYPE_STATE;            $self->{ct}->{quirks} = 1;
2374              $self->{state} = BOGUS_DOCTYPE_STATE;
2375            } else {
2376              !!!cp (169.1);
2377              $self->{state} = BOGUS_MD_STATE;
2378            }
2379          ## Reconsume.          ## Reconsume.
2380          redo A;          redo A;
2381        }        }
# Line 1843  sub _get_next_token ($) { Line 2387  sub _get_next_token ($) {
2387              0x0053, # S              0x0053, # S
2388              0x0054, # T              0x0054, # T
2389              0x0045, # E              0x0045, # E
2390            ]->[length $self->{s_kwd}] or            ]->[length $self->{kwd}] or
2391            $self->{nc} == [            $self->{nc} == [
2392              undef,              undef,
2393              0x0079, # y              0x0079, # y
2394              0x0073, # s              0x0073, # s
2395              0x0074, # t              0x0074, # t
2396              0x0065, # e              0x0065, # e
2397            ]->[length $self->{s_kwd}]) {            ]->[length $self->{kwd}]) {
2398          !!!cp (170);          !!!cp (170);
2399          ## Stay in the state.          ## Stay in the state.
2400          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
2401          !!!next-input-character;          !!!next-input-character;
2402          redo A;          redo A;
2403        } elsif ((length $self->{s_kwd}) == 5 and        } elsif ((length $self->{kwd}) == 5 and
2404                 ($self->{nc} == 0x004D or # M                 ($self->{nc} == 0x004D or # M
2405                  $self->{nc} == 0x006D)) { # m                  $self->{nc} == 0x006D)) { # m
2406          !!!cp (171);          if ($self->{is_xml} and
2407                ($self->{kwd} ne 'SYSTE' or $self->{nc} == 0x006D)) { # m
2408              !!!cp (171.1);
2409              !!!parse-error (type => 'lowercase keyword', ## TODO: type
2410                              text => 'SYSTEM',
2411                              line => $self->{line_prev},
2412                              column => $self->{column_prev} - 4);
2413            } else {
2414              !!!cp (171);
2415            }
2416          $self->{state} = BEFORE_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = BEFORE_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2417          !!!next-input-character;          !!!next-input-character;
2418          redo A;          redo A;
2419        } else {        } else {
2420          !!!cp (172);          !!!parse-error (type => 'string after DOCTYPE name', ## TODO: type
         !!!parse-error (type => 'string after DOCTYPE name',  
2421                          line => $self->{line_prev},                          line => $self->{line_prev},
2422                          column => $self->{column_prev} + 1 - length $self->{s_kwd});                          column => $self->{column_prev} + 1 - length $self->{kwd});
2423          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2424              !!!cp (172);
2425          $self->{state} = BOGUS_DOCTYPE_STATE;            $self->{ct}->{quirks} = 1;
2426              $self->{state} = BOGUS_DOCTYPE_STATE;
2427            } else {
2428              !!!cp (172.1);
2429              $self->{state} = BOGUS_MD_STATE;
2430            }
2431          ## Reconsume.          ## Reconsume.
2432          redo A;          redo A;
2433        }        }
# Line 1893  sub _get_next_token ($) { Line 2450  sub _get_next_token ($) {
2450          !!!next-input-character;          !!!next-input-character;
2451          redo A;          redo A;
2452        } elsif ($self->{nc} eq 0x003E) { # >        } elsif ($self->{nc} eq 0x003E) { # >
         !!!cp (184);  
2453          !!!parse-error (type => 'no PUBLIC literal');          !!!parse-error (type => 'no PUBLIC literal');
2454            
2455          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2456              !!!cp (184);
2457              $self->{state} = DATA_STATE;
2458              $self->{s_kwd} = '';
2459              $self->{ct}->{quirks} = 1;
2460            } else {
2461              !!!cp (184.1);
2462              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2463            }
2464            
2465          !!!next-input-character;          !!!next-input-character;
2466            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2467          redo A;          redo A;
2468        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2469          !!!cp (185);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2470          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (185);
2471              !!!parse-error (type => 'unclosed DOCTYPE');
2472          $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
2473              $self->{s_kwd} = '';
2474              $self->{ct}->{quirks} = 1;
2475            } else {
2476              !!!cp (185.1);
2477              !!!parse-error (type => 'unclosed md'); ## TODO: type
2478              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2479            }
2480            
2481          ## reconsume          ## reconsume
   
         $self->{ct}->{quirks} = 1;  
2482          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2483            redo A;
2484          } elsif ($self->{is_xml} and
2485                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2486                   $self->{nc} == 0x005B) { # [
2487            !!!cp (186.1);
2488            !!!parse-error (type => 'no PUBLIC literal');
2489            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2490            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2491            $self->{in_subset} = 1;
2492            !!!next-input-character;
2493            !!!emit ($self->{ct}); # DOCTYPE
2494          redo A;          redo A;
2495        } else {        } else {
         !!!cp (186);  
2496          !!!parse-error (type => 'string after PUBLIC');          !!!parse-error (type => 'string after PUBLIC');
         $self->{ct}->{quirks} = 1;  
2497    
2498          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2499              !!!cp (186);
2500              $self->{ct}->{quirks} = 1;
2501              $self->{state} = BOGUS_DOCTYPE_STATE;
2502            } else {
2503              !!!cp (186.2);
2504              $self->{state} = BOGUS_MD_STATE;
2505            }
2506    
2507          !!!next-input-character;          !!!next-input-character;
2508          redo A;          redo A;
2509        }        }
# Line 1930  sub _get_next_token ($) { Line 2514  sub _get_next_token ($) {
2514          !!!next-input-character;          !!!next-input-character;
2515          redo A;          redo A;
2516        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (188);  
2517          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2518    
2519          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2520          !!!next-input-character;            !!!cp (188);
2521              $self->{state} = DATA_STATE;
2522          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2523          !!!emit ($self->{ct}); # DOCTYPE            $self->{ct}->{quirks} = 1;
2524            } else {
2525              !!!cp (188.1);
2526              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2527            }
2528    
2529            !!!next-input-character;
2530            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2531          redo A;          redo A;
2532        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (189);  
2533          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2534    
2535          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2536          ## reconsume            !!!cp (189);
2537              $self->{state} = DATA_STATE;
2538          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2539              $self->{ct}->{quirks} = 1;
2540            } else {
2541              !!!cp (189.1);
2542              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2543            }
2544            
2545            ## Reconsume.
2546          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2547          redo A;          redo A;
2548        } else {        } else {
2549          !!!cp (190);          !!!cp (190);
2550          $self->{ct}->{pubid} # DOCTYPE          $self->{ct}->{pubid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2551          $self->{read_until}->($self->{ct}->{pubid}, q[">],          $self->{read_until}->($self->{ct}->{pubid}, q[">],
2552                                length $self->{ct}->{pubid});                                length $self->{ct}->{pubid});
2553    
# Line 1969  sub _get_next_token ($) { Line 2562  sub _get_next_token ($) {
2562          !!!next-input-character;          !!!next-input-character;
2563          redo A;          redo A;
2564        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (192);  
2565          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2566    
2567          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2568          !!!next-input-character;            !!!cp (192);
2569              $self->{state} = DATA_STATE;
2570          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2571          !!!emit ($self->{ct}); # DOCTYPE            $self->{ct}->{quirks} = 1;
2572            } else {
2573              !!!cp (192.1);
2574              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2575            }
2576    
2577            !!!next-input-character;
2578            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2579          redo A;          redo A;
2580        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (193);  
2581          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2582    
2583          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2584              !!!cp (193);
2585              $self->{state} = DATA_STATE;
2586              $self->{s_kwd} = '';
2587              $self->{ct}->{quirks} = 1;
2588            } else {
2589              !!!cp (193.1);
2590              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2591            }
2592          
2593          ## reconsume          ## reconsume
2594            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2595          redo A;          redo A;
2596        } else {        } else {
2597          !!!cp (194);          !!!cp (194);
2598          $self->{ct}->{pubid} # DOCTYPE          $self->{ct}->{pubid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2599          $self->{read_until}->($self->{ct}->{pubid}, q['>],          $self->{read_until}->($self->{ct}->{pubid}, q['>],
2600                                length $self->{ct}->{pubid});                                length $self->{ct}->{pubid});
2601    
# Line 2009  sub _get_next_token ($) { Line 2611  sub _get_next_token ($) {
2611          redo A;          redo A;
2612        } elsif ($self->{nc} == 0x0022) { # "        } elsif ($self->{nc} == 0x0022) { # "
2613          !!!cp (196);          !!!cp (196);
2614          $self->{ct}->{sysid} = ''; # DOCTYPE          $self->{ct}->{sysid} = ''; # DOCTYPE/ENTITY/NOTATION
2615          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_DOUBLE_QUOTED_STATE;          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_DOUBLE_QUOTED_STATE;
2616          !!!next-input-character;          !!!next-input-character;
2617          redo A;          redo A;
2618        } elsif ($self->{nc} == 0x0027) { # '        } elsif ($self->{nc} == 0x0027) { # '
2619          !!!cp (197);          !!!cp (197);
2620          $self->{ct}->{sysid} = ''; # DOCTYPE          $self->{ct}->{sysid} = ''; # DOCTYPE/ENTITY/NOTATION
2621          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_SINGLE_QUOTED_STATE;          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_SINGLE_QUOTED_STATE;
2622          !!!next-input-character;          !!!next-input-character;
2623          redo A;          redo A;
2624        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2625          !!!cp (198);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2626          $self->{state} = DATA_STATE;            if ($self->{is_xml}) {
2627                !!!cp (198.1);
2628                !!!parse-error (type => 'no SYSTEM literal');
2629              } else {
2630                !!!cp (198);
2631              }
2632              $self->{state} = DATA_STATE;
2633              $self->{s_kwd} = '';
2634            } else {
2635              if ($self->{ct}->{type} == NOTATION_TOKEN) {
2636                !!!cp (198.2);
2637              } else {
2638                !!!cp (198.3);
2639                !!!parse-error (type => 'no SYSTEM literal');            
2640              }
2641              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2642            }
2643            
2644          !!!next-input-character;          !!!next-input-character;
2645            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         !!!emit ($self->{ct}); # DOCTYPE  
   
2646          redo A;          redo A;
2647        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2648          !!!cp (199);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2649          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (199);
2650              !!!parse-error (type => 'unclosed DOCTYPE');
2651          $self->{state} = DATA_STATE;            
2652              $self->{state} = DATA_STATE;
2653              $self->{s_kwd} = '';
2654              $self->{ct}->{quirks} = 1;
2655            } else {
2656              !!!parse-error (type => 'unclosed md'); ## TODO: type
2657              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2658            }
2659            
2660          ## reconsume          ## reconsume
2661            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2662          $self->{ct}->{quirks} = 1;          redo A;
2663          } elsif ($self->{is_xml} and
2664                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2665                   $self->{nc} == 0x005B) { # [
2666            !!!cp (200.1);
2667            !!!parse-error (type => 'no SYSTEM literal');
2668            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2669            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2670            $self->{in_subset} = 1;
2671            !!!next-input-character;
2672          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2673          redo A;          redo A;
2674        } else {        } else {
         !!!cp (200);  
2675          !!!parse-error (type => 'string after PUBLIC literal');          !!!parse-error (type => 'string after PUBLIC literal');
         $self->{ct}->{quirks} = 1;  
2676    
2677          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2678              !!!cp (200);
2679              $self->{ct}->{quirks} = 1;
2680              $self->{state} = BOGUS_DOCTYPE_STATE;
2681            } else {
2682              !!!cp (200.2);
2683              $self->{state} = BOGUS_MD_STATE;
2684            }
2685    
2686          !!!next-input-character;          !!!next-input-character;
2687          redo A;          redo A;
2688        }        }
# Line 2066  sub _get_next_token ($) { Line 2705  sub _get_next_token ($) {
2705          !!!next-input-character;          !!!next-input-character;
2706          redo A;          redo A;
2707        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (204);  
2708          !!!parse-error (type => 'no SYSTEM literal');          !!!parse-error (type => 'no SYSTEM literal');
         $self->{state} = DATA_STATE;  
2709          !!!next-input-character;          !!!next-input-character;
2710    
2711          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2712          !!!emit ($self->{ct}); # DOCTYPE            !!!cp (204);
2713              $self->{state} = DATA_STATE;
2714              $self->{s_kwd} = '';
2715              $self->{ct}->{quirks} = 1;
2716            } else {
2717              !!!cp (204.1);
2718              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2719            }
2720    
2721            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2722          redo A;          redo A;
2723        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2724          !!!cp (205);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2725          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (205);
2726              !!!parse-error (type => 'unclosed DOCTYPE');
2727          $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
2728              $self->{s_kwd} = '';
2729              $self->{ct}->{quirks} = 1;
2730            } else {
2731              !!!cp (205.1);
2732              !!!parse-error (type => 'unclosed md'); ## TODO: type
2733              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2734            }
2735            
2736          ## reconsume          ## reconsume
2737            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2738            redo A;
2739          } elsif ($self->{is_xml} and
2740                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2741                   $self->{nc} == 0x005B) { # [
2742            !!!cp (206.1);
2743            !!!parse-error (type => 'no SYSTEM literal');
2744    
2745          $self->{ct}->{quirks} = 1;          $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2746            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2747            $self->{in_subset} = 1;
2748            !!!next-input-character;
2749          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2750          redo A;          redo A;
2751        } else {        } else {
         !!!cp (206);  
2752          !!!parse-error (type => 'string after SYSTEM');          !!!parse-error (type => 'string after SYSTEM');
         $self->{ct}->{quirks} = 1;  
2753    
2754          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2755              !!!cp (206);          
2756              $self->{ct}->{quirks} = 1;
2757              $self->{state} = BOGUS_DOCTYPE_STATE;
2758            } else {
2759              !!!cp (206.2);
2760              $self->{state} = BOGUS_MD_STATE;
2761            }
2762    
2763          !!!next-input-character;          !!!next-input-character;
2764          redo A;          redo A;
2765        }        }
# Line 2101  sub _get_next_token ($) { Line 2769  sub _get_next_token ($) {
2769          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2770          !!!next-input-character;          !!!next-input-character;
2771          redo A;          redo A;
2772        } elsif ($self->{nc} == 0x003E) { # >        } elsif (not $self->{is_xml} and $self->{nc} == 0x003E) { # >
         !!!cp (208);  
2773          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2774    
2775          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2776              !!!cp (208);
2777              $self->{state} = DATA_STATE;
2778              $self->{s_kwd} = '';
2779              $self->{ct}->{quirks} = 1;
2780            } else {
2781              !!!cp (208.1);
2782              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2783            }
2784            
2785          !!!next-input-character;          !!!next-input-character;
2786            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2787          redo A;          redo A;
2788        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (209);  
2789          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2790    
2791          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2792              !!!cp (209);
2793              $self->{state} = DATA_STATE;
2794              $self->{s_kwd} = '';
2795              $self->{ct}->{quirks} = 1;
2796            } else {
2797              !!!cp (209.1);
2798              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2799            }
2800            
2801          ## reconsume          ## reconsume
2802            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2803          redo A;          redo A;
2804        } else {        } else {
2805          !!!cp (210);          !!!cp (210);
2806          $self->{ct}->{sysid} # DOCTYPE          $self->{ct}->{sysid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2807          $self->{read_until}->($self->{ct}->{sysid}, q[">],          $self->{read_until}->($self->{ct}->{sysid}, q[">],
2808                                length $self->{ct}->{sysid});                                length $self->{ct}->{sysid});
2809    
# Line 2140  sub _get_next_token ($) { Line 2817  sub _get_next_token ($) {
2817          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2818          !!!next-input-character;          !!!next-input-character;
2819          redo A;          redo A;
2820        } elsif ($self->{nc} == 0x003E) { # >        } elsif (not $self->{is_xml} and $self->{nc} == 0x003E) { # >
2821          !!!cp (212);          !!!cp (212);
2822          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2823    
2824          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2825            $self->{s_kwd} = '';
2826          !!!next-input-character;          !!!next-input-character;
2827    
2828          $self->{ct}->{quirks} = 1;          $self->{ct}->{quirks} = 1;
# Line 2152  sub _get_next_token ($) { Line 2830  sub _get_next_token ($) {
2830    
2831          redo A;          redo A;
2832        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (213);  
2833          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2834    
2835          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2836          ## reconsume            !!!cp (213);
2837              $self->{state} = DATA_STATE;
2838          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2839          !!!emit ($self->{ct}); # DOCTYPE            $self->{ct}->{quirks} = 1;
2840            } else {
2841              !!!cp (213.1);
2842              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2843            }
2844    
2845            ## reconsume
2846            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2847          redo A;          redo A;
2848        } else {        } else {
2849          !!!cp (214);          !!!cp (214);
2850          $self->{ct}->{sysid} # DOCTYPE          $self->{ct}->{sysid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2851          $self->{read_until}->($self->{ct}->{sysid}, q['>],          $self->{read_until}->($self->{ct}->{sysid}, q['>],
2852                                length $self->{ct}->{sysid});                                length $self->{ct}->{sysid});
2853    
# Line 2175  sub _get_next_token ($) { Line 2857  sub _get_next_token ($) {
2857        }        }
2858      } elsif ($self->{state} == AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE) {      } elsif ($self->{state} == AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE) {
2859        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2860          !!!cp (215);          if ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN) {
2861          ## Stay in the state            !!!cp (215.1);
2862              $self->{state} = BEFORE_NDATA_STATE;
2863            } else {
2864              !!!cp (215);
2865              ## Stay in the state
2866            }
2867          !!!next-input-character;          !!!next-input-character;
2868          redo A;          redo A;
2869        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2870          !!!cp (216);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2871          $self->{state} = DATA_STATE;            !!!cp (216);
2872              $self->{state} = DATA_STATE;
2873              $self->{s_kwd} = '';
2874            } else {
2875              !!!cp (216.1);
2876              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2877            }
2878    
2879          !!!next-input-character;          !!!next-input-character;
2880            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2881            redo A;
2882          } elsif ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN and
2883                   ($self->{nc} == 0x004E or # N
2884                    $self->{nc} == 0x006E)) { # n
2885            !!!cp (216.2);
2886            !!!parse-error (type => 'no space before NDATA'); ## TODO: type
2887            $self->{state} = NDATA_STATE;
2888            $self->{kwd} = chr $self->{nc};
2889            !!!next-input-character;
2890            redo A;
2891          } elsif ($self->{nc} == -1) {
2892            if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2893              !!!cp (217);
2894              !!!parse-error (type => 'unclosed DOCTYPE');
2895              $self->{state} = DATA_STATE;
2896              $self->{s_kwd} = '';
2897              $self->{ct}->{quirks} = 1;
2898            } else {
2899              !!!cp (217.1);
2900              !!!parse-error (type => 'unclosed md'); ## TODO: type
2901              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2902            }
2903    
2904            ## reconsume
2905            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2906            redo A;
2907          } elsif ($self->{is_xml} and
2908                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2909                   $self->{nc} == 0x005B) { # [
2910            !!!cp (218.1);
2911            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2912            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2913            $self->{in_subset} = 1;
2914            !!!next-input-character;
2915          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2916            redo A;
2917          } else {
2918            !!!parse-error (type => 'string after SYSTEM literal');
2919    
2920            if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2921              !!!cp (218);
2922              #$self->{ct}->{quirks} = 1;
2923              $self->{state} = BOGUS_DOCTYPE_STATE;
2924            } else {
2925              !!!cp (218.2);
2926              $self->{state} = BOGUS_MD_STATE;
2927            }
2928    
2929            !!!next-input-character;
2930            redo A;
2931          }
2932        } elsif ($self->{state} == BEFORE_NDATA_STATE) {
2933          if ($is_space->{$self->{nc}}) {
2934            !!!cp (218.3);
2935            ## Stay in the state.
2936            !!!next-input-character;
2937            redo A;
2938          } elsif ($self->{nc} == 0x003E) { # >
2939            !!!cp (218.4);
2940            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2941            !!!next-input-character;
2942            !!!emit ($self->{ct}); # ENTITY
2943            redo A;
2944          } elsif ($self->{nc} == 0x004E or # N
2945                   $self->{nc} == 0x006E) { # n
2946            !!!cp (218.5);
2947            $self->{state} = NDATA_STATE;
2948            $self->{kwd} = chr $self->{nc};
2949            !!!next-input-character;
2950          redo A;          redo A;
2951        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2952          !!!cp (217);          !!!cp (218.6);
2953          !!!parse-error (type => 'unclosed DOCTYPE');          !!!parse-error (type => 'unclosed md'); ## TODO: type
2954          $self->{state} = DATA_STATE;          $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2955          ## reconsume          ## reconsume
2956            !!!emit ($self->{ct}); # ENTITY
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2957          redo A;          redo A;
2958        } else {        } else {
2959          !!!cp (218);          !!!cp (218.7);
2960          !!!parse-error (type => 'string after SYSTEM literal');          !!!parse-error (type => 'string after SYSTEM literal');
2961          #$self->{ct}->{quirks} = 1;          $self->{state} = BOGUS_MD_STATE;
   
         $self->{state} = BOGUS_DOCTYPE_STATE;  
2962          !!!next-input-character;          !!!next-input-character;
2963          redo A;          redo A;
2964        }        }
# Line 2210  sub _get_next_token ($) { Line 2966  sub _get_next_token ($) {
2966        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
2967          !!!cp (219);          !!!cp (219);
2968          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2969            $self->{s_kwd} = '';
2970          !!!next-input-character;          !!!next-input-character;
2971    
2972          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2973    
2974          redo A;          redo A;
2975          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
2976            !!!cp (220.1);
2977            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2978            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2979            $self->{in_subset} = 1;
2980            !!!next-input-character;
2981            !!!emit ($self->{ct}); # DOCTYPE
2982            redo A;
2983        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2984          !!!cp (220);          !!!cp (220);
2985          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2986            $self->{s_kwd} = '';
2987          ## reconsume          ## reconsume
2988    
2989          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
# Line 2226  sub _get_next_token ($) { Line 2992  sub _get_next_token ($) {
2992        } else {        } else {
2993          !!!cp (221);          !!!cp (221);
2994          my $s = '';          my $s = '';
2995          $self->{read_until}->($s, q[>], 0);          $self->{read_until}->($s, q{>[}, 0);
2996    
2997          ## Stay in the state          ## Stay in the state
2998          !!!next-input-character;          !!!next-input-character;
# Line 2236  sub _get_next_token ($) { Line 3002  sub _get_next_token ($) {
3002        ## NOTE: "CDATA section state" in the state is jointly implemented        ## NOTE: "CDATA section state" in the state is jointly implemented
3003        ## by three states, |CDATA_SECTION_STATE|, |CDATA_SECTION_MSE1_STATE|,        ## by three states, |CDATA_SECTION_STATE|, |CDATA_SECTION_MSE1_STATE|,
3004        ## and |CDATA_SECTION_MSE2_STATE|.        ## and |CDATA_SECTION_MSE2_STATE|.
3005    
3006          ## XML5: "CDATA state".
3007                
3008        if ($self->{nc} == 0x005D) { # ]        if ($self->{nc} == 0x005D) { # ]
3009          !!!cp (221.1);          !!!cp (221.1);
# Line 2243  sub _get_next_token ($) { Line 3011  sub _get_next_token ($) {
3011          !!!next-input-character;          !!!next-input-character;
3012          redo A;          redo A;
3013        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
3014            if ($self->{is_xml}) {
3015              !!!cp (221.11);
3016              !!!parse-error (type => 'no mse'); ## TODO: type
3017            } else {
3018              !!!cp (221.12);
3019            }
3020    
3021          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
3022          !!!next-input-character;          $self->{s_kwd} = '';
3023            ## Reconsume.
3024          if (length $self->{ct}->{data}) { # character          if (length $self->{ct}->{data}) { # character
3025            !!!cp (221.2);            !!!cp (221.2);
3026            !!!emit ($self->{ct}); # character            !!!emit ($self->{ct}); # character
# Line 2267  sub _get_next_token ($) { Line 3043  sub _get_next_token ($) {
3043    
3044        ## ISSUE: "text tokens" in spec.        ## ISSUE: "text tokens" in spec.
3045      } elsif ($self->{state} == CDATA_SECTION_MSE1_STATE) {      } elsif ($self->{state} == CDATA_SECTION_MSE1_STATE) {
3046          ## XML5: "CDATA bracket state".
3047    
3048        if ($self->{nc} == 0x005D) { # ]        if ($self->{nc} == 0x005D) { # ]
3049          !!!cp (221.5);          !!!cp (221.5);
3050          $self->{state} = CDATA_SECTION_MSE2_STATE;          $self->{state} = CDATA_SECTION_MSE2_STATE;
# Line 2274  sub _get_next_token ($) { Line 3052  sub _get_next_token ($) {
3052          redo A;          redo A;
3053        } else {        } else {
3054          !!!cp (221.6);          !!!cp (221.6);
3055            ## XML5: If EOF, "]" is not appended and changed to the data state.
3056          $self->{ct}->{data} .= ']';          $self->{ct}->{data} .= ']';
3057          $self->{state} = CDATA_SECTION_STATE;          $self->{state} = CDATA_SECTION_STATE; ## XML5: Stay in the state.
3058          ## Reconsume.          ## Reconsume.
3059          redo A;          redo A;
3060        }        }
3061      } elsif ($self->{state} == CDATA_SECTION_MSE2_STATE) {      } elsif ($self->{state} == CDATA_SECTION_MSE2_STATE) {
3062          ## XML5: "CDATA end state".
3063    
3064        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
3065          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
3066            $self->{s_kwd} = '';
3067          !!!next-input-character;          !!!next-input-character;
3068          if (length $self->{ct}->{data}) { # character          if (length $self->{ct}->{data}) { # character
3069            !!!cp (221.7);            !!!cp (221.7);
# Line 2301  sub _get_next_token ($) { Line 3083  sub _get_next_token ($) {
3083          !!!cp (221.11);          !!!cp (221.11);
3084          $self->{ct}->{data} .= ']]'; # character          $self->{ct}->{data} .= ']]'; # character
3085          $self->{state} = CDATA_SECTION_STATE;          $self->{state} = CDATA_SECTION_STATE;
3086          ## Reconsume.          ## Reconsume. ## XML5: Emit.
3087          redo A;          redo A;
3088        }        }
3089      } elsif ($self->{state} == ENTITY_STATE) {      } elsif ($self->{state} == ENTITY_STATE) {
# Line 2310  sub _get_next_token ($) { Line 3092  sub _get_next_token ($) {
3092              0x003C => 1, 0x0026 => 1, -1 => 1, # <, &              0x003C => 1, 0x0026 => 1, -1 => 1, # <, &
3093              $self->{entity_add} => 1,              $self->{entity_add} => 1,
3094            }->{$self->{nc}}) {            }->{$self->{nc}}) {
3095          !!!cp (1001);          if ($self->{is_xml}) {
3096              !!!cp (1001.1);
3097              !!!parse-error (type => 'bare ero',
3098                              line => $self->{line_prev},
3099                              column => $self->{column_prev}
3100                                  + ($self->{nc} == -1 ? 1 : 0));
3101            } else {
3102              !!!cp (1001);
3103              ## No error
3104            }
3105          ## Don't consume          ## Don't consume
         ## No error  
3106          ## Return nothing.          ## Return nothing.
3107          #          #
3108        } elsif ($self->{nc} == 0x0023) { # #        } elsif ($self->{nc} == 0x0023) { # #
3109          !!!cp (999);          !!!cp (999);
3110          $self->{state} = ENTITY_HASH_STATE;          $self->{state} = ENTITY_HASH_STATE;
3111          $self->{s_kwd} = '#';          $self->{kwd} = '#';
3112          !!!next-input-character;          !!!next-input-character;
3113          redo A;          redo A;
3114        } elsif ((0x0041 <= $self->{nc} and        } elsif ($self->{is_xml} or
3115                   (0x0041 <= $self->{nc} and
3116                  $self->{nc} <= 0x005A) or # A..Z                  $self->{nc} <= 0x005A) or # A..Z
3117                 (0x0061 <= $self->{nc} and                 (0x0061 <= $self->{nc} and
3118                  $self->{nc} <= 0x007A)) { # a..z                  $self->{nc} <= 0x007A)) { # a..z
3119          !!!cp (998);          !!!cp (998);
3120          require Whatpm::_NamedEntityList;          require Whatpm::_NamedEntityList;
3121          $self->{state} = ENTITY_NAME_STATE;          $self->{state} = ENTITY_NAME_STATE;
3122          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
3123          $self->{entity__value} = $self->{s_kwd};          $self->{entity__value} = $self->{kwd};
3124          $self->{entity__match} = 0;          $self->{entity__match} = 0;
3125          !!!next-input-character;          !!!next-input-character;
3126          redo A;          redo A;
# Line 2349  sub _get_next_token ($) { Line 3140  sub _get_next_token ($) {
3140        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3141          !!!cp (997);          !!!cp (997);
3142          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3143            $self->{s_kwd} = '';
3144          ## Reconsume.          ## Reconsume.
3145          !!!emit ({type => CHARACTER_TOKEN, data => '&',          !!!emit ({type => CHARACTER_TOKEN, data => '&',
3146                    line => $self->{line_prev},                    line => $self->{line_prev},
# Line 2359  sub _get_next_token ($) { Line 3151  sub _get_next_token ($) {
3151          !!!cp (996);          !!!cp (996);
3152          $self->{ca}->{value} .= '&';          $self->{ca}->{value} .= '&';
3153          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3154            $self->{s_kwd} = '';
3155          ## Reconsume.          ## Reconsume.
3156          redo A;          redo A;
3157        }        }
3158      } elsif ($self->{state} == ENTITY_HASH_STATE) {      } elsif ($self->{state} == ENTITY_HASH_STATE) {
3159        if ($self->{nc} == 0x0078 or # x        if ($self->{nc} == 0x0078) { # x
           $self->{nc} == 0x0058) { # X  
3160          !!!cp (995);          !!!cp (995);
3161          $self->{state} = HEXREF_X_STATE;          $self->{state} = HEXREF_X_STATE;
3162          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
3163            !!!next-input-character;
3164            redo A;
3165          } elsif ($self->{nc} == 0x0058) { # X
3166            !!!cp (995.1);
3167            if ($self->{is_xml}) {
3168              !!!parse-error (type => 'uppercase hcro'); ## TODO: type
3169            }
3170            $self->{state} = HEXREF_X_STATE;
3171            $self->{kwd} .= chr $self->{nc};
3172          !!!next-input-character;          !!!next-input-character;
3173          redo A;          redo A;
3174        } elsif (0x0030 <= $self->{nc} and        } elsif (0x0030 <= $self->{nc} and
3175                 $self->{nc} <= 0x0039) { # 0..9                 $self->{nc} <= 0x0039) { # 0..9
3176          !!!cp (994);          !!!cp (994);
3177          $self->{state} = NCR_NUM_STATE;          $self->{state} = NCR_NUM_STATE;
3178          $self->{s_kwd} = $self->{nc} - 0x0030;          $self->{kwd} = $self->{nc} - 0x0030;
3179          !!!next-input-character;          !!!next-input-character;
3180          redo A;          redo A;
3181        } else {        } else {
# Line 2389  sub _get_next_token ($) { Line 3190  sub _get_next_token ($) {
3190          if ($self->{prev_state} == DATA_STATE) {          if ($self->{prev_state} == DATA_STATE) {
3191            !!!cp (1019);            !!!cp (1019);
3192            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3193              $self->{s_kwd} = '';
3194            ## Reconsume.            ## Reconsume.
3195            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
3196                      data => '&#',                      data => '&#',
# Line 2400  sub _get_next_token ($) { Line 3202  sub _get_next_token ($) {
3202            !!!cp (993);            !!!cp (993);
3203            $self->{ca}->{value} .= '&#';            $self->{ca}->{value} .= '&#';
3204            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3205              $self->{s_kwd} = '';
3206            ## Reconsume.            ## Reconsume.
3207            redo A;            redo A;
3208          }          }
# Line 2408  sub _get_next_token ($) { Line 3211  sub _get_next_token ($) {
3211        if (0x0030 <= $self->{nc} and        if (0x0030 <= $self->{nc} and
3212            $self->{nc} <= 0x0039) { # 0..9            $self->{nc} <= 0x0039) { # 0..9
3213          !!!cp (1012);          !!!cp (1012);
3214          $self->{s_kwd} *= 10;          $self->{kwd} *= 10;
3215          $self->{s_kwd} += $self->{nc} - 0x0030;          $self->{kwd} += $self->{nc} - 0x0030;
3216                    
3217          ## Stay in the state.          ## Stay in the state.
3218          !!!next-input-character;          !!!next-input-character;
# Line 2425  sub _get_next_token ($) { Line 3228  sub _get_next_token ($) {
3228          #          #
3229        }        }
3230    
3231        my $code = $self->{s_kwd};        my $code = $self->{kwd};
3232        my $l = $self->{line_prev};        my $l = $self->{line_prev};
3233        my $c = $self->{column_prev};        my $c = $self->{column_prev};
3234        if ($charref_map->{$code}) {        if ((not $self->{is_xml} and $charref_map->{$code}) or
3235              ($self->{is_xml} and 0xD800 <= $code and $code <= 0xDFFF) or
3236              ($self->{is_xml} and $code == 0x0000)) {
3237          !!!cp (1015);          !!!cp (1015);
3238          !!!parse-error (type => 'invalid character reference',          !!!parse-error (type => 'invalid character reference',
3239                          text => (sprintf 'U+%04X', $code),                          text => (sprintf 'U+%04X', $code),
# Line 2445  sub _get_next_token ($) { Line 3250  sub _get_next_token ($) {
3250        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3251          !!!cp (992);          !!!cp (992);
3252          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3253            $self->{s_kwd} = '';
3254          ## Reconsume.          ## Reconsume.
3255          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,
3256                      has_reference => 1,
3257                    line => $l, column => $c,                    line => $l, column => $c,
3258                   });                   });
3259          redo A;          redo A;
# Line 2455  sub _get_next_token ($) { Line 3262  sub _get_next_token ($) {
3262          $self->{ca}->{value} .= chr $code;          $self->{ca}->{value} .= chr $code;
3263          $self->{ca}->{has_reference} = 1;          $self->{ca}->{has_reference} = 1;
3264          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3265            $self->{s_kwd} = '';
3266          ## Reconsume.          ## Reconsume.
3267          redo A;          redo A;
3268        }        }
# Line 2465  sub _get_next_token ($) { Line 3273  sub _get_next_token ($) {
3273          # 0..9, A..F, a..f          # 0..9, A..F, a..f
3274          !!!cp (990);          !!!cp (990);
3275          $self->{state} = HEXREF_HEX_STATE;          $self->{state} = HEXREF_HEX_STATE;
3276          $self->{s_kwd} = 0;          $self->{kwd} = 0;
3277          ## Reconsume.          ## Reconsume.
3278          redo A;          redo A;
3279        } else {        } else {
# Line 2480  sub _get_next_token ($) { Line 3288  sub _get_next_token ($) {
3288          if ($self->{prev_state} == DATA_STATE) {          if ($self->{prev_state} == DATA_STATE) {
3289            !!!cp (1005);            !!!cp (1005);
3290            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3291              $self->{s_kwd} = '';
3292            ## Reconsume.            ## Reconsume.
3293            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
3294                      data => '&' . $self->{s_kwd},                      data => '&' . $self->{kwd},
3295                      line => $self->{line_prev},                      line => $self->{line_prev},
3296                      column => $self->{column_prev} - length $self->{s_kwd},                      column => $self->{column_prev} - length $self->{kwd},
3297                     });                     });
3298            redo A;            redo A;
3299          } else {          } else {
3300            !!!cp (989);            !!!cp (989);
3301            $self->{ca}->{value} .= '&' . $self->{s_kwd};            $self->{ca}->{value} .= '&' . $self->{kwd};
3302            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3303              $self->{s_kwd} = '';
3304            ## Reconsume.            ## Reconsume.
3305            redo A;            redo A;
3306          }          }
# Line 2499  sub _get_next_token ($) { Line 3309  sub _get_next_token ($) {
3309        if (0x0030 <= $self->{nc} and $self->{nc} <= 0x0039) {        if (0x0030 <= $self->{nc} and $self->{nc} <= 0x0039) {
3310          # 0..9          # 0..9
3311          !!!cp (1002);          !!!cp (1002);
3312          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3313          $self->{s_kwd} += $self->{nc} - 0x0030;          $self->{kwd} += $self->{nc} - 0x0030;
3314          ## Stay in the state.          ## Stay in the state.
3315          !!!next-input-character;          !!!next-input-character;
3316          redo A;          redo A;
3317        } elsif (0x0061 <= $self->{nc} and        } elsif (0x0061 <= $self->{nc} and
3318                 $self->{nc} <= 0x0066) { # a..f                 $self->{nc} <= 0x0066) { # a..f
3319          !!!cp (1003);          !!!cp (1003);
3320          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3321          $self->{s_kwd} += $self->{nc} - 0x0060 + 9;          $self->{kwd} += $self->{nc} - 0x0060 + 9;
3322          ## Stay in the state.          ## Stay in the state.
3323          !!!next-input-character;          !!!next-input-character;
3324          redo A;          redo A;
3325        } elsif (0x0041 <= $self->{nc} and        } elsif (0x0041 <= $self->{nc} and
3326                 $self->{nc} <= 0x0046) { # A..F                 $self->{nc} <= 0x0046) { # A..F
3327          !!!cp (1004);          !!!cp (1004);
3328          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3329          $self->{s_kwd} += $self->{nc} - 0x0040 + 9;          $self->{kwd} += $self->{nc} - 0x0040 + 9;
3330          ## Stay in the state.          ## Stay in the state.
3331          !!!next-input-character;          !!!next-input-character;
3332          redo A;          redo A;
# Line 2533  sub _get_next_token ($) { Line 3343  sub _get_next_token ($) {
3343          #          #
3344        }        }
3345    
3346        my $code = $self->{s_kwd};        my $code = $self->{kwd};
3347        my $l = $self->{line_prev};        my $l = $self->{line_prev};
3348        my $c = $self->{column_prev};        my $c = $self->{column_prev};
3349        if ($charref_map->{$code}) {        if ((not $self->{is_xml} and $charref_map->{$code}) or
3350              ($self->{is_xml} and 0xD800 <= $code and $code <= 0xDFFF) or
3351              ($self->{is_xml} and $code == 0x0000)) {
3352          !!!cp (1008);          !!!cp (1008);
3353          !!!parse-error (type => 'invalid character reference',          !!!parse-error (type => 'invalid character reference',
3354                          text => (sprintf 'U+%04X', $code),                          text => (sprintf 'U+%04X', $code),
# Line 2553  sub _get_next_token ($) { Line 3365  sub _get_next_token ($) {
3365        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3366          !!!cp (988);          !!!cp (988);
3367          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3368            $self->{s_kwd} = '';
3369          ## Reconsume.          ## Reconsume.
3370          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,
3371                      has_reference => 1,
3372                    line => $l, column => $c,                    line => $l, column => $c,
3373                   });                   });
3374          redo A;          redo A;
# Line 2563  sub _get_next_token ($) { Line 3377  sub _get_next_token ($) {
3377          $self->{ca}->{value} .= chr $code;          $self->{ca}->{value} .= chr $code;
3378          $self->{ca}->{has_reference} = 1;          $self->{ca}->{has_reference} = 1;
3379          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3380            $self->{s_kwd} = '';
3381          ## Reconsume.          ## Reconsume.
3382          redo A;          redo A;
3383        }        }
3384      } elsif ($self->{state} == ENTITY_NAME_STATE) {      } elsif ($self->{state} == ENTITY_NAME_STATE) {
3385        if (length $self->{s_kwd} < 30 and        if ((0x0041 <= $self->{nc} and # a
3386            ## NOTE: Some number greater than the maximum length of entity name             $self->{nc} <= 0x005A) or # x
3387            ((0x0041 <= $self->{nc} and # a            (0x0061 <= $self->{nc} and # a
3388              $self->{nc} <= 0x005A) or # x             $self->{nc} <= 0x007A) or # z
3389             (0x0061 <= $self->{nc} and # a            (0x0030 <= $self->{nc} and # 0
3390              $self->{nc} <= 0x007A) or # z             $self->{nc} <= 0x0039) or # 9
3391             (0x0030 <= $self->{nc} and # 0            $self->{nc} == 0x003B or # ;
3392              $self->{nc} <= 0x0039) or # 9            ($self->{is_xml} and
3393             $self->{nc} == 0x003B)) { # ;             not ($is_space->{$self->{nc}} or
3394                    {
3395                      0x003C => 1, 0x0026 => 1, -1 => 1, # <, &
3396                      $self->{entity_add} => 1,
3397                    }->{$self->{nc}}))) {
3398          our $EntityChar;          our $EntityChar;
3399          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
3400          if (defined $EntityChar->{$self->{s_kwd}}) {          if (defined $EntityChar->{$self->{kwd}} or
3401                $self->{ge}->{$self->{kwd}}) {
3402            if ($self->{nc} == 0x003B) { # ;            if ($self->{nc} == 0x003B) { # ;
3403              !!!cp (1020);              if (defined $self->{ge}->{$self->{kwd}}) {
3404              $self->{entity__value} = $EntityChar->{$self->{s_kwd}};                if ($self->{ge}->{$self->{kwd}}->{only_text}) {
3405                    !!!cp (1020.1);
3406                    $self->{entity__value} = $self->{ge}->{$self->{kwd}}->{value};
3407                  } else {
3408                    if (defined $self->{ge}->{$self->{kwd}}->{notation}) {
3409                      !!!cp (1020.2);
3410                      !!!parse-error (type => 'unparsed entity', ## TODO: type
3411                                      value => $self->{kwd});
3412                    } else {
3413                      !!!cp (1020.3);
3414                    }
3415                    $self->{entity__value} = '&' . $self->{kwd}; ## TODO: expand
3416                  }
3417                } else {
3418                  if ($self->{is_xml}) {
3419                    !!!cp (1020.4);
3420                    !!!parse-error (type => 'entity not declared', ## TODO: type
3421                                    value => $self->{kwd},
3422                                    level => {
3423                                              'amp;' => $self->{level}->{warn},
3424                                              'quot;' => $self->{level}->{warn},
3425                                              'lt;' => $self->{level}->{warn},
3426                                              'gt;' => $self->{level}->{warn},
3427                                              'apos;' => $self->{level}->{warn},
3428                                             }->{$self->{kwd}} ||
3429                                             $self->{level}->{must});
3430                  } else {
3431                    !!!cp (1020);
3432                  }
3433                  $self->{entity__value} = $EntityChar->{$self->{kwd}};
3434                }
3435              $self->{entity__match} = 1;              $self->{entity__match} = 1;
3436              !!!next-input-character;              !!!next-input-character;
3437              #              #
3438            } else {            } else {
3439              !!!cp (1021);              !!!cp (1021);
3440              $self->{entity__value} = $EntityChar->{$self->{s_kwd}};              $self->{entity__value} = $EntityChar->{$self->{kwd}};
3441              $self->{entity__match} = -1;              $self->{entity__match} = -1;
3442              ## Stay in the state.              ## Stay in the state.
3443              !!!next-input-character;              !!!next-input-character;
# Line 2615  sub _get_next_token ($) { Line 3465  sub _get_next_token ($) {
3465          if ($self->{prev_state} != DATA_STATE and # in attribute          if ($self->{prev_state} != DATA_STATE and # in attribute
3466              $self->{entity__match} < -1) {              $self->{entity__match} < -1) {
3467            !!!cp (1024);            !!!cp (1024);
3468            $data = '&' . $self->{s_kwd};            $data = '&' . $self->{kwd};
3469            #            #
3470          } else {          } else {
3471            !!!cp (1025);            !!!cp (1025);
# Line 2627  sub _get_next_token ($) { Line 3477  sub _get_next_token ($) {
3477          !!!cp (1026);          !!!cp (1026);
3478          !!!parse-error (type => 'bare ero',          !!!parse-error (type => 'bare ero',
3479                          line => $self->{line_prev},                          line => $self->{line_prev},
3480                          column => $self->{column_prev} - length $self->{s_kwd});                          column => $self->{column_prev} - length $self->{kwd});
3481          $data = '&' . $self->{s_kwd};          $data = '&' . $self->{kwd};
3482          #          #
3483        }        }
3484        
# Line 2645  sub _get_next_token ($) { Line 3495  sub _get_next_token ($) {
3495        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3496          !!!cp (986);          !!!cp (986);
3497          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3498            $self->{s_kwd} = '';
3499          ## Reconsume.          ## Reconsume.
3500          !!!emit ({type => CHARACTER_TOKEN,          !!!emit ({type => CHARACTER_TOKEN,
3501                    data => $data,                    data => $data,
3502                      has_reference => $has_ref,
3503                    line => $self->{line_prev},                    line => $self->{line_prev},
3504                    column => $self->{column_prev} + 1 - length $self->{s_kwd},                    column => $self->{column_prev} + 1 - length $self->{kwd},
3505                   });                   });
3506          redo A;          redo A;
3507        } else {        } else {
# Line 2657  sub _get_next_token ($) { Line 3509  sub _get_next_token ($) {
3509          $self->{ca}->{value} .= $data;          $self->{ca}->{value} .= $data;
3510          $self->{ca}->{has_reference} = 1 if $has_ref;          $self->{ca}->{has_reference} = 1 if $has_ref;
3511          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3512            $self->{s_kwd} = '';
3513            ## Reconsume.
3514            redo A;
3515          }
3516    
3517        ## XML-only states
3518    
3519        } elsif ($self->{state} == PI_STATE) {
3520          ## XML5: "Pi state" and "DOCTYPE pi state".
3521    
3522          if ($is_space->{$self->{nc}} or
3523              $self->{nc} == 0x003F or # ?
3524              $self->{nc} == -1) {
3525            ## XML5: U+003F: "pi state": Same as "Anything else"; "DOCTYPE
3526            ## pi state": Switch to the "DOCTYPE pi after state".  EOF:
3527            ## "DOCTYPE pi state": Parse error, switch to the "data
3528            ## state".
3529            !!!parse-error (type => 'bare pio', ## TODO: type
3530                            line => $self->{line_prev},
3531                            column => $self->{column_prev}
3532                                - 1 * ($self->{nc} != -1));
3533            $self->{state} = BOGUS_COMMENT_STATE;
3534            ## Reconsume.
3535            $self->{ct} = {type => COMMENT_TOKEN,
3536                           data => '?',
3537                           line => $self->{line_prev},
3538                           column => $self->{column_prev}
3539                               - 1 * ($self->{nc} != -1),
3540                          };
3541            redo A;
3542          } else {
3543            ## XML5: "DOCTYPE pi state": Stay in the state.
3544            $self->{ct} = {type => PI_TOKEN,
3545                           target => chr $self->{nc},
3546                           data => '',
3547                           line => $self->{line_prev},
3548                           column => $self->{column_prev} - 1,
3549                          };
3550            $self->{state} = PI_TARGET_STATE;
3551            !!!next-input-character;
3552            redo A;
3553          }
3554        } elsif ($self->{state} == PI_TARGET_STATE) {
3555          if ($is_space->{$self->{nc}}) {
3556            $self->{state} = PI_TARGET_AFTER_STATE;
3557            !!!next-input-character;
3558            redo A;
3559          } elsif ($self->{nc} == -1) {
3560            !!!parse-error (type => 'no pic'); ## TODO: type
3561            if ($self->{in_subset}) {
3562              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3563            } else {
3564              $self->{state} = DATA_STATE;
3565              $self->{s_kwd} = '';
3566            }
3567            ## Reconsume.
3568            !!!emit ($self->{ct}); # pi
3569            redo A;
3570          } elsif ($self->{nc} == 0x003F) { # ?
3571            $self->{state} = PI_AFTER_STATE;
3572            !!!next-input-character;
3573            redo A;
3574          } else {
3575            ## XML5: typo ("tag name" -> "target")
3576            $self->{ct}->{target} .= chr $self->{nc}; # pi
3577            !!!next-input-character;
3578            redo A;
3579          }
3580        } elsif ($self->{state} == PI_TARGET_AFTER_STATE) {
3581          if ($is_space->{$self->{nc}}) {
3582            ## Stay in the state.
3583            !!!next-input-character;
3584            redo A;
3585          } else {
3586            $self->{state} = PI_DATA_STATE;
3587            ## Reprocess.
3588            redo A;
3589          }
3590        } elsif ($self->{state} == PI_DATA_STATE) {
3591          if ($self->{nc} == 0x003F) { # ?
3592            $self->{state} = PI_DATA_AFTER_STATE;
3593            !!!next-input-character;
3594            redo A;
3595          } elsif ($self->{nc} == -1) {
3596            !!!parse-error (type => 'no pic'); ## TODO: type
3597            if ($self->{in_subset}) {
3598              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state"
3599            } else {
3600              $self->{state} = DATA_STATE;
3601              $self->{s_kwd} = '';
3602            }
3603            ## Reprocess.
3604            !!!emit ($self->{ct}); # pi
3605            redo A;
3606          } else {
3607            $self->{ct}->{data} .= chr $self->{nc}; # pi
3608            $self->{read_until}->($self->{ct}->{data}, q[?],
3609                                  length $self->{ct}->{data});
3610            ## Stay in the state.
3611            !!!next-input-character;
3612            ## Reprocess.
3613            redo A;
3614          }
3615        } elsif ($self->{state} == PI_AFTER_STATE) {
3616          ## XML5: Part of "Pi after state".
3617    
3618          if ($self->{nc} == 0x003E) { # >
3619            if ($self->{in_subset}) {
3620              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3621            } else {
3622              $self->{state} = DATA_STATE;
3623              $self->{s_kwd} = '';
3624            }
3625            !!!next-input-character;
3626            !!!emit ($self->{ct}); # pi
3627            redo A;
3628          } elsif ($self->{nc} == 0x003F) { # ?
3629            !!!parse-error (type => 'no s after target', ## TODO: type
3630                            line => $self->{line_prev},
3631                            column => $self->{column_prev}); ## XML5: no error
3632            $self->{ct}->{data} .= '?';
3633            $self->{state} = PI_DATA_AFTER_STATE;
3634            !!!next-input-character;
3635            redo A;
3636          } else {
3637            !!!parse-error (type => 'no s after target', ## TODO: type
3638                            line => $self->{line_prev},
3639                            column => $self->{column_prev}
3640                                + 1 * ($self->{nc} == -1)); ## XML5: no error
3641            $self->{ct}->{data} .= '?'; ## XML5: not appended
3642            $self->{state} = PI_DATA_STATE;
3643            ## Reprocess.
3644            redo A;
3645          }
3646        } elsif ($self->{state} == PI_DATA_AFTER_STATE) {
3647          ## XML5: Same as "pi after state" and "DOCTYPE pi after state".
3648    
3649          if ($self->{nc} == 0x003E) { # >
3650            if ($self->{in_subset}) {
3651              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3652            } else {
3653              $self->{state} = DATA_STATE;
3654              $self->{s_kwd} = '';
3655            }
3656            !!!next-input-character;
3657            !!!emit ($self->{ct}); # pi
3658            redo A;
3659          } elsif ($self->{nc} == 0x003F) { # ?
3660            $self->{ct}->{data} .= '?';
3661            ## Stay in the state.
3662            !!!next-input-character;
3663            redo A;
3664          } else {
3665            $self->{ct}->{data} .= '?'; ## XML5: not appended
3666            $self->{state} = PI_DATA_STATE;
3667            ## Reprocess.
3668            redo A;
3669          }
3670    
3671        } elsif ($self->{state} == DOCTYPE_INTERNAL_SUBSET_STATE) {
3672          if ($self->{nc} == 0x003C) { # <
3673            $self->{state} = DOCTYPE_TAG_STATE;
3674            !!!next-input-character;
3675            redo A;
3676          } elsif ($self->{nc} == 0x0025) { # %
3677            ## XML5: Not defined yet.
3678    
3679            ## TODO:
3680    
3681            if (not $self->{stop_processing} and
3682                not $self->{document}->xml_standalone) {
3683              !!!parse-error (type => 'stop processing', ## TODO: type
3684                              level => $self->{level}->{info});
3685              $self->{stop_processing} = 1;
3686            }
3687    
3688            !!!next-input-character;
3689            redo A;
3690          } elsif ($self->{nc} == 0x005D) { # ]
3691            delete $self->{in_subset};
3692            $self->{state} = DOCTYPE_INTERNAL_SUBSET_AFTER_STATE;
3693            !!!next-input-character;
3694            redo A;
3695          } elsif ($is_space->{$self->{nc}}) {
3696            ## Stay in the state.
3697            !!!next-input-character;
3698            redo A;
3699          } elsif ($self->{nc} == -1) {
3700            !!!parse-error (type => 'unclosed internal subset'); ## TODO: type
3701            delete $self->{in_subset};
3702            $self->{state} = DATA_STATE;
3703            $self->{s_kwd} = '';
3704            ## Reconsume.
3705            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3706            redo A;
3707          } else {
3708            unless ($self->{internal_subset_tainted}) {
3709              ## XML5: No parse error.
3710              !!!parse-error (type => 'string in internal subset');
3711              $self->{internal_subset_tainted} = 1;
3712            }
3713            ## Stay in the state.
3714            !!!next-input-character;
3715            redo A;
3716          }
3717        } elsif ($self->{state} == DOCTYPE_INTERNAL_SUBSET_AFTER_STATE) {
3718          if ($self->{nc} == 0x003E) { # >
3719            $self->{state} = DATA_STATE;
3720            $self->{s_kwd} = '';
3721            !!!next-input-character;
3722            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3723            redo A;
3724          } elsif ($self->{nc} == -1) {
3725            !!!parse-error (type => 'unclosed DOCTYPE');
3726            $self->{state} = DATA_STATE;
3727            $self->{s_kwd} = '';
3728            ## Reconsume.
3729            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3730            redo A;
3731          } else {
3732            ## XML5: No parse error and stay in the state.
3733            !!!parse-error (type => 'string after internal subset'); ## TODO: type
3734    
3735            $self->{state} = BOGUS_DOCTYPE_INTERNAL_SUBSET_AFTER_STATE;
3736            !!!next-input-character;
3737            redo A;
3738          }
3739        } elsif ($self->{state} == BOGUS_DOCTYPE_INTERNAL_SUBSET_AFTER_STATE) {
3740          if ($self->{nc} == 0x003E) { # >
3741            $self->{state} = DATA_STATE;
3742            $self->{s_kwd} = '';
3743            !!!next-input-character;
3744            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3745            redo A;
3746          } elsif ($self->{nc} == -1) {
3747            $self->{state} = DATA_STATE;
3748            $self->{s_kwd} = '';
3749            ## Reconsume.
3750            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3751            redo A;
3752          } else {
3753            ## Stay in the state.
3754            !!!next-input-character;
3755            redo A;
3756          }
3757        } elsif ($self->{state} == DOCTYPE_TAG_STATE) {
3758          if ($self->{nc} == 0x0021) { # !
3759            $self->{state} = DOCTYPE_MARKUP_DECLARATION_OPEN_STATE;
3760            !!!next-input-character;
3761            redo A;
3762          } elsif ($self->{nc} == 0x003F) { # ?
3763            $self->{state} = PI_STATE;
3764            !!!next-input-character;
3765            redo A;
3766          } elsif ($self->{nc} == -1) {
3767            !!!parse-error (type => 'bare stago');
3768            $self->{state} = DATA_STATE;
3769            $self->{s_kwd} = '';
3770            ## Reconsume.
3771            redo A;
3772          } else {
3773            !!!parse-error (type => 'bare stago', ## XML5: Not a parse error.
3774                            line => $self->{line_prev},
3775                            column => $self->{column_prev});
3776            $self->{state} = BOGUS_COMMENT_STATE;
3777            $self->{ct} = {type => COMMENT_TOKEN,
3778                           data => '',
3779                          }; ## NOTE: Will be discarded.
3780            !!!next-input-character;
3781            redo A;
3782          }
3783        } elsif ($self->{state} == DOCTYPE_MARKUP_DECLARATION_OPEN_STATE) {
3784          ## XML5: "DOCTYPE markup declaration state".
3785          
3786          if ($self->{nc} == 0x002D) { # -
3787            $self->{state} = MD_HYPHEN_STATE;
3788            !!!next-input-character;
3789            redo A;
3790          } elsif ($self->{nc} == 0x0045 or # E
3791                   $self->{nc} == 0x0065) { # e
3792            $self->{state} = MD_E_STATE;
3793            $self->{kwd} = chr $self->{nc};
3794            !!!next-input-character;
3795            redo A;
3796          } elsif ($self->{nc} == 0x0041 or # A
3797                   $self->{nc} == 0x0061) { # a
3798            $self->{state} = MD_ATTLIST_STATE;
3799            $self->{kwd} = chr $self->{nc};
3800            !!!next-input-character;
3801            redo A;
3802          } elsif ($self->{nc} == 0x004E or # N
3803                   $self->{nc} == 0x006E) { # n
3804            $self->{state} = MD_NOTATION_STATE;
3805            $self->{kwd} = chr $self->{nc};
3806            !!!next-input-character;
3807            redo A;
3808          } else {
3809            #
3810          }
3811          
3812          ## XML5: No parse error.
3813          !!!parse-error (type => 'bogus comment',
3814                          line => $self->{line_prev},
3815                          column => $self->{column_prev} - 1);
3816          ## Reconsume.
3817          $self->{state} = BOGUS_COMMENT_STATE;
3818          $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded.
3819          redo A;
3820        } elsif ($self->{state} == MD_E_STATE) {
3821          if ($self->{nc} == 0x004E or # N
3822              $self->{nc} == 0x006E) { # n
3823            $self->{state} = MD_ENTITY_STATE;
3824            $self->{kwd} .= chr $self->{nc};
3825            !!!next-input-character;
3826            redo A;
3827          } elsif ($self->{nc} == 0x004C or # L
3828                   $self->{nc} == 0x006C) { # l
3829            ## XML5: <!ELEMENT> not supported.
3830            $self->{state} = MD_ELEMENT_STATE;
3831            $self->{kwd} .= chr $self->{nc};
3832            !!!next-input-character;
3833            redo A;
3834          } else {
3835            ## XML5: No parse error.
3836            !!!parse-error (type => 'bogus comment',
3837                            line => $self->{line_prev},
3838                            column => $self->{column_prev} - 2
3839                                + 1 * ($self->{nc} == -1));
3840            ## Reconsume.
3841            $self->{state} = BOGUS_COMMENT_STATE;
3842            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3843            redo A;
3844          }
3845        } elsif ($self->{state} == MD_ENTITY_STATE) {
3846          if ($self->{nc} == [
3847                undef,
3848                undef,
3849                0x0054, # T
3850                0x0049, # I
3851                0x0054, # T
3852              ]->[length $self->{kwd}] or
3853              $self->{nc} == [
3854                undef,
3855                undef,
3856                0x0074, # t
3857                0x0069, # i
3858                0x0074, # t
3859              ]->[length $self->{kwd}]) {
3860            ## Stay in the state.
3861            $self->{kwd} .= chr $self->{nc};
3862            !!!next-input-character;
3863            redo A;
3864          } elsif ((length $self->{kwd}) == 5 and
3865                   ($self->{nc} == 0x0059 or # Y
3866                    $self->{nc} == 0x0079)) { # y
3867            if ($self->{kwd} ne 'ENTIT' or $self->{nc} == 0x0079) {
3868              !!!parse-error (type => 'lowercase keyword', ## TODO: type
3869                              text => 'ENTITY',
3870                              line => $self->{line_prev},
3871                              column => $self->{column_prev} - 4);
3872            }
3873            $self->{ct} = {type => GENERAL_ENTITY_TOKEN, name => '',
3874                           line => $self->{line_prev},
3875                           column => $self->{column_prev} - 6};
3876            $self->{state} = DOCTYPE_MD_STATE;
3877            !!!next-input-character;
3878            redo A;
3879          } else {
3880            !!!parse-error (type => 'bogus comment',
3881                            line => $self->{line_prev},
3882                            column => $self->{column_prev} - 1
3883                                - (length $self->{kwd})
3884                                + 1 * ($self->{nc} == -1));
3885            $self->{state} = BOGUS_COMMENT_STATE;
3886            ## Reconsume.
3887            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3888            redo A;
3889          }
3890        } elsif ($self->{state} == MD_ELEMENT_STATE) {
3891          if ($self->{nc} == [
3892               undef,
3893               undef,
3894               0x0045, # E
3895               0x004D, # M
3896               0x0045, # E
3897               0x004E, # N
3898              ]->[length $self->{kwd}] or
3899              $self->{nc} == [
3900               undef,
3901               undef,
3902               0x0065, # e
3903               0x006D, # m
3904               0x0065, # e
3905               0x006E, # n
3906              ]->[length $self->{kwd}]) {
3907            ## Stay in the state.
3908            $self->{kwd} .= chr $self->{nc};
3909            !!!next-input-character;
3910            redo A;
3911          } elsif ((length $self->{kwd}) == 6 and
3912                   ($self->{nc} == 0x0054 or # T
3913                    $self->{nc} == 0x0074)) { # t
3914            if ($self->{kwd} ne 'ELEMEN' or $self->{nc} == 0x0074) {
3915              !!!parse-error (type => 'lowercase keyword', ## TODO: type
3916                              text => 'ELEMENT',
3917                              line => $self->{line_prev},
3918                              column => $self->{column_prev} - 5);
3919            }
3920            $self->{ct} = {type => ELEMENT_TOKEN, name => '',
3921                           line => $self->{line_prev},
3922                           column => $self->{column_prev} - 7};
3923            $self->{state} = DOCTYPE_MD_STATE;
3924            !!!next-input-character;
3925            redo A;
3926          } else {
3927            !!!parse-error (type => 'bogus comment',
3928                            line => $self->{line_prev},
3929                            column => $self->{column_prev} - 1
3930                                - (length $self->{kwd})
3931                                + 1 * ($self->{nc} == -1));
3932            $self->{state} = BOGUS_COMMENT_STATE;
3933            ## Reconsume.
3934            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3935            redo A;
3936          }
3937        } elsif ($self->{state} == MD_ATTLIST_STATE) {
3938          if ($self->{nc} == [
3939               undef,
3940               0x0054, # T
3941               0x0054, # T
3942               0x004C, # L
3943               0x0049, # I
3944               0x0053, # S
3945              ]->[length $self->{kwd}] or
3946              $self->{nc} == [
3947               undef,
3948               0x0074, # t
3949               0x0074, # t
3950               0x006C, # l
3951               0x0069, # i
3952               0x0073, # s
3953              ]->[length $self->{kwd}]) {
3954            ## Stay in the state.
3955            $self->{kwd} .= chr $self->{nc};
3956            !!!next-input-character;
3957            redo A;
3958          } elsif ((length $self->{kwd}) == 6 and
3959                   ($self->{nc} == 0x0054 or # T
3960                    $self->{nc} == 0x0074)) { # t
3961            if ($self->{kwd} ne 'ATTLIS' or $self->{nc} == 0x0074) {
3962              !!!parse-error (type => 'lowercase keyword', ## TODO: type
3963                              text => 'ATTLIST',
3964                              line => $self->{line_prev},
3965                              column => $self->{column_prev} - 5);
3966            }
3967            $self->{ct} = {type => ATTLIST_TOKEN, name => '',
3968                           attrdefs => [],
3969                           line => $self->{line_prev},
3970                           column => $self->{column_prev} - 7};
3971            $self->{state} = DOCTYPE_MD_STATE;
3972            !!!next-input-character;
3973            redo A;
3974          } else {
3975            !!!parse-error (type => 'bogus comment',
3976                            line => $self->{line_prev},
3977                            column => $self->{column_prev} - 1
3978                                 - (length $self->{kwd})
3979                                 + 1 * ($self->{nc} == -1));
3980            $self->{state} = BOGUS_COMMENT_STATE;
3981            ## Reconsume.
3982            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3983            redo A;
3984          }
3985        } elsif ($self->{state} == MD_NOTATION_STATE) {
3986          if ($self->{nc} == [
3987               undef,
3988               0x004F, # O
3989               0x0054, # T
3990               0x0041, # A
3991               0x0054, # T
3992               0x0049, # I
3993               0x004F, # O
3994              ]->[length $self->{kwd}] or
3995              $self->{nc} == [
3996               undef,
3997               0x006F, # o
3998               0x0074, # t
3999               0x0061, # a
4000               0x0074, # t
4001               0x0069, # i
4002               0x006F, # o
4003              ]->[length $self->{kwd}]) {
4004            ## Stay in the state.
4005            $self->{kwd} .= chr $self->{nc};
4006            !!!next-input-character;
4007            redo A;
4008          } elsif ((length $self->{kwd}) == 7 and
4009                   ($self->{nc} == 0x004E or # N
4010                    $self->{nc} == 0x006E)) { # n
4011            if ($self->{kwd} ne 'NOTATIO' or $self->{nc} == 0x006E) {
4012              !!!parse-error (type => 'lowercase keyword', ## TODO: type
4013                              text => 'NOTATION',
4014                              line => $self->{line_prev},
4015                              column => $self->{column_prev} - 6);
4016            }
4017            $self->{ct} = {type => NOTATION_TOKEN, name => '',
4018                           line => $self->{line_prev},
4019                           column => $self->{column_prev} - 8};
4020            $self->{state} = DOCTYPE_MD_STATE;
4021            !!!next-input-character;
4022            redo A;
4023          } else {
4024            !!!parse-error (type => 'bogus comment',
4025                            line => $self->{line_prev},
4026                            column => $self->{column_prev} - 1
4027                                - (length $self->{kwd})
4028                                + 1 * ($self->{nc} == -1));
4029            $self->{state} = BOGUS_COMMENT_STATE;
4030            ## Reconsume.
4031            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
4032            redo A;
4033          }
4034        } elsif ($self->{state} == DOCTYPE_MD_STATE) {
4035          ## XML5: "DOCTYPE ENTITY state", "DOCTYPE ATTLIST state", and
4036          ## "DOCTYPE NOTATION state".
4037    
4038          if ($is_space->{$self->{nc}}) {
4039            ## XML5: [NOTATION] Switch to the "DOCTYPE NOTATION identifier state".
4040            $self->{state} = BEFORE_MD_NAME_STATE;
4041            !!!next-input-character;
4042            redo A;
4043          } elsif ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN and
4044                   $self->{nc} == 0x0025) { # %
4045            ## XML5: Switch to the "DOCTYPE bogus comment state".
4046            !!!parse-error (type => 'no space before md name'); ## TODO: type
4047            $self->{state} = DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE;
4048            !!!next-input-character;
4049            redo A;
4050          } elsif ($self->{nc} == -1) {
4051            !!!parse-error (type => 'unclosed md'); ## TODO: type
4052            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4053            ## Reconsume.
4054            redo A;
4055          } elsif ($self->{nc} == 0x003E) { # >
4056            ## XML5: Switch to the "DOCTYPE bogus comment state".
4057            !!!parse-error (type => 'no md name'); ## TODO: type
4058            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4059            !!!next-input-character;
4060            redo A;
4061          } else {
4062            ## XML5: Switch to the "DOCTYPE bogus comment state".
4063            !!!parse-error (type => 'no space before md name'); ## TODO: type
4064            $self->{state} = BEFORE_MD_NAME_STATE;
4065            redo A;
4066          }
4067        } elsif ($self->{state} == BEFORE_MD_NAME_STATE) {
4068          ## XML5: "DOCTYPE ENTITY parameter state", "DOCTYPE ENTITY type
4069          ## before state", "DOCTYPE ATTLIST name before state".
4070    
4071          if ($is_space->{$self->{nc}}) {
4072            ## Stay in the state.
4073            !!!next-input-character;
4074            redo A;
4075          } elsif ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN and
4076                   $self->{nc} == 0x0025) { # %
4077            $self->{state} = DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE;
4078            !!!next-input-character;
4079            redo A;
4080          } elsif ($self->{nc} == 0x003E) { # >
4081            ## XML5: Same as "Anything else".
4082            !!!parse-error (type => 'no md name'); ## TODO: type
4083            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4084            !!!next-input-character;
4085            redo A;
4086          } elsif ($self->{nc} == -1) {
4087            !!!parse-error (type => 'unclosed md'); ## TODO: type
4088            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4089            ## Reconsume.
4090            redo A;
4091          } else {
4092            ## XML5: [ATTLIST] Not defined yet.
4093            $self->{ct}->{name} .= chr $self->{nc};
4094            $self->{state} = MD_NAME_STATE;
4095            !!!next-input-character;
4096            redo A;
4097          }
4098        } elsif ($self->{state} == DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE) {
4099          if ($is_space->{$self->{nc}}) {
4100            ## XML5: Switch to the "DOCTYPE ENTITY parameter state".
4101            $self->{ct}->{type} = PARAMETER_ENTITY_TOKEN;
4102            $self->{state} = BEFORE_MD_NAME_STATE;
4103            !!!next-input-character;
4104            redo A;
4105          } elsif ($self->{nc} == 0x003E) { # >
4106            ## XML5: Same as "Anything else".
4107            !!!parse-error (type => 'no md name'); ## TODO: type
4108            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4109            !!!next-input-character;
4110            redo A;
4111          } elsif ($self->{nc} == -1) {
4112            !!!parse-error (type => 'unclosed md');
4113            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4114            ## Reconsume.
4115            redo A;
4116          } else {
4117            ## XML5: No parse error.
4118            !!!parse-error (type => 'no space after ENTITY percent'); ## TODO: type
4119            $self->{state} = BOGUS_COMMENT_STATE;
4120            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
4121            ## Reconsume.
4122            redo A;
4123          }
4124        } elsif ($self->{state} == MD_NAME_STATE) {
4125          ## XML5: "DOCTYPE ENTITY name state" and "DOCTYPE ATTLIST name state".
4126          
4127          if ($is_space->{$self->{nc}}) {
4128            if ($self->{ct}->{type} == ATTLIST_TOKEN) {
4129              $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4130            } elsif ($self->{ct}->{type} == ELEMENT_TOKEN) {
4131              $self->{state} = AFTER_ELEMENT_NAME_STATE;
4132            } else { # ENTITY/NOTATION
4133              $self->{state} = AFTER_DOCTYPE_NAME_STATE;
4134            }
4135            !!!next-input-character;
4136            redo A;
4137          } elsif ($self->{nc} == 0x003E) { # >
4138            if ($self->{ct}->{type} == ATTLIST_TOKEN) {
4139              #
4140            } else {
4141              !!!parse-error (type => 'no md def'); ## TODO: type
4142            }
4143            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4144            !!!next-input-character;
4145            !!!emit ($self->{ct}); # ELEMENT/ENTITY/ATTLIST/NOTATION
4146            redo A;
4147          } elsif ($self->{nc} == -1) {
4148            ## XML5: [ATTLIST] No parse error.
4149            !!!parse-error (type => 'unclosed md');
4150            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4151            ## Reconsume.
4152            !!!emit ($self->{ct}); # ELEMENT/ENTITY/ATTLIST/NOTATION
4153            redo A;
4154          } else {
4155            ## XML5: [ATTLIST] Not defined yet.
4156            $self->{ct}->{name} .= chr $self->{nc};
4157            ## Stay in the state.
4158            !!!next-input-character;
4159            redo A;
4160          }
4161        } elsif ($self->{state} == DOCTYPE_ATTLIST_NAME_AFTER_STATE) {
4162          if ($is_space->{$self->{nc}}) {
4163            ## Stay in the state.
4164            !!!next-input-character;
4165            redo A;
4166          } elsif ($self->{nc} == 0x003E) { # >
4167            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4168            !!!next-input-character;
4169            !!!emit ($self->{ct}); # ATTLIST
4170            redo A;
4171          } elsif ($self->{nc} == -1) {
4172            ## XML5: No parse error.
4173            !!!parse-error (type => 'unclosed md'); ## TODO: type
4174            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4175            !!!emit ($self->{ct});
4176            redo A;
4177          } else {
4178            ## XML5: Not defined yet.
4179            $self->{ca} = {name => chr ($self->{nc}), # attrdef
4180                           tokens => [],
4181                           line => $self->{line}, column => $self->{column}};
4182            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_NAME_STATE;
4183            !!!next-input-character;
4184            redo A;
4185          }
4186        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_NAME_STATE) {
4187          if ($is_space->{$self->{nc}}) {
4188            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_NAME_AFTER_STATE;
4189            !!!next-input-character;
4190            redo A;
4191          } elsif ($self->{nc} == 0x003E) { # >
4192            ## XML5: Same as "anything else".
4193            !!!parse-error (type => 'no attr type'); ## TODO: type
4194            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4195            !!!next-input-character;
4196            !!!emit ($self->{ct}); # ATTLIST
4197            redo A;
4198          } elsif ($self->{nc} == 0x0028) { # (
4199            ## XML5: Same as "anything else".
4200            !!!parse-error (type => 'no space before paren'); ## TODO: type
4201            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4202            !!!next-input-character;
4203            redo A;
4204          } elsif ($self->{nc} == -1) {
4205            ## XML5: No parse error.
4206            !!!parse-error (type => 'unclosed md'); ## TODO: type
4207            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4208            !!!next-input-character;
4209            !!!emit ($self->{ct}); # ATTLIST
4210            redo A;
4211          } else {
4212            ## XML5: Not defined yet.
4213            $self->{ca}->{name} .= chr $self->{nc};
4214            ## Stay in the state.
4215            !!!next-input-character;
4216            redo A;
4217          }
4218        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_NAME_AFTER_STATE) {
4219          if ($is_space->{$self->{nc}}) {
4220            ## Stay in the state.
4221            !!!next-input-character;
4222            redo A;
4223          } elsif ($self->{nc} == 0x003E) { # >
4224            ## XML5: Same as "anything else".
4225            !!!parse-error (type => 'no attr type'); ## TODO: type
4226            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4227            !!!next-input-character;
4228            !!!emit ($self->{ct}); # ATTLIST
4229            redo A;
4230          } elsif ($self->{nc} == 0x0028) { # (
4231            ## XML5: Same as "anything else".
4232            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4233            !!!next-input-character;
4234            redo A;
4235          } elsif ($self->{nc} == -1) {
4236            ## XML5: No parse error.
4237            !!!parse-error (type => 'unclosed md'); ## TODO: type
4238            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4239            !!!next-input-character;
4240            !!!emit ($self->{ct});
4241            redo A;
4242          } else {
4243            ## XML5: Not defined yet.
4244            $self->{ca}->{type} = chr $self->{nc};
4245            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_STATE;
4246            !!!next-input-character;
4247            redo A;
4248          }
4249        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_STATE) {
4250          if ($is_space->{$self->{nc}}) {
4251            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_AFTER_STATE;
4252            !!!next-input-character;
4253            redo A;
4254          } elsif ($self->{nc} == 0x0023) { # #
4255            ## XML5: Same as "anything else".
4256            !!!parse-error (type => 'no space before default value'); ## TODO: type
4257            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4258            !!!next-input-character;
4259            redo A;
4260          } elsif ($self->{nc} == 0x0022) { # "
4261            ## XML5: Same as "anything else".
4262            !!!parse-error (type => 'no space before default value'); ## TODO: type
4263            $self->{ca}->{value} = '';
4264            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4265            !!!next-input-character;
4266            redo A;
4267          } elsif ($self->{nc} == 0x0027) { # '
4268            ## XML5: Same as "anything else".
4269            !!!parse-error (type => 'no space before default value'); ## TODO: type
4270            $self->{ca}->{value} = '';
4271            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4272            !!!next-input-character;
4273            redo A;
4274          } elsif ($self->{nc} == 0x003E) { # >
4275            ## XML5: Same as "anything else".
4276            !!!parse-error (type => 'no attr default'); ## TODO: type
4277            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4278            !!!next-input-character;
4279            !!!emit ($self->{ct}); # ATTLIST
4280            redo A;
4281          } elsif ($self->{nc} == 0x0028) { # (
4282            ## XML5: Same as "anything else".
4283            !!!parse-error (type => 'no space before paren'); ## TODO: type
4284            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4285            !!!next-input-character;
4286            redo A;
4287          } elsif ($self->{nc} == -1) {
4288            ## XML5: No parse error.
4289            !!!parse-error (type => 'unclosed md'); ## TODO: type
4290            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4291            !!!next-input-character;
4292            !!!emit ($self->{ct});
4293            redo A;
4294          } else {
4295            ## XML5: Not defined yet.
4296            $self->{ca}->{type} .= chr $self->{nc};
4297            ## Stay in the state.
4298            !!!next-input-character;
4299            redo A;
4300          }
4301        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_AFTER_STATE) {
4302          if ($is_space->{$self->{nc}}) {
4303            ## Stay in the state.
4304            !!!next-input-character;
4305            redo A;
4306          } elsif ($self->{nc} == 0x0028) { # (
4307            ## XML5: Same as "anything else".
4308            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4309            !!!next-input-character;
4310            redo A;
4311          } elsif ($self->{nc} == 0x0023) { # #
4312            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4313            !!!next-input-character;
4314            redo A;
4315          } elsif ($self->{nc} == 0x0022) { # "
4316            ## XML5: Same as "anything else".
4317            $self->{ca}->{value} = '';
4318            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4319            !!!next-input-character;
4320            redo A;
4321          } elsif ($self->{nc} == 0x0027) { # '
4322            ## XML5: Same as "anything else".
4323            $self->{ca}->{value} = '';
4324            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4325            !!!next-input-character;
4326            redo A;
4327          } elsif ($self->{nc} == 0x003E) { # >
4328            ## XML5: Same as "anything else".
4329            !!!parse-error (type => 'no attr default'); ## TODO: type
4330            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4331            !!!next-input-character;
4332            !!!emit ($self->{ct}); # ATTLIST
4333            redo A;
4334          } elsif ($self->{nc} == -1) {
4335            ## XML5: No parse error.
4336            !!!parse-error (type => 'unclosed md'); ## TODO: type
4337            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4338            !!!next-input-character;
4339            !!!emit ($self->{ct});
4340            redo A;
4341          } else {
4342            ## XML5: Switch to the "DOCTYPE bogus comment state".
4343            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4344            $self->{ca}->{value} = '';
4345            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4346            ## Reconsume.
4347            redo A;
4348          }
4349        } elsif ($self->{state} == BEFORE_ALLOWED_TOKEN_STATE) {
4350          if ($is_space->{$self->{nc}}) {
4351            ## Stay in the state.
4352            !!!next-input-character;
4353            redo A;
4354          } elsif ($self->{nc} == 0x007C) { # |
4355            !!!parse-error (type => 'empty allowed token'); ## TODO: type
4356            ## Stay in the state.
4357            !!!next-input-character;
4358            redo A;
4359          } elsif ($self->{nc} == 0x0029) { # )
4360            !!!parse-error (type => 'empty allowed token'); ## TODO: type
4361            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4362            !!!next-input-character;
4363            redo A;
4364          } elsif ($self->{nc} == 0x003E) { # >
4365            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4366            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4367            !!!next-input-character;
4368            !!!emit ($self->{ct}); # ATTLIST
4369            redo A;
4370          } elsif ($self->{nc} == -1) {
4371            ## XML5: No parse error.
4372            !!!parse-error (type => 'unclosed md'); ## TODO: type
4373            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4374            !!!next-input-character;
4375            !!!emit ($self->{ct});
4376            redo A;
4377          } else {
4378            push @{$self->{ca}->{tokens}}, chr $self->{nc};
4379            $self->{state} = ALLOWED_TOKEN_STATE;
4380            !!!next-input-character;
4381            redo A;
4382          }
4383        } elsif ($self->{state} == ALLOWED_TOKEN_STATE) {
4384          if ($is_space->{$self->{nc}}) {
4385            $self->{state} = AFTER_ALLOWED_TOKEN_STATE;
4386            !!!next-input-character;
4387            redo A;
4388          } elsif ($self->{nc} == 0x007C) { # |
4389            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4390            !!!next-input-character;
4391            redo A;
4392          } elsif ($self->{nc} == 0x0029) { # )
4393            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4394            !!!next-input-character;
4395            redo A;
4396          } elsif ($self->{nc} == 0x003E) { # >
4397            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4398            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4399            !!!next-input-character;
4400            !!!emit ($self->{ct}); # ATTLIST
4401            redo A;
4402          } elsif ($self->{nc} == -1) {
4403            ## XML5: No parse error.
4404            !!!parse-error (type => 'unclosed md'); ## TODO: type
4405            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4406            !!!next-input-character;
4407            !!!emit ($self->{ct});
4408            redo A;
4409          } else {
4410            $self->{ca}->{tokens}->[-1] .= chr $self->{nc};
4411            ## Stay in the state.
4412            !!!next-input-character;
4413            redo A;
4414          }
4415        } elsif ($self->{state} == AFTER_ALLOWED_TOKEN_STATE) {
4416          if ($is_space->{$self->{nc}}) {
4417            ## Stay in the state.
4418            !!!next-input-character;
4419            redo A;
4420          } elsif ($self->{nc} == 0x007C) { # |
4421            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4422            !!!next-input-character;
4423            redo A;
4424          } elsif ($self->{nc} == 0x0029) { # )
4425            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4426            !!!next-input-character;
4427            redo A;
4428          } elsif ($self->{nc} == 0x003E) { # >
4429            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4430            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4431            !!!next-input-character;
4432            !!!emit ($self->{ct}); # ATTLIST
4433            redo A;
4434          } elsif ($self->{nc} == -1) {
4435            ## XML5: No parse error.
4436            !!!parse-error (type => 'unclosed md'); ## TODO: type
4437            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4438            !!!next-input-character;
4439            !!!emit ($self->{ct});
4440            redo A;
4441          } else {
4442            !!!parse-error (type => 'space in allowed token', ## TODO: type
4443                            line => $self->{line_prev},
4444                            column => $self->{column_prev});
4445            $self->{ca}->{tokens}->[-1] .= ' ' . chr $self->{nc};
4446            $self->{state} = ALLOWED_TOKEN_STATE;
4447            !!!next-input-character;
4448            redo A;
4449          }
4450        } elsif ($self->{state} == AFTER_ALLOWED_TOKENS_STATE) {
4451          if ($is_space->{$self->{nc}}) {
4452            $self->{state} = BEFORE_ATTR_DEFAULT_STATE;
4453            !!!next-input-character;
4454            redo A;
4455          } elsif ($self->{nc} == 0x0023) { # #
4456            !!!parse-error (type => 'no space before default value'); ## TODO: type
4457            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4458            !!!next-input-character;
4459            redo A;
4460          } elsif ($self->{nc} == 0x0022) { # "
4461            !!!parse-error (type => 'no space before default value'); ## TODO: type
4462            $self->{ca}->{value} = '';
4463            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4464            !!!next-input-character;
4465            redo A;
4466          } elsif ($self->{nc} == 0x0027) { # '
4467            !!!parse-error (type => 'no space before default value'); ## TODO: type
4468            $self->{ca}->{value} = '';
4469            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4470            !!!next-input-character;
4471            redo A;
4472          } elsif ($self->{nc} == 0x003E) { # >
4473            !!!parse-error (type => 'no attr default'); ## TODO: type
4474            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4475            !!!next-input-character;
4476            !!!emit ($self->{ct}); # ATTLIST
4477            redo A;
4478          } elsif ($self->{nc} == -1) {
4479            !!!parse-error (type => 'unclosed md'); ## TODO: type
4480            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4481            !!!next-input-character;
4482            !!!emit ($self->{ct});
4483            redo A;
4484          } else {
4485            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4486            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4487            ## Reconsume.
4488            redo A;
4489          }
4490        } elsif ($self->{state} == BEFORE_ATTR_DEFAULT_STATE) {
4491          if ($is_space->{$self->{nc}}) {
4492            ## Stay in the state.
4493            !!!next-input-character;
4494            redo A;
4495          } elsif ($self->{nc} == 0x0023) { # #
4496            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4497            !!!next-input-character;
4498            redo A;
4499          } elsif ($self->{nc} == 0x0022) { # "
4500            $self->{ca}->{value} = '';
4501            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4502            !!!next-input-character;
4503            redo A;
4504          } elsif ($self->{nc} == 0x0027) { # '
4505            $self->{ca}->{value} = '';
4506            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4507            !!!next-input-character;
4508            redo A;
4509          } elsif ($self->{nc} == 0x003E) { # >
4510            !!!parse-error (type => 'no attr default'); ## TODO: type
4511            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4512            !!!next-input-character;
4513            !!!emit ($self->{ct}); # ATTLIST
4514            redo A;
4515          } elsif ($self->{nc} == -1) {
4516            !!!parse-error (type => 'unclosed md'); ## TODO: type
4517            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4518            !!!next-input-character;
4519            !!!emit ($self->{ct});
4520            redo A;
4521          } else {
4522            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4523            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4524            ## Reconsume.
4525            redo A;
4526          }
4527        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE) {
4528          if ($is_space->{$self->{nc}}) {
4529            ## XML5: No parse error.
4530            !!!parse-error (type => 'no default type'); ## TODO: type
4531            $self->{state} = BOGUS_MD_STATE;
4532          ## Reconsume.          ## Reconsume.
4533          redo A;          redo A;
4534          } elsif ($self->{nc} == 0x0022) { # "
4535            ## XML5: Same as "anything else".
4536            $self->{ca}->{value} = '';
4537            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4538            !!!next-input-character;
4539            redo A;
4540          } elsif ($self->{nc} == 0x0027) { # '
4541            ## XML5: Same as "anything else".
4542            $self->{ca}->{value} = '';
4543            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4544            !!!next-input-character;
4545            redo A;
4546          } elsif ($self->{nc} == 0x003E) { # >
4547            ## XML5: Same as "anything else".
4548            !!!parse-error (type => 'no attr default'); ## TODO: type
4549            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4550            !!!next-input-character;
4551            !!!emit ($self->{ct}); # ATTLIST
4552            redo A;
4553          } elsif ($self->{nc} == -1) {
4554            ## XML5: No parse error.
4555            !!!parse-error (type => 'unclosed md'); ## TODO: type
4556            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4557            !!!next-input-character;
4558            !!!emit ($self->{ct});
4559            redo A;
4560          } else {
4561            $self->{ca}->{default} = chr $self->{nc};
4562            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_STATE;
4563            !!!next-input-character;
4564            redo A;
4565          }
4566        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_STATE) {
4567          if ($is_space->{$self->{nc}}) {
4568            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_AFTER_STATE;
4569            !!!next-input-character;
4570            redo A;
4571          } elsif ($self->{nc} == 0x0022) { # "
4572            ## XML5: Same as "anything else".
4573            !!!parse-error (type => 'no space before default value'); ## TODO: type
4574            $self->{ca}->{value} = '';
4575            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4576            !!!next-input-character;
4577            redo A;
4578          } elsif ($self->{nc} == 0x0027) { # '
4579            ## XML5: Same as "anything else".
4580            !!!parse-error (type => 'no space before default value'); ## TODO: type
4581            $self->{ca}->{value} = '';
4582            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4583            !!!next-input-character;
4584            redo A;
4585          } elsif ($self->{nc} == 0x003E) { # >
4586            ## XML5: Same as "anything else".
4587            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4588            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4589            !!!next-input-character;
4590            !!!emit ($self->{ct}); # ATTLIST
4591            redo A;
4592          } elsif ($self->{nc} == -1) {
4593            ## XML5: No parse error.
4594            !!!parse-error (type => 'unclosed md'); ## TODO: type
4595            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4596            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4597            !!!next-input-character;
4598            !!!emit ($self->{ct});
4599            redo A;
4600          } else {
4601            $self->{ca}->{default} .= chr $self->{nc};
4602            ## Stay in the state.
4603            !!!next-input-character;
4604            redo A;
4605          }
4606        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_AFTER_STATE) {
4607          if ($is_space->{$self->{nc}}) {
4608            ## Stay in the state.
4609            !!!next-input-character;
4610            redo A;
4611          } elsif ($self->{nc} == 0x0022) { # "
4612            $self->{ca}->{value} = '';
4613            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4614            !!!next-input-character;
4615            redo A;
4616          } elsif ($self->{nc} == 0x0027) { # '
4617            $self->{ca}->{value} = '';
4618            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4619            !!!next-input-character;
4620            redo A;
4621          } elsif ($self->{nc} == 0x003E) { # >
4622            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4623            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4624            !!!next-input-character;
4625            !!!emit ($self->{ct}); # ATTLIST
4626            redo A;
4627          } elsif ($self->{nc} == -1) {
4628            ## XML5: No parse error.
4629            !!!parse-error (type => 'unclosed md'); ## TODO: type
4630            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4631            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4632            !!!next-input-character;
4633            !!!emit ($self->{ct});
4634            redo A;
4635          } else {
4636            ## XML5: Not defined yet.
4637            if ($self->{ca}->{default} eq 'FIXED') {
4638              $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4639            } else {
4640              push @{$self->{ct}->{attrdefs}}, $self->{ca};
4641              $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4642            }
4643            ## Reconsume.
4644            redo A;
4645          }
4646        } elsif ($self->{state} == AFTER_ATTLIST_ATTR_VALUE_QUOTED_STATE) {
4647          if ($is_space->{$self->{nc}} or
4648              $self->{nc} == -1 or
4649              $self->{nc} == 0x003E) { # >
4650            $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4651            ## Reconsume.
4652            redo A;
4653          } else {
4654            !!!parse-error (type => 'no space before attr name'); ## TODO: type
4655            $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4656            ## Reconsume.
4657            redo A;
4658          }
4659        } elsif ($self->{state} == NDATA_STATE) {
4660          ## ASCII case-insensitive
4661          if ($self->{nc} == [
4662                undef,
4663                0x0044, # D
4664                0x0041, # A
4665                0x0054, # T
4666              ]->[length $self->{kwd}] or
4667              $self->{nc} == [
4668                undef,
4669                0x0064, # d
4670                0x0061, # a
4671                0x0074, # t
4672              ]->[length $self->{kwd}]) {
4673            !!!cp (172.2);
4674            ## Stay in the state.
4675            $self->{kwd} .= chr $self->{nc};
4676            !!!next-input-character;
4677            redo A;
4678          } elsif ((length $self->{kwd}) == 4 and
4679                   ($self->{nc} == 0x0041 or # A
4680                    $self->{nc} == 0x0061)) { # a
4681            if ($self->{kwd} ne 'NDAT' or $self->{nc} == 0x0061) { # a
4682              !!!cp (172.3);
4683              !!!parse-error (type => 'lowercase keyword', ## TODO: type
4684                              text => 'NDATA',
4685                              line => $self->{line_prev},
4686                              column => $self->{column_prev} - 4);
4687            } else {
4688              !!!cp (172.4);
4689            }
4690            $self->{state} = AFTER_NDATA_STATE;
4691            !!!next-input-character;
4692            redo A;
4693          } else {
4694            !!!parse-error (type => 'string after literal', ## TODO: type
4695                            line => $self->{line_prev},
4696                            column => $self->{column_prev} + 1
4697                                - length $self->{kwd});
4698            !!!cp (172.5);
4699            $self->{state} = BOGUS_MD_STATE;
4700            ## Reconsume.
4701            redo A;
4702          }
4703        } elsif ($self->{state} == AFTER_NDATA_STATE) {
4704          if ($is_space->{$self->{nc}}) {
4705            $self->{state} = BEFORE_NOTATION_NAME_STATE;
4706            !!!next-input-character;
4707            redo A;
4708          } elsif ($self->{nc} == 0x003E) { # >
4709            !!!parse-error (type => 'no notation name'); ## TODO: type
4710            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4711            !!!next-input-character;
4712            !!!emit ($self->{ct}); # ENTITY
4713            redo A;
4714          } elsif ($self->{nc} == -1) {
4715            !!!parse-error (type => 'unclosed md'); ## TODO: type
4716            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4717            !!!next-input-character;
4718            !!!emit ($self->{ct}); # ENTITY
4719            redo A;
4720          } else {
4721            !!!parse-error (type => 'string after literal', ## TODO: type
4722                            line => $self->{line_prev},
4723                            column => $self->{column_prev} + 1
4724                                - length $self->{kwd});
4725            $self->{state} = BOGUS_MD_STATE;
4726            ## Reconsume.
4727            redo A;
4728          }
4729        } elsif ($self->{state} == BEFORE_NOTATION_NAME_STATE) {
4730          if ($is_space->{$self->{nc}}) {
4731            ## Stay in the state.
4732            !!!next-input-character;
4733            redo A;
4734          } elsif ($self->{nc} == 0x003E) { # >
4735            !!!parse-error (type => 'no notation name'); ## TODO: type
4736            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4737            !!!next-input-character;
4738            !!!emit ($self->{ct}); # ENTITY
4739            redo A;
4740          } elsif ($self->{nc} == -1) {
4741            !!!parse-error (type => 'unclosed md'); ## TODO: type
4742            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4743            !!!next-input-character;
4744            !!!emit ($self->{ct}); # ENTITY
4745            redo A;
4746          } else {
4747            $self->{ct}->{notation} = chr $self->{nc}; # ENTITY
4748            $self->{state} = NOTATION_NAME_STATE;
4749            !!!next-input-character;
4750            redo A;
4751          }
4752        } elsif ($self->{state} == NOTATION_NAME_STATE) {
4753          if ($is_space->{$self->{nc}}) {
4754            $self->{state} = AFTER_MD_DEF_STATE;
4755            !!!next-input-character;
4756            redo A;
4757          } elsif ($self->{nc} == 0x003E) { # >
4758            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4759            !!!next-input-character;
4760            !!!emit ($self->{ct}); # ENTITY
4761            redo A;
4762          } elsif ($self->{nc} == -1) {
4763            !!!parse-error (type => 'unclosed md'); ## TODO: type
4764            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4765            !!!next-input-character;
4766            !!!emit ($self->{ct}); # ENTITY
4767            redo A;
4768          } else {
4769            $self->{ct}->{notation} .= chr $self->{nc}; # ENTITY
4770            ## Stay in the state.
4771            !!!next-input-character;
4772            redo A;
4773          }
4774        } elsif ($self->{state} == DOCTYPE_ENTITY_VALUE_DOUBLE_QUOTED_STATE) {
4775          if ($self->{nc} == 0x0022) { # "
4776            $self->{state} = AFTER_MD_DEF_STATE;
4777            !!!next-input-character;
4778            redo A;
4779          } elsif ($self->{nc} == 0x0026) { # &
4780            $self->{prev_state} = $self->{state};
4781            $self->{state} = ENTITY_VALUE_ENTITY_STATE;
4782            $self->{entity_add} = 0x0022; # "
4783            !!!next-input-character;
4784            redo A;
4785    ## TODO: %
4786          } elsif ($self->{nc} == -1) {
4787            !!!parse-error (type => 'unclosed entity value'); ## TODO: type
4788            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4789            ## Reconsume.
4790            !!!emit ($self->{ct}); # ENTITY
4791            redo A;
4792          } else {
4793            $self->{ct}->{value} .= chr $self->{nc}; # ENTITY
4794            !!!next-input-character;
4795            redo A;
4796          }
4797        } elsif ($self->{state} == DOCTYPE_ENTITY_VALUE_SINGLE_QUOTED_STATE) {
4798          if ($self->{nc} == 0x0027) { # '
4799            $self->{state} = AFTER_MD_DEF_STATE;
4800            !!!next-input-character;
4801            redo A;
4802          } elsif ($self->{nc} == 0x0026) { # &
4803            $self->{prev_state} = $self->{state};
4804            $self->{state} = ENTITY_VALUE_ENTITY_STATE;
4805            $self->{entity_add} = 0x0027; # '
4806            !!!next-input-character;
4807            redo A;
4808    ## TODO: %
4809          } elsif ($self->{nc} == -1) {
4810            !!!parse-error (type => 'unclosed entity value'); ## TODO: type
4811            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4812            ## Reconsume.
4813            !!!emit ($self->{ct}); # ENTITY
4814            redo A;
4815          } else {
4816            $self->{ct}->{value} .= chr $self->{nc}; # ENTITY
4817            !!!next-input-character;
4818            redo A;
4819          }
4820        } elsif ($self->{state} == ENTITY_VALUE_ENTITY_STATE) {
4821          if ($is_space->{$self->{nc}} or
4822              {
4823                0x003C => 1, 0x0026 => 1, -1 => 1, # <, &
4824                $self->{entity_add} => 1,
4825              }->{$self->{nc}}) {
4826            !!!parse-error (type => 'bare ero',
4827                            line => $self->{line_prev},
4828                            column => $self->{column_prev}
4829                                + ($self->{nc} == -1 ? 1 : 0));
4830            ## Don't consume
4831            ## Return nothing.
4832            #
4833          } elsif ($self->{nc} == 0x0023) { # #
4834            $self->{ca} = $self->{ct};
4835            $self->{state} = ENTITY_HASH_STATE;
4836            $self->{kwd} = '#';
4837            !!!next-input-character;
4838            redo A;
4839          } else {
4840            #
4841          }
4842    
4843          $self->{ct}->{value} .= '&';
4844          $self->{state} = $self->{prev_state};
4845          ## Reconsume.
4846          redo A;
4847        } elsif ($self->{state} == AFTER_ELEMENT_NAME_STATE) {
4848          if ($is_space->{$self->{nc}}) {
4849            $self->{state} = BEFORE_ELEMENT_CONTENT_STATE;
4850            !!!next-input-character;
4851            redo A;
4852          } elsif ($self->{nc} == 0x0028) { # (
4853            $self->{state} = AFTER_CM_GROUP_OPEN_STATE;
4854            $self->{ct}->{content} = ['('];
4855            $self->{group_depth} = 1;
4856            !!!next-input-character;
4857            redo A;
4858          } elsif ($self->{nc} == 0x003E) { # >
4859            !!!parse-error (type => 'no md def'); ## TODO: type
4860            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4861            !!!next-input-character;
4862            !!!emit ($self->{ct}); # ELEMENT
4863            redo A;
4864          } elsif ($self->{nc} == -1) {
4865            !!!parse-error (type => 'unclosed md'); ## TODO: type
4866            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4867            !!!next-input-character;
4868            !!!emit ($self->{ct}); # ELEMENT
4869            redo A;
4870          } else {
4871            $self->{ct}->{content} = [chr $self->{nc}];
4872            $self->{state} = CONTENT_KEYWORD_STATE;
4873            !!!next-input-character;
4874            redo A;
4875          }
4876        } elsif ($self->{state} == CONTENT_KEYWORD_STATE) {
4877          if ($is_space->{$self->{nc}}) {
4878            $self->{state} = AFTER_MD_DEF_STATE;
4879            !!!next-input-character;
4880            redo A;
4881          } elsif ($self->{nc} == 0x003E) { # >
4882            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4883            !!!next-input-character;
4884            !!!emit ($self->{ct}); # ELEMENT
4885            redo A;
4886          } elsif ($self->{nc} == -1) {
4887            !!!parse-error (type => 'unclosed md'); ## TODO: type
4888            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4889            !!!next-input-character;
4890            !!!emit ($self->{ct}); # ELEMENT
4891            redo A;
4892          } else {
4893            $self->{ct}->{content}->[-1] .= chr $self->{nc}; # ELEMENT
4894            ## Stay in the state.
4895            !!!next-input-character;
4896            redo A;
4897          }
4898        } elsif ($self->{state} == AFTER_CM_GROUP_OPEN_STATE) {
4899          if ($is_space->{$self->{nc}}) {
4900            ## Stay in the state.
4901            !!!next-input-character;
4902            redo A;
4903          } elsif ($self->{nc} == 0x0028) { # (
4904            $self->{group_depth}++;
4905            push @{$self->{ct}->{content}}, chr $self->{nc};
4906            ## Stay in the state.
4907            !!!next-input-character;
4908            redo A;
4909          } elsif ($self->{nc} == 0x007C or # |
4910                   $self->{nc} == 0x002C) { # ,
4911            !!!parse-error (type => 'empty element name'); ## TODO: type
4912            ## Stay in the state.
4913            !!!next-input-character;
4914            redo A;
4915          } elsif ($self->{nc} == 0x0029) { # )
4916            !!!parse-error (type => 'empty element name'); ## TODO: type
4917            push @{$self->{ct}->{content}}, chr $self->{nc};
4918            $self->{group_depth}--;
4919            $self->{state} = AFTER_CM_GROUP_CLOSE_STATE;
4920            !!!next-input-character;
4921            redo A;
4922          } elsif ($self->{nc} == 0x003E) { # >
4923            !!!parse-error (type => 'unclosed cm group'); ## TODO: type
4924            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4925            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4926            !!!next-input-character;
4927            !!!emit ($self->{ct}); # ELEMENT
4928            redo A;
4929          } elsif ($self->{nc} == -1) {
4930            !!!parse-error (type => 'unclosed md'); ## TODO: type
4931            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4932            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4933            !!!next-input-character;
4934            !!!emit ($self->{ct}); # ELEMENT
4935            redo A;
4936          } else {
4937            push @{$self->{ct}->{content}}, chr $self->{nc};
4938            $self->{state} = CM_ELEMENT_NAME_STATE;
4939            !!!next-input-character;
4940            redo A;
4941          }
4942        } elsif ($self->{state} == CM_ELEMENT_NAME_STATE) {
4943          if ($is_space->{$self->{nc}}) {
4944            $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
4945            !!!next-input-character;
4946            redo A;
4947          } elsif ($self->{nc} == 0x002A or # *
4948                   $self->{nc} == 0x002B or # +
4949                   $self->{nc} == 0x003F) { # ?
4950            push @{$self->{ct}->{content}}, chr $self->{nc};
4951            $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
4952            !!!next-input-character;
4953            redo A;
4954          } elsif ($self->{nc} == 0x007C or # |
4955                   $self->{nc} == 0x002C) { # ,
4956            push @{$self->{ct}->{content}}, $self->{nc} == 0x007C ? ' | ' : ', ';
4957            $self->{state} = AFTER_CM_GROUP_OPEN_STATE;
4958            !!!next-input-character;
4959            redo A;
4960          } elsif ($self->{nc} == 0x0029) { # )
4961            $self->{group_depth}--;
4962            push @{$self->{ct}->{content}}, chr $self->{nc};
4963            $self->{state} = AFTER_CM_GROUP_CLOSE_STATE;
4964            !!!next-input-character;
4965            redo A;
4966          } elsif ($self->{nc} == 0x003E) { # >
4967            !!!parse-error (type => 'unclosed cm group'); ## TODO: type
4968            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4969            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4970            !!!next-input-character;
4971            !!!emit ($self->{ct}); # ELEMENT
4972            redo A;
4973          } elsif ($self->{nc} == -1) {
4974            !!!parse-error (type => 'unclosed md'); ## TODO: type
4975            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4976            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4977            !!!next-input-character;
4978            !!!emit ($self->{ct}); # ELEMENT
4979            redo A;
4980          } else {
4981            $self->{ct}->{content}->[-1] .= chr $self->{nc};
4982            ## Stay in the state.
4983            !!!next-input-character;
4984            redo A;
4985          }
4986        } elsif ($self->{state} == AFTER_CM_ELEMENT_NAME_STATE) {
4987          if ($is_space->{$self->{nc}}) {
4988            ## Stay in the state.
4989            !!!next-input-character;
4990            redo A;
4991          } elsif ($self->{nc} == 0x007C or # |
4992                   $self->{nc} == 0x002C) { # ,
4993            push @{$self->{ct}->{content}}, $self->{nc} == 0x007C ? ' | ' : ', ';
4994            $self->{state} = AFTER_CM_GROUP_OPEN_STATE;
4995            !!!next-input-character;
4996            redo A;
4997          } elsif ($self->{nc} == 0x0029) { # )
4998            $self->{group_depth}--;
4999            push @{$self->{ct}->{content}}, chr $self->{nc};
5000            $self->{state} = AFTER_CM_GROUP_CLOSE_STATE;
5001            !!!next-input-character;
5002            redo A;
5003          } elsif ($self->{nc} == 0x003E) { # >
5004            !!!parse-error (type => 'unclosed cm group'); ## TODO: type
5005            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5006            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5007            !!!next-input-character;
5008            !!!emit ($self->{ct}); # ELEMENT
5009            redo A;
5010          } elsif ($self->{nc} == -1) {
5011            !!!parse-error (type => 'unclosed md'); ## TODO: type
5012            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5013            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5014            !!!next-input-character;
5015            !!!emit ($self->{ct}); # ELEMENT
5016            redo A;
5017          } else {
5018            !!!parse-error (type => 'after element name'); ## TODO: type
5019            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5020            $self->{state} = BOGUS_MD_STATE;
5021            !!!next-input-character;
5022            redo A;
5023          }
5024        } elsif ($self->{state} == AFTER_CM_GROUP_CLOSE_STATE) {
5025          if ($is_space->{$self->{nc}}) {
5026            if ($self->{group_depth}) {
5027              $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
5028            } else {
5029              $self->{state} = AFTER_MD_DEF_STATE;
5030            }
5031            !!!next-input-character;
5032            redo A;
5033          } elsif ($self->{nc} == 0x002A or # *
5034                   $self->{nc} == 0x002B or # +
5035                   $self->{nc} == 0x003F) { # ?
5036            push @{$self->{ct}->{content}}, chr $self->{nc};
5037            if ($self->{group_depth}) {
5038              $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
5039            } else {
5040              $self->{state} = AFTER_MD_DEF_STATE;
5041            }
5042            !!!next-input-character;
5043            redo A;
5044          } elsif ($self->{nc} == 0x0029) { # )
5045            if ($self->{group_depth}) {
5046              $self->{group_depth}--;
5047              push @{$self->{ct}->{content}}, chr $self->{nc};
5048              ## Stay in the state.
5049              !!!next-input-character;
5050              redo A;
5051            } else {
5052              !!!parse-error (type => 'string after md def'); ## TODO: type
5053              $self->{state} = BOGUS_MD_STATE;
5054              ## Reconsume.
5055              redo A;
5056            }
5057          } elsif ($self->{nc} == 0x003E) { # >
5058            if ($self->{group_depth}) {
5059              !!!parse-error (type => 'unclosed cm group'); ## TODO: type
5060              push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5061            }
5062            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5063            !!!next-input-character;
5064            !!!emit ($self->{ct}); # ELEMENT
5065            redo A;
5066          } elsif ($self->{nc} == -1) {
5067            !!!parse-error (type => 'unclosed md'); ## TODO: type
5068            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5069            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5070            !!!next-input-character;
5071            !!!emit ($self->{ct}); # ELEMENT
5072            redo A;
5073          } else {
5074            if ($self->{group_depth}) {
5075              $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
5076            } else {
5077              !!!parse-error (type => 'string after md def'); ## TODO: type
5078              $self->{state} = BOGUS_MD_STATE;
5079            }
5080            ## Reconsume.
5081            redo A;
5082          }
5083        } elsif ($self->{state} == AFTER_MD_DEF_STATE) {
5084          if ($is_space->{$self->{nc}}) {
5085            ## Stay in the state.
5086            !!!next-input-character;
5087            redo A;
5088          } elsif ($self->{nc} == 0x003E) { # >
5089            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5090            !!!next-input-character;
5091            !!!emit ($self->{ct}); # ENTITY/ELEMENT
5092            redo A;
5093          } elsif ($self->{nc} == -1) {
5094            !!!parse-error (type => 'unclosed md'); ## TODO: type
5095            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5096            !!!next-input-character;
5097            !!!emit ($self->{ct}); # ENTITY/ELEMENT
5098            redo A;
5099          } else {
5100            !!!parse-error (type => 'string after md def'); ## TODO: type
5101            $self->{state} = BOGUS_MD_STATE;
5102            ## Reconsume.
5103            redo A;
5104          }
5105        } elsif ($self->{state} == BOGUS_MD_STATE) {
5106          if ($self->{nc} == 0x003E) { # >
5107            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5108            !!!next-input-character;
5109            !!!emit ($self->{ct}); # ATTLIST/ENTITY/NOTATION
5110            redo A;
5111          } elsif ($self->{nc} == -1) {
5112            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5113            ## Reconsume.
5114            !!!emit ($self->{ct}); # ATTLIST/ENTITY/NOTATION
5115            redo A;
5116          } else {
5117            ## Stay in the state.
5118            !!!next-input-character;
5119            redo A;
5120        }        }
5121      } else {      } else {
5122        die "$0: $self->{state}: Unknown state";        die "$0: $self->{state}: Unknown state";
# Line 2670  sub _get_next_token ($) { Line 5128  sub _get_next_token ($) {
5128    
5129  1;  1;
5130  ## $Date$  ## $Date$
5131                                    
Legend:
Removed from v.1.3  
changed lines
  Added in v.1.25
admin@suikawiki.org
 ViewVC Help
Powered by ViewVC 1.1.24