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

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

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

revision 1.1 by wakaba, Tue Oct 14 02:27:58 2008 UTC revision 1.33 by wakaba, Sat Sep 5 10:41:07 2009 UTC
# Line 2  package Whatpm::HTML::Tokenizer; Line 2  package Whatpm::HTML::Tokenizer;
2  use strict;  use strict;
3  our $VERSION=do{my @r=(q$Revision$=~/\d+/g);sprintf "%d."."%02d" x $#r,@r};  our $VERSION=do{my @r=(q$Revision$=~/\d+/g);sprintf "%d."."%02d" x $#r,@r};
4    
5    BEGIN {
6      require Exporter;
7      push our @ISA, 'Exporter';
8    
9      our @EXPORT_OK = qw(
10        DOCTYPE_TOKEN
11        COMMENT_TOKEN
12        START_TAG_TOKEN
13        END_TAG_TOKEN
14        END_OF_FILE_TOKEN
15        CHARACTER_TOKEN
16        PI_TOKEN
17        ABORT_TOKEN
18        END_OF_DOCTYPE_TOKEN
19        ATTLIST_TOKEN
20        ELEMENT_TOKEN
21        GENERAL_ENTITY_TOKEN
22        PARAMETER_ENTITY_TOKEN
23        NOTATION_TOKEN
24      );
25      
26      our %EXPORT_TAGS = (
27        token => [qw(
28          DOCTYPE_TOKEN
29          COMMENT_TOKEN
30          START_TAG_TOKEN
31          END_TAG_TOKEN
32          END_OF_FILE_TOKEN
33          CHARACTER_TOKEN
34          PI_TOKEN
35          ABORT_TOKEN
36          END_OF_DOCTYPE_TOKEN
37          ATTLIST_TOKEN
38          ELEMENT_TOKEN
39          GENERAL_ENTITY_TOKEN
40          PARAMETER_ENTITY_TOKEN
41          NOTATION_TOKEN
42        )],
43      );
44    }
45    
46    ## NOTE: Differences from the XML5 draft are marked as "XML5:".
47    
48    ## Token types
49    
50    sub DOCTYPE_TOKEN () { 1 } ## XML5: No DOCTYPE token.
51    sub COMMENT_TOKEN () { 2 }
52    sub START_TAG_TOKEN () { 3 }
53    sub END_TAG_TOKEN () { 4 }
54    sub END_OF_FILE_TOKEN () { 5 }
55    sub CHARACTER_TOKEN () { 6 }
56    sub PI_TOKEN () { 7 } ## NOTE: XML only.
57    sub ABORT_TOKEN () { 8 } ## NOTE: For internal processing.
58    sub END_OF_DOCTYPE_TOKEN () { 9 } ## NOTE: XML only.
59    sub ATTLIST_TOKEN () { 10 } ## NOTE: XML only.
60    sub ELEMENT_TOKEN () { 11 } ## NOTE: XML only.
61    sub GENERAL_ENTITY_TOKEN () { 12 } ## NOTE: XML only.
62    sub PARAMETER_ENTITY_TOKEN () { 13 } ## NOTE: XML only.
63    sub NOTATION_TOKEN () { 14 } ## NOTE: XML only.
64    
65    ## XML5: XML5 has "empty tag token".  In this implementation, it is
66    ## represented as a start tag token with $self->{self_closing} flag
67    ## set to true.
68    
69    ## XML5: XML5 has "short end tag token".  In this implementation, it
70    ## is represented as an end tag token with $token->{tag_name} flag set
71    ## to an empty string.
72    
73  package Whatpm::HTML;  package Whatpm::HTML;
74    
75    BEGIN { Whatpm::HTML::Tokenizer->import (':token') }
76    
77  ## Content model flags  ## Content model flags
78    
79  sub CM_ENTITY () { 0b001 } # & markup in data  sub CM_ENTITY () { 0b001 } # & markup in data
# Line 35  sub COMMENT_START_STATE () { 14 } Line 105  sub COMMENT_START_STATE () { 14 }
105  sub COMMENT_START_DASH_STATE () { 15 }  sub COMMENT_START_DASH_STATE () { 15 }
106  sub COMMENT_STATE () { 16 }  sub COMMENT_STATE () { 16 }
107  sub COMMENT_END_STATE () { 17 }  sub COMMENT_END_STATE () { 17 }
108    sub COMMENT_END_BANG_STATE () { 102 }
109    sub COMMENT_END_SPACE_STATE () { 103 } ## LAST
110  sub COMMENT_END_DASH_STATE () { 18 }  sub COMMENT_END_DASH_STATE () { 18 }
111  sub BOGUS_COMMENT_STATE () { 19 }  sub BOGUS_COMMENT_STATE () { 19 }
112  sub DOCTYPE_STATE () { 20 }  sub DOCTYPE_STATE () { 20 }
# Line 72  sub HEXREF_HEX_STATE () { 48 } Line 144  sub HEXREF_HEX_STATE () { 48 }
144  sub ENTITY_NAME_STATE () { 49 }  sub ENTITY_NAME_STATE () { 49 }
145  sub PCDATA_STATE () { 50 } # "data state" in the spec  sub PCDATA_STATE () { 50 } # "data state" in the spec
146    
147  ## Token types  ## XML-only states
148    sub PI_STATE () { 51 }
149  sub DOCTYPE_TOKEN () { 1 }  sub PI_TARGET_STATE () { 52 }
150  sub COMMENT_TOKEN () { 2 }  sub PI_TARGET_AFTER_STATE () { 53 }
151  sub START_TAG_TOKEN () { 3 }  sub PI_DATA_STATE () { 54 }
152  sub END_TAG_TOKEN () { 4 }  sub PI_AFTER_STATE () { 55 }
153  sub END_OF_FILE_TOKEN () { 5 }  sub PI_DATA_AFTER_STATE () { 56 }
154  sub CHARACTER_TOKEN () { 6 }  sub DOCTYPE_INTERNAL_SUBSET_STATE () { 57 }
155    sub DOCTYPE_INTERNAL_SUBSET_AFTER_STATE () { 58 }
156    sub BOGUS_DOCTYPE_INTERNAL_SUBSET_AFTER_STATE () { 59 }
157    sub DOCTYPE_TAG_STATE () { 60 }
158    sub DOCTYPE_MARKUP_DECLARATION_OPEN_STATE () { 61 }
159    sub MD_ATTLIST_STATE () { 62 }
160    sub MD_E_STATE () { 63 }
161    sub MD_ELEMENT_STATE () { 64 }
162    sub MD_ENTITY_STATE () { 65 }
163    sub MD_NOTATION_STATE () { 66 }
164    sub DOCTYPE_MD_STATE () { 67 }
165    sub BEFORE_MD_NAME_STATE () { 68 }
166    sub MD_NAME_STATE () { 69 }
167    sub DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE () { 70 }
168    sub DOCTYPE_ATTLIST_NAME_AFTER_STATE () { 71 }
169    sub DOCTYPE_ATTLIST_ATTRIBUTE_NAME_STATE () { 72 }
170    sub DOCTYPE_ATTLIST_ATTRIBUTE_NAME_AFTER_STATE () { 73 }
171    sub DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_STATE () { 74 }
172    sub DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_AFTER_STATE () { 75 }
173    sub BEFORE_ALLOWED_TOKEN_STATE () { 76 }
174    sub ALLOWED_TOKEN_STATE () { 77 }
175    sub AFTER_ALLOWED_TOKEN_STATE () { 78 }
176    sub AFTER_ALLOWED_TOKENS_STATE () { 79 }
177    sub BEFORE_ATTR_DEFAULT_STATE () { 80 }
178    sub DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE () { 81 }
179    sub DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_STATE () { 82 }
180    sub DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_AFTER_STATE () { 83 }
181    sub AFTER_ATTLIST_ATTR_VALUE_QUOTED_STATE () { 84 }
182    sub BEFORE_NDATA_STATE () { 85 }
183    sub NDATA_STATE () { 86 }
184    sub AFTER_NDATA_STATE () { 87 }
185    sub BEFORE_NOTATION_NAME_STATE () { 88 }
186    sub NOTATION_NAME_STATE () { 89 }
187    sub DOCTYPE_ENTITY_VALUE_DOUBLE_QUOTED_STATE () { 90 }
188    sub DOCTYPE_ENTITY_VALUE_SINGLE_QUOTED_STATE () { 91 }
189    sub ENTITY_VALUE_ENTITY_STATE () { 92 }
190    sub AFTER_ELEMENT_NAME_STATE () { 93 }
191    sub BEFORE_ELEMENT_CONTENT_STATE () { 94 }
192    sub CONTENT_KEYWORD_STATE () { 95 }
193    sub AFTER_CM_GROUP_OPEN_STATE () { 96 }
194    sub CM_ELEMENT_NAME_STATE () { 97 }
195    sub AFTER_CM_ELEMENT_NAME_STATE () { 98 }
196    sub AFTER_CM_GROUP_CLOSE_STATE () { 99 }
197    sub AFTER_MD_DEF_STATE () { 100 }
198    sub BOGUS_MD_STATE () { 101 }
199    
200  ## Tree constructor state constants (see Whatpm::HTML for the full  ## Tree constructor state constants (see Whatpm::HTML for the full
201  ## list and descriptions)  ## list and descriptions)
# Line 142  sub _initialize_tokenizer ($) { Line 258  sub _initialize_tokenizer ($) {
258    #$self->{level}    #$self->{level}
259    #$self->{set_nc}    #$self->{set_nc}
260    #$self->{parse_error}    #$self->{parse_error}
261      #$self->{is_xml} (if XML)
262    
263    $self->{state} = DATA_STATE; # MUST    $self->{state} = DATA_STATE; # MUST
264    #$self->{s_kwd}; # state keyword - initialized when used    $self->{s_kwd} = ''; # Data state keyword
265      #$self->{kwd} = ''; # State-dependent keyword; initialized when used
266    #$self->{entity__value}; # initialized when used    #$self->{entity__value}; # initialized when used
267    #$self->{entity__match}; # initialized when used    #$self->{entity__match}; # initialized when used
268    $self->{content_model} = PCDATA_CONTENT_MODEL; # be    $self->{content_model} = PCDATA_CONTENT_MODEL; # be
# Line 164  sub _initialize_tokenizer ($) { Line 282  sub _initialize_tokenizer ($) {
282    
283  ## A token has:  ## A token has:
284  ##   ->{type} == DOCTYPE_TOKEN, START_TAG_TOKEN, END_TAG_TOKEN, COMMENT_TOKEN,  ##   ->{type} == DOCTYPE_TOKEN, START_TAG_TOKEN, END_TAG_TOKEN, COMMENT_TOKEN,
285  ##       CHARACTER_TOKEN, or END_OF_FILE_TOKEN  ##       CHARACTER_TOKEN, END_OF_FILE_TOKEN, PI_TOKEN, or ABORT_TOKEN
286  ##   ->{name} (DOCTYPE_TOKEN)  ##   ->{name} (DOCTYPE_TOKEN)
287  ##   ->{tag_name} (START_TAG_TOKEN, END_TAG_TOKEN)  ##   ->{tag_name} (START_TAG_TOKEN, END_TAG_TOKEN)
288    ##   ->{target} (PI_TOKEN)
289  ##   ->{pubid} (DOCTYPE_TOKEN)  ##   ->{pubid} (DOCTYPE_TOKEN)
290  ##   ->{sysid} (DOCTYPE_TOKEN)  ##   ->{sysid} (DOCTYPE_TOKEN)
291  ##   ->{quirks} == 1 or 0 (DOCTYPE_TOKEN): "force-quirks" flag  ##   ->{quirks} == 1 or 0 (DOCTYPE_TOKEN): "force-quirks" flag
# Line 174  sub _initialize_tokenizer ($) { Line 293  sub _initialize_tokenizer ($) {
293  ##        ->{name}  ##        ->{name}
294  ##        ->{value}  ##        ->{value}
295  ##        ->{has_reference} == 1 or 0  ##        ->{has_reference} == 1 or 0
296  ##   ->{data} (COMMENT_TOKEN, CHARACTER_TOKEN)  ##        ->{index}: Index of the attribute in a tag.
297    ##   ->{data} (COMMENT_TOKEN, CHARACTER_TOKEN, PI_TOKEN)
298    ##   ->{has_reference} == 1 or 0 (CHARACTER_TOKEN)
299    ##   ->{last_index} (ELEMENT_TOKEN): Next attribute's index - 1.
300    ##   ->{has_internal_subset} = 1 or 0 (DOCTYPE_TOKEN)
301    
302  ## NOTE: The "self-closing flag" is hold as |$self->{self_closing}|.  ## NOTE: The "self-closing flag" is hold as |$self->{self_closing}|.
303  ##     |->{self_closing}| is used to save the value of |$self->{self_closing}|  ##     |->{self_closing}| is used to save the value of |$self->{self_closing}|
304  ##     while the token is pushed back to the stack.  ##     while the token is pushed back to the stack.
# Line 194  my $is_space = { Line 318  my $is_space = {
318    0x0009 => 1, # CHARACTER TABULATION (HT)    0x0009 => 1, # CHARACTER TABULATION (HT)
319    0x000A => 1, # LINE FEED (LF)    0x000A => 1, # LINE FEED (LF)
320    #0x000B => 0, # LINE TABULATION (VT)    #0x000B => 0, # LINE TABULATION (VT)
321    0x000C => 1, # FORM FEED (FF)    0x000C => 1, # FORM FEED (FF) ## XML5: Not a space character.
322    #0x000D => 1, # CARRIAGE RETURN (CR)    #0x000D => 1, # CARRIAGE RETURN (CR)
323    0x0020 => 1, # SPACE (SP)    0x0020 => 1, # SPACE (SP)
324  };  };
# Line 278  sub _get_next_token ($) { Line 402  sub _get_next_token ($) {
402          }          }
403        } elsif ($self->{nc} == 0x002D) { # -        } elsif ($self->{nc} == 0x002D) { # -
404          if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA          if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA
405            $self->{s_kwd} .= '-';            if ($self->{s_kwd} eq '<!-') {
             
           if ($self->{s_kwd} eq '<!--') {  
406              !!!cp (3);              !!!cp (3);
407              $self->{escape} = 1; # unless $self->{escape};              $self->{escape} = 1; # unless $self->{escape};
408              $self->{s_kwd} = '--';              $self->{s_kwd} = '--';
409              #              #
410            } elsif ($self->{s_kwd} eq '---') {            } elsif ($self->{s_kwd} eq '-') {
411              !!!cp (4);              !!!cp (4);
412              $self->{s_kwd} = '--';              $self->{s_kwd} = '--';
413              #              #
414              } elsif ($self->{s_kwd} eq '<!' or $self->{s_kwd} eq '-') {
415                !!!cp (4.1);
416                $self->{s_kwd} .= '-';
417                #
418            } else {            } else {
419              !!!cp (5);              !!!cp (5);
420                $self->{s_kwd} = '-';
421              #              #
422            }            }
423          }          }
# Line 326  sub _get_next_token ($) { Line 453  sub _get_next_token ($) {
453            if ($self->{s_kwd} eq '--') {            if ($self->{s_kwd} eq '--') {
454              !!!cp (8);              !!!cp (8);
455              delete $self->{escape};              delete $self->{escape};
456                #
457            } else {            } else {
458              !!!cp (9);              !!!cp (9);
459                #
460            }            }
461            } elsif ($self->{is_xml} and $self->{s_kwd} eq ']]') {
462              !!!cp (9.1);
463              !!!parse-error (type => 'unmatched mse', ## TODO: type
464                              line => $self->{line_prev},
465                              column => $self->{column_prev} - 1);
466              #
467          } else {          } else {
468            !!!cp (10);            !!!cp (10);
469              #
470          }          }
471                    
472          $self->{s_kwd} = '';          $self->{s_kwd} = '';
473          #          #
474          } elsif ($self->{nc} == 0x005D) { # ]
475            if ($self->{s_kwd} eq ']' or $self->{s_kwd} eq '') {
476              !!!cp (10.1);
477              $self->{s_kwd} .= ']';
478            } elsif ($self->{s_kwd} eq ']]') {
479              !!!cp (10.2);
480              #
481            } else {
482              !!!cp (10.3);
483              $self->{s_kwd} = '';
484            }
485            #
486        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
487          !!!cp (11);          !!!cp (11);
488          $self->{s_kwd} = '';          $self->{s_kwd} = '';
# Line 352  sub _get_next_token ($) { Line 500  sub _get_next_token ($) {
500                     data => chr $self->{nc},                     data => chr $self->{nc},
501                     line => $self->{line}, column => $self->{column},                     line => $self->{line}, column => $self->{column},
502                    };                    };
503        if ($self->{read_until}->($token->{data}, q[-!<>&],        if ($self->{read_until}->($token->{data}, q{-!<>&\]},
504                                  length $token->{data})) {                                  length $token->{data})) {
505          $self->{s_kwd} = '';          $self->{s_kwd} = '';
506        }        }
507    
508        ## Stay in the data state.        ## Stay in the data state.
509        if ($self->{content_model} == PCDATA_CONTENT_MODEL) {        if (not $self->{is_xml} and
510              $self->{content_model} == PCDATA_CONTENT_MODEL) {
511          !!!cp (13);          !!!cp (13);
512          $self->{state} = PCDATA_STATE;          $self->{state} = PCDATA_STATE;
513        } else {        } else {
# Line 369  sub _get_next_token ($) { Line 518  sub _get_next_token ($) {
518        !!!emit ($token);        !!!emit ($token);
519        redo A;        redo A;
520      } elsif ($self->{state} == TAG_OPEN_STATE) {      } elsif ($self->{state} == TAG_OPEN_STATE) {
521          ## XML5: "tag state".
522    
523        if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA        if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA
524          if ($self->{nc} == 0x002F) { # /          if ($self->{nc} == 0x002F) { # /
525            !!!cp (15);            !!!cp (15);
# Line 377  sub _get_next_token ($) { Line 528  sub _get_next_token ($) {
528            redo A;            redo A;
529          } elsif ($self->{nc} == 0x0021) { # !          } elsif ($self->{nc} == 0x0021) { # !
530            !!!cp (15.1);            !!!cp (15.1);
531            $self->{s_kwd} = '<' unless $self->{escape};            $self->{s_kwd} = $self->{escaped} ? '' : '<';
532            #            #
533          } else {          } else {
534            !!!cp (16);            !!!cp (16);
535              $self->{s_kwd} = '';
536            #            #
537          }          }
538    
# Line 407  sub _get_next_token ($) { Line 559  sub _get_next_token ($) {
559            !!!cp (19);            !!!cp (19);
560            $self->{ct}            $self->{ct}
561              = {type => START_TAG_TOKEN,              = {type => START_TAG_TOKEN,
562                 tag_name => chr ($self->{nc} + 0x0020),                 tag_name => chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020)),
563                 line => $self->{line_prev},                 line => $self->{line_prev},
564                 column => $self->{column_prev}};                 column => $self->{column_prev}};
565            $self->{state} = TAG_NAME_STATE;            $self->{state} = TAG_NAME_STATE;
# Line 429  sub _get_next_token ($) { Line 581  sub _get_next_token ($) {
581                            line => $self->{line_prev},                            line => $self->{line_prev},
582                            column => $self->{column_prev});                            column => $self->{column_prev});
583            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
584              $self->{s_kwd} = '';
585            !!!next-input-character;            !!!next-input-character;
586    
587            !!!emit ({type => CHARACTER_TOKEN, data => '<>',            !!!emit ({type => CHARACTER_TOKEN, data => '<>',
# Line 438  sub _get_next_token ($) { Line 591  sub _get_next_token ($) {
591    
592            redo A;            redo A;
593          } elsif ($self->{nc} == 0x003F) { # ?          } elsif ($self->{nc} == 0x003F) { # ?
594            !!!cp (22);            if ($self->{is_xml}) {
595            !!!parse-error (type => 'pio',              !!!cp (22.1);
596                            line => $self->{line_prev},              $self->{state} = PI_STATE;
597                            column => $self->{column_prev});              !!!next-input-character;
598            $self->{state} = BOGUS_COMMENT_STATE;              redo A;
599            $self->{ct} = {type => COMMENT_TOKEN, data => '',            } else {
600                                      line => $self->{line_prev},              !!!cp (22);
601                                      column => $self->{column_prev},              !!!parse-error (type => 'pio',
602                                     };                              line => $self->{line_prev},
603            ## $self->{nc} is intentionally left as is                              column => $self->{column_prev});
604            redo A;              $self->{state} = BOGUS_COMMENT_STATE;
605          } else {              $self->{ct} = {type => COMMENT_TOKEN, data => '',
606                               line => $self->{line_prev},
607                               column => $self->{column_prev},
608                              };
609                ## $self->{nc} is intentionally left as is
610                redo A;
611              }
612            } elsif (not $self->{is_xml} or $is_space->{$self->{nc}}) {
613            !!!cp (23);            !!!cp (23);
614            !!!parse-error (type => 'bare stago',            !!!parse-error (type => 'bare stago',
615                            line => $self->{line_prev},                            line => $self->{line_prev},
616                            column => $self->{column_prev});                            column => $self->{column_prev});
617            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
618              $self->{s_kwd} = '';
619            ## reconsume            ## reconsume
620    
621            !!!emit ({type => CHARACTER_TOKEN, data => '<',            !!!emit ({type => CHARACTER_TOKEN, data => '<',
# Line 463  sub _get_next_token ($) { Line 624  sub _get_next_token ($) {
624                     });                     });
625    
626            redo A;            redo A;
627            } else {
628              ## XML5: "<:" is a parse error.
629              !!!cp (23.1);
630              $self->{ct} = {type => START_TAG_TOKEN,
631                                        tag_name => chr ($self->{nc}),
632                                        line => $self->{line_prev},
633                                        column => $self->{column_prev}};
634              $self->{state} = TAG_NAME_STATE;
635              !!!next-input-character;
636              redo A;
637          }          }
638        } else {        } else {
639          die "$0: $self->{content_model} in tag open";          die "$0: $self->{content_model} in tag open";
# Line 471  sub _get_next_token ($) { Line 642  sub _get_next_token ($) {
642        ## NOTE: The "close tag open state" in the spec is implemented as        ## NOTE: The "close tag open state" in the spec is implemented as
643        ## |CLOSE_TAG_OPEN_STATE| and |CDATA_RCDATA_CLOSE_TAG_STATE|.        ## |CLOSE_TAG_OPEN_STATE| and |CDATA_RCDATA_CLOSE_TAG_STATE|.
644    
645          ## XML5: "end tag state".
646    
647        my ($l, $c) = ($self->{line_prev}, $self->{column_prev} - 1); # "<"of"</"        my ($l, $c) = ($self->{line_prev}, $self->{column_prev} - 1); # "<"of"</"
648        if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA        if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA
649          if (defined $self->{last_stag_name}) {          if (defined $self->{last_stag_name}) {
650            $self->{state} = CDATA_RCDATA_CLOSE_TAG_STATE;            $self->{state} = CDATA_RCDATA_CLOSE_TAG_STATE;
651            $self->{s_kwd} = '';            $self->{kwd} = '';
652            ## Reconsume.            ## Reconsume.
653            redo A;            redo A;
654          } else {          } else {
# Line 483  sub _get_next_token ($) { Line 656  sub _get_next_token ($) {
656            ## NOTE: See <http://krijnhoetmer.nl/irc-logs/whatwg/20070626#l-564>.            ## NOTE: See <http://krijnhoetmer.nl/irc-logs/whatwg/20070626#l-564>.
657            !!!cp (28);            !!!cp (28);
658            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
659              $self->{s_kwd} = '';
660            ## Reconsume.            ## Reconsume.
661            !!!emit ({type => CHARACTER_TOKEN, data => '</',            !!!emit ({type => CHARACTER_TOKEN, data => '</',
662                      line => $l, column => $c,                      line => $l, column => $c,
# Line 496  sub _get_next_token ($) { Line 670  sub _get_next_token ($) {
670          !!!cp (29);          !!!cp (29);
671          $self->{ct}          $self->{ct}
672              = {type => END_TAG_TOKEN,              = {type => END_TAG_TOKEN,
673                 tag_name => chr ($self->{nc} + 0x0020),                 tag_name => chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020)),
674                 line => $l, column => $c};                 line => $l, column => $c};
675          $self->{state} = TAG_NAME_STATE;          $self->{state} = TAG_NAME_STATE;
676          !!!next-input-character;          !!!next-input-character;
# Line 511  sub _get_next_token ($) { Line 685  sub _get_next_token ($) {
685          !!!next-input-character;          !!!next-input-character;
686          redo A;          redo A;
687        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (31);  
688          !!!parse-error (type => 'empty end tag',          !!!parse-error (type => 'empty end tag',
689                          line => $self->{line_prev}, ## "<" in "</>"                          line => $self->{line_prev}, ## "<" in "</>"
690                          column => $self->{column_prev} - 1);                          column => $self->{column_prev} - 1);
691          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
692          !!!next-input-character;          $self->{s_kwd} = '';
693            if ($self->{is_xml}) {
694              !!!cp (31);
695              ## XML5: No parse error.
696              
697              ## NOTE: This parser raises a parse error, since it supports
698              ## XML1, not XML5.
699    
700              ## NOTE: A short end tag token.
701              my $ct = {type => END_TAG_TOKEN,
702                        tag_name => '',
703                        line => $self->{line_prev},
704                        column => $self->{column_prev} - 1,
705                       };
706              !!!next-input-character;
707              !!!emit ($ct);
708            } else {
709              !!!cp (31.1);
710              !!!next-input-character;
711            }
712          redo A;          redo A;
713        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
714          !!!cp (32);          !!!cp (32);
715          !!!parse-error (type => 'bare etago');          !!!parse-error (type => 'bare etago');
716            $self->{s_kwd} = '';
717          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
718          # reconsume          # reconsume
719    
# Line 529  sub _get_next_token ($) { Line 722  sub _get_next_token ($) {
722                   });                   });
723    
724          redo A;          redo A;
725        } else {        } elsif (not $self->{is_xml} or
726                   $is_space->{$self->{nc}}) {
727          !!!cp (33);          !!!cp (33);
728          !!!parse-error (type => 'bogus end tag');          !!!parse-error (type => 'bogus end tag',
729                            line => $self->{line_prev}, # "<" of "</"
730                            column => $self->{column_prev} - 1);
731          $self->{state} = BOGUS_COMMENT_STATE;          $self->{state} = BOGUS_COMMENT_STATE;
732          $self->{ct} = {type => COMMENT_TOKEN, data => '',          $self->{ct} = {type => COMMENT_TOKEN, data => '',
733                                    line => $self->{line_prev}, # "<" of "</"                                    line => $self->{line_prev}, # "<" of "</"
# Line 544  sub _get_next_token ($) { Line 740  sub _get_next_token ($) {
740          ## generated from the bogus end tag, as defined in the          ## generated from the bogus end tag, as defined in the
741          ## "bogus comment state" entry.          ## "bogus comment state" entry.
742          redo A;          redo A;
743          } else {
744            ## XML5: "</:" is a parse error.
745            !!!cp (30.1);
746            $self->{ct} = {type => END_TAG_TOKEN,
747                           tag_name => chr ($self->{nc}),
748                           line => $l, column => $c};
749            $self->{state} = TAG_NAME_STATE; ## XML5: "end tag name state".
750            !!!next-input-character;
751            redo A;
752        }        }
753      } elsif ($self->{state} == CDATA_RCDATA_CLOSE_TAG_STATE) {      } elsif ($self->{state} == CDATA_RCDATA_CLOSE_TAG_STATE) {
754        my $ch = substr $self->{last_stag_name}, length $self->{s_kwd}, 1;        my $ch = substr $self->{last_stag_name}, length $self->{kwd}, 1;
755        if (length $ch) {        if (length $ch) {
756          my $CH = $ch;          my $CH = $ch;
757          $ch =~ tr/a-z/A-Z/;          $ch =~ tr/a-z/A-Z/;
# Line 554  sub _get_next_token ($) { Line 759  sub _get_next_token ($) {
759          if ($nch eq $ch or $nch eq $CH) {          if ($nch eq $ch or $nch eq $CH) {
760            !!!cp (24);            !!!cp (24);
761            ## Stay in the state.            ## Stay in the state.
762            $self->{s_kwd} .= $nch;            $self->{kwd} .= $nch;
763            !!!next-input-character;            !!!next-input-character;
764            redo A;            redo A;
765          } else {          } else {
766            !!!cp (25);            !!!cp (25);
767            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
768              $self->{s_kwd} = '';
769            ## Reconsume.            ## Reconsume.
770            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
771                      data => '</' . $self->{s_kwd},                      data => '</' . $self->{kwd},
772                      line => $self->{line_prev},                      line => $self->{line_prev},
773                      column => $self->{column_prev} - 1 - length $self->{s_kwd},                      column => $self->{column_prev} - 1 - length $self->{kwd},
774                     });                     });
775            redo A;            redo A;
776          }          }
# Line 578  sub _get_next_token ($) { Line 784  sub _get_next_token ($) {
784            !!!cp (26);            !!!cp (26);
785            ## Reconsume.            ## Reconsume.
786            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
787              $self->{s_kwd} = '';
788            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
789                      data => '</' . $self->{s_kwd},                      data => '</' . $self->{kwd},
790                      line => $self->{line_prev},                      line => $self->{line_prev},
791                      column => $self->{column_prev} - 1 - length $self->{s_kwd},                      column => $self->{column_prev} - 1 - length $self->{kwd},
792                     });                     });
793            redo A;            redo A;
794          } else {          } else {
# Line 590  sub _get_next_token ($) { Line 797  sub _get_next_token ($) {
797                = {type => END_TAG_TOKEN,                = {type => END_TAG_TOKEN,
798                   tag_name => $self->{last_stag_name},                   tag_name => $self->{last_stag_name},
799                   line => $self->{line_prev},                   line => $self->{line_prev},
800                   column => $self->{column_prev} - 1 - length $self->{s_kwd}};                   column => $self->{column_prev} - 1 - length $self->{kwd}};
801            $self->{state} = TAG_NAME_STATE;            $self->{state} = TAG_NAME_STATE;
802            ## Reconsume.            ## Reconsume.
803            redo A;            redo A;
# Line 619  sub _get_next_token ($) { Line 826  sub _get_next_token ($) {
826            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
827          }          }
828          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
829            $self->{s_kwd} = '';
830          !!!next-input-character;          !!!next-input-character;
831    
832          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 627  sub _get_next_token ($) { Line 835  sub _get_next_token ($) {
835        } elsif (0x0041 <= $self->{nc} and        } elsif (0x0041 <= $self->{nc} and
836                 $self->{nc} <= 0x005A) { # A..Z                 $self->{nc} <= 0x005A) { # A..Z
837          !!!cp (38);          !!!cp (38);
838          $self->{ct}->{tag_name} .= chr ($self->{nc} + 0x0020);          $self->{ct}->{tag_name}
839                .= chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020));
840            # start tag or end tag            # start tag or end tag
841          ## Stay in this state          ## Stay in this state
842          !!!next-input-character;          !!!next-input-character;
# Line 650  sub _get_next_token ($) { Line 859  sub _get_next_token ($) {
859            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
860          }          }
861          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
862            $self->{s_kwd} = '';
863          # reconsume          # reconsume
864    
865          !!!emit ($self->{ct}); # start tag or end tag          ## Discard the token.
866            #!!!emit ($self->{ct}); # start tag or end tag
867    
868          redo A;          redo A;
869        } elsif ($self->{nc} == 0x002F) { # /        } elsif ($self->{nc} == 0x002F) { # /
# Line 669  sub _get_next_token ($) { Line 880  sub _get_next_token ($) {
880          redo A;          redo A;
881        }        }
882      } elsif ($self->{state} == BEFORE_ATTRIBUTE_NAME_STATE) {      } elsif ($self->{state} == BEFORE_ATTRIBUTE_NAME_STATE) {
883          ## XML5: "Tag attribute name before state".
884    
885        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
886          !!!cp (45);          !!!cp (45);
887          ## Stay in the state          ## Stay in the state
# Line 690  sub _get_next_token ($) { Line 903  sub _get_next_token ($) {
903            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
904          }          }
905          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
906            $self->{s_kwd} = '';
907          !!!next-input-character;          !!!next-input-character;
908    
909          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 699  sub _get_next_token ($) { Line 913  sub _get_next_token ($) {
913                 $self->{nc} <= 0x005A) { # A..Z                 $self->{nc} <= 0x005A) { # A..Z
914          !!!cp (49);          !!!cp (49);
915          $self->{ca}          $self->{ca}
916              = {name => chr ($self->{nc} + 0x0020),              = {name => chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020)),
917                 value => '',                 value => '',
918                 line => $self->{line}, column => $self->{column}};                 line => $self->{line}, column => $self->{column}};
919          $self->{state} = ATTRIBUTE_NAME_STATE;          $self->{state} = ATTRIBUTE_NAME_STATE;
# Line 727  sub _get_next_token ($) { Line 941  sub _get_next_token ($) {
941            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
942          }          }
943          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
944            $self->{s_kwd} = '';
945          # reconsume          # reconsume
946    
947          !!!emit ($self->{ct}); # start tag or end tag          ## Discard the token.
948            #!!!emit ($self->{ct}); # start tag or end tag
949    
950          redo A;          redo A;
951        } else {        } else {
952          if ({          if ({
953               0x0022 => 1, # "               0x0022 => 1, # "
954               0x0027 => 1, # '               0x0027 => 1, # '
955                 0x003C => 1, # <
956               0x003D => 1, # =               0x003D => 1, # =
957              }->{$self->{nc}}) {              }->{$self->{nc}}) {
958            !!!cp (55);            !!!cp (55);
959              ## XML5: Not a parse error.
960            !!!parse-error (type => 'bad attribute name');            !!!parse-error (type => 'bad attribute name');
961          } else {          } else {
962            !!!cp (56);            !!!cp (56);
963              ## XML5: ":" raises a parse error and is ignored.
964          }          }
965          $self->{ca}          $self->{ca}
966              = {name => chr ($self->{nc}),              = {name => chr ($self->{nc}),
# Line 752  sub _get_next_token ($) { Line 971  sub _get_next_token ($) {
971          redo A;          redo A;
972        }        }
973      } elsif ($self->{state} == ATTRIBUTE_NAME_STATE) {      } elsif ($self->{state} == ATTRIBUTE_NAME_STATE) {
974          ## XML5: "Tag attribute name state".
975    
976        my $before_leave = sub {        my $before_leave = sub {
977          if (exists $self->{ct}->{attributes} # start tag or end tag          if (exists $self->{ct}->{attributes} # start tag or end tag
978              ->{$self->{ca}->{name}}) { # MUST              ->{$self->{ca}->{name}}) { # MUST
# Line 762  sub _get_next_token ($) { Line 983  sub _get_next_token ($) {
983            !!!cp (58);            !!!cp (58);
984            $self->{ct}->{attributes}->{$self->{ca}->{name}}            $self->{ct}->{attributes}->{$self->{ca}->{name}}
985              = $self->{ca};              = $self->{ca};
986              $self->{ca}->{index} = ++$self->{ct}->{last_index};
987          }          }
988        }; # $before_leave        }; # $before_leave
989    
# Line 778  sub _get_next_token ($) { Line 1000  sub _get_next_token ($) {
1000          !!!next-input-character;          !!!next-input-character;
1001          redo A;          redo A;
1002        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
1003            if ($self->{is_xml}) {
1004              !!!cp (60.1);
1005              ## XML5: Not a parse error.
1006              !!!parse-error (type => 'no attr value'); ## TODO: type
1007            } else {
1008              !!!cp (60.2);
1009            }
1010    
1011          $before_leave->();          $before_leave->();
1012          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1013            !!!cp (61);            !!!cp (61);
# Line 792  sub _get_next_token ($) { Line 1022  sub _get_next_token ($) {
1022            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1023          }          }
1024          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1025            $self->{s_kwd} = '';
1026          !!!next-input-character;          !!!next-input-character;
1027    
1028          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 800  sub _get_next_token ($) { Line 1031  sub _get_next_token ($) {
1031        } elsif (0x0041 <= $self->{nc} and        } elsif (0x0041 <= $self->{nc} and
1032                 $self->{nc} <= 0x005A) { # A..Z                 $self->{nc} <= 0x005A) { # A..Z
1033          !!!cp (63);          !!!cp (63);
1034          $self->{ca}->{name} .= chr ($self->{nc} + 0x0020);          $self->{ca}->{name}
1035                .= chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020));
1036          ## Stay in the state          ## Stay in the state
1037          !!!next-input-character;          !!!next-input-character;
1038          redo A;          redo A;
1039        } elsif ($self->{nc} == 0x002F) { # /        } elsif ($self->{nc} == 0x002F) { # /
1040          !!!cp (64);          if ($self->{is_xml}) {
1041              !!!cp (64);
1042              ## XML5: Not a parse error.
1043              !!!parse-error (type => 'no attr value'); ## TODO: type
1044            } else {
1045              !!!cp (64.1);
1046            }
1047            
1048          $before_leave->();          $before_leave->();
1049          $self->{state} = SELF_CLOSING_START_TAG_STATE;          $self->{state} = SELF_CLOSING_START_TAG_STATE;
1050          !!!next-input-character;          !!!next-input-character;
# Line 829  sub _get_next_token ($) { Line 1068  sub _get_next_token ($) {
1068            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1069          }          }
1070          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1071            $self->{s_kwd} = '';
1072          # reconsume          # reconsume
1073    
1074          !!!emit ($self->{ct}); # start tag or end tag          ## Discard the token.
1075            #!!!emit ($self->{ct}); # start tag or end tag
1076    
1077          redo A;          redo A;
1078        } else {        } else {
1079          if ($self->{nc} == 0x0022 or # "          if ({
1080              $self->{nc} == 0x0027) { # '               0x0022 => 1, # "
1081                 0x0027 => 1, # '
1082                 0x003C => 1, # <
1083                }->{$self->{nc}}) {
1084            !!!cp (69);            !!!cp (69);
1085              ## XML5: Not a parse error.
1086            !!!parse-error (type => 'bad attribute name');            !!!parse-error (type => 'bad attribute name');
1087          } else {          } else {
1088            !!!cp (70);            !!!cp (70);
# Line 848  sub _get_next_token ($) { Line 1093  sub _get_next_token ($) {
1093          redo A;          redo A;
1094        }        }
1095      } elsif ($self->{state} == AFTER_ATTRIBUTE_NAME_STATE) {      } elsif ($self->{state} == AFTER_ATTRIBUTE_NAME_STATE) {
1096          ## XML5: "Tag attribute name after state".
1097          
1098        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
1099          !!!cp (71);          !!!cp (71);
1100          ## Stay in the state          ## Stay in the state
# Line 859  sub _get_next_token ($) { Line 1106  sub _get_next_token ($) {
1106          !!!next-input-character;          !!!next-input-character;
1107          redo A;          redo A;
1108        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
1109            if ($self->{is_xml}) {
1110              !!!cp (72.1);
1111              ## XML5: Not a parse error.
1112              !!!parse-error (type => 'no attr value'); ## TODO: type
1113            } else {
1114              !!!cp (72.2);
1115            }
1116    
1117          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1118            !!!cp (73);            !!!cp (73);
1119            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
# Line 875  sub _get_next_token ($) { Line 1130  sub _get_next_token ($) {
1130            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1131          }          }
1132          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1133            $self->{s_kwd} = '';
1134          !!!next-input-character;          !!!next-input-character;
1135    
1136          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 884  sub _get_next_token ($) { Line 1140  sub _get_next_token ($) {
1140                 $self->{nc} <= 0x005A) { # A..Z                 $self->{nc} <= 0x005A) { # A..Z
1141          !!!cp (76);          !!!cp (76);
1142          $self->{ca}          $self->{ca}
1143              = {name => chr ($self->{nc} + 0x0020),              = {name => chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020)),
1144                 value => '',                 value => '',
1145                 line => $self->{line}, column => $self->{column}};                 line => $self->{line}, column => $self->{column}};
1146          $self->{state} = ATTRIBUTE_NAME_STATE;          $self->{state} = ATTRIBUTE_NAME_STATE;
1147          !!!next-input-character;          !!!next-input-character;
1148          redo A;          redo A;
1149        } elsif ($self->{nc} == 0x002F) { # /        } elsif ($self->{nc} == 0x002F) { # /
1150          !!!cp (77);          if ($self->{is_xml}) {
1151              !!!cp (77);
1152              ## XML5: Not a parse error.
1153              !!!parse-error (type => 'no attr value'); ## TODO: type
1154            } else {
1155              !!!cp (77.1);
1156            }
1157            
1158          $self->{state} = SELF_CLOSING_START_TAG_STATE;          $self->{state} = SELF_CLOSING_START_TAG_STATE;
1159          !!!next-input-character;          !!!next-input-character;
1160          redo A;          redo A;
# Line 912  sub _get_next_token ($) { Line 1175  sub _get_next_token ($) {
1175          } else {          } else {
1176            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1177          }          }
1178            $self->{s_kwd} = '';
1179          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1180          # reconsume          # reconsume
1181    
1182          !!!emit ($self->{ct}); # start tag or end tag          ## Discard the token.
1183            #!!!emit ($self->{ct}); # start tag or end tag
1184    
1185          redo A;          redo A;
1186        } else {        } else {
1187          if ($self->{nc} == 0x0022 or # "          if ($self->{is_xml}) {
1188              $self->{nc} == 0x0027) { # '            !!!cp (78.1);
1189              ## XML5: Not a parse error.
1190              !!!parse-error (type => 'no attr value'); ## TODO: type
1191            } else {
1192              !!!cp (78.2);
1193            }
1194    
1195            if ({
1196                 0x0022 => 1, # "
1197                 0x0027 => 1, # '
1198                 0x003C => 1, # <
1199                }->{$self->{nc}}) {
1200            !!!cp (78);            !!!cp (78);
1201              ## XML5: Not a parse error.
1202            !!!parse-error (type => 'bad attribute name');            !!!parse-error (type => 'bad attribute name');
1203          } else {          } else {
1204            !!!cp (82);            !!!cp (82);
# Line 935  sub _get_next_token ($) { Line 1212  sub _get_next_token ($) {
1212          redo A;                  redo A;        
1213        }        }
1214      } elsif ($self->{state} == BEFORE_ATTRIBUTE_VALUE_STATE) {      } elsif ($self->{state} == BEFORE_ATTRIBUTE_VALUE_STATE) {
1215          ## XML5: "Tag attribute value before state".
1216    
1217        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
1218          !!!cp (83);          !!!cp (83);
1219          ## Stay in the state          ## Stay in the state
# Line 973  sub _get_next_token ($) { Line 1252  sub _get_next_token ($) {
1252            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1253          }          }
1254          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1255            $self->{s_kwd} = '';
1256          !!!next-input-character;          !!!next-input-character;
1257    
1258          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 996  sub _get_next_token ($) { Line 1276  sub _get_next_token ($) {
1276            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1277          }          }
1278          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1279            $self->{s_kwd} = '';
1280          ## reconsume          ## reconsume
1281    
1282          !!!emit ($self->{ct}); # start tag or end tag          ## Discard the token.
1283            #!!!emit ($self->{ct}); # start tag or end tag
1284    
1285          redo A;          redo A;
1286        } else {        } else {
1287          if ($self->{nc} == 0x003D) { # =          if ($self->{nc} == 0x003D or $self->{nc} == 0x003C) { # =, <
1288            !!!cp (93);            !!!cp (93);
1289              ## XML5: Not a parse error.
1290            !!!parse-error (type => 'bad attribute value');            !!!parse-error (type => 'bad attribute value');
1291            } elsif ($self->{is_xml}) {
1292              !!!cp (93.1);
1293              ## XML5: No parse error.
1294              !!!parse-error (type => 'unquoted attr value'); ## TODO
1295          } else {          } else {
1296            !!!cp (94);            !!!cp (94);
1297          }          }
# Line 1014  sub _get_next_token ($) { Line 1301  sub _get_next_token ($) {
1301          redo A;          redo A;
1302        }        }
1303      } elsif ($self->{state} == ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE) {      } elsif ($self->{state} == ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE) {
1304          ## XML5: "Tag attribute value double quoted state" and "DOCTYPE
1305          ## ATTLIST attribute value double quoted state".
1306          
1307        if ($self->{nc} == 0x0022) { # "        if ($self->{nc} == 0x0022) { # "
1308          !!!cp (95);          if ($self->{ct}->{type} == ATTLIST_TOKEN) {
1309          $self->{state} = AFTER_ATTRIBUTE_VALUE_QUOTED_STATE;            !!!cp (95.1);
1310              ## XML5: "DOCTYPE ATTLIST name after state".
1311              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1312              $self->{state} = AFTER_ATTLIST_ATTR_VALUE_QUOTED_STATE;
1313            } else {
1314              !!!cp (95);
1315              ## XML5: "Tag attribute name before state".
1316              $self->{state} = AFTER_ATTRIBUTE_VALUE_QUOTED_STATE;
1317            }
1318          !!!next-input-character;          !!!next-input-character;
1319          redo A;          redo A;
1320        } elsif ($self->{nc} == 0x0026) { # &        } elsif ($self->{nc} == 0x0026) { # &
1321          !!!cp (96);          !!!cp (96);
1322            ## XML5: Not defined yet.
1323    
1324          ## NOTE: In the spec, the tokenizer is switched to the          ## NOTE: In the spec, the tokenizer is switched to the
1325          ## "entity in attribute value state".  In this implementation, the          ## "entity in attribute value state".  In this implementation, the
1326          ## tokenizer is switched to the |ENTITY_STATE|, which is an          ## tokenizer is switched to the |ENTITY_STATE|, which is an
# Line 1030  sub _get_next_token ($) { Line 1330  sub _get_next_token ($) {
1330          $self->{state} = ENTITY_STATE;          $self->{state} = ENTITY_STATE;
1331          !!!next-input-character;          !!!next-input-character;
1332          redo A;          redo A;
1333          } elsif ($self->{is_xml} and
1334                   $is_space->{$self->{nc}}) {
1335            !!!cp (97.1);
1336            $self->{ca}->{value} .= ' ';
1337            ## Stay in the state.
1338            !!!next-input-character;
1339            redo A;
1340        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
1341          !!!parse-error (type => 'unclosed attribute value');          !!!parse-error (type => 'unclosed attribute value');
1342          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1343            !!!cp (97);            !!!cp (97);
1344            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
1345    
1346              $self->{state} = DATA_STATE;
1347              $self->{s_kwd} = '';
1348              ## reconsume
1349              !!!emit ($self->{ct}); # start tag
1350              redo A;
1351          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {
1352            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1353            if ($self->{ct}->{attributes}) {            if ($self->{ct}->{attributes}) {
# Line 1044  sub _get_next_token ($) { Line 1357  sub _get_next_token ($) {
1357              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1358              !!!cp (99);              !!!cp (99);
1359            }            }
1360    
1361              $self->{state} = DATA_STATE;
1362              $self->{s_kwd} = '';
1363              ## reconsume
1364    
1365              ## Discard the token.
1366              #!!!emit ($self->{ct}); # end tag
1367    
1368              redo A;
1369            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1370              ## XML5: No parse error above; not defined yet.
1371              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1372              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1373              ## Reconsume.
1374    
1375              ## Discard the token.
1376              #!!!emit ($self->{ct}); # ATTLIST
1377    
1378              redo A;
1379          } else {          } else {
1380            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1381          }          }
         $self->{state} = DATA_STATE;  
         ## reconsume  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1382        } else {        } else {
1383          !!!cp (100);          ## XML5 [ATTLIST]: Not defined yet.
1384            if ($self->{is_xml} and $self->{nc} == 0x003C) { # <
1385              !!!cp (100);
1386              ## XML5: Not a parse error.
1387              !!!parse-error (type => 'lt in attr value'); ## TODO: type
1388            } else {
1389              !!!cp (100.1);
1390            }
1391          $self->{ca}->{value} .= chr ($self->{nc});          $self->{ca}->{value} .= chr ($self->{nc});
1392          $self->{read_until}->($self->{ca}->{value},          $self->{read_until}->($self->{ca}->{value},
1393                                q["&],                                qq["&<\x09\x0C\x20],
1394                                length $self->{ca}->{value});                                length $self->{ca}->{value});
1395    
1396          ## Stay in the state          ## Stay in the state
# Line 1065  sub _get_next_token ($) { Line 1398  sub _get_next_token ($) {
1398          redo A;          redo A;
1399        }        }
1400      } elsif ($self->{state} == ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE) {      } elsif ($self->{state} == ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE) {
1401          ## XML5: "Tag attribute value single quoted state" and "DOCTYPE
1402          ## ATTLIST attribute value single quoted state".
1403    
1404        if ($self->{nc} == 0x0027) { # '        if ($self->{nc} == 0x0027) { # '
1405          !!!cp (101);          if ($self->{ct}->{type} == ATTLIST_TOKEN) {
1406          $self->{state} = AFTER_ATTRIBUTE_VALUE_QUOTED_STATE;            !!!cp (101.1);
1407              ## XML5: "DOCTYPE ATTLIST name after state".
1408              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1409              $self->{state} = AFTER_ATTLIST_ATTR_VALUE_QUOTED_STATE;
1410            } else {
1411              !!!cp (101);
1412              ## XML5: "Before attribute name state" (sic).
1413              $self->{state} = AFTER_ATTRIBUTE_VALUE_QUOTED_STATE;
1414            }
1415          !!!next-input-character;          !!!next-input-character;
1416          redo A;          redo A;
1417        } elsif ($self->{nc} == 0x0026) { # &        } elsif ($self->{nc} == 0x0026) { # &
1418          !!!cp (102);          !!!cp (102);
1419            ## XML5: Not defined yet.
1420    
1421          ## NOTE: In the spec, the tokenizer is switched to the          ## NOTE: In the spec, the tokenizer is switched to the
1422          ## "entity in attribute value state".  In this implementation, the          ## "entity in attribute value state".  In this implementation, the
1423          ## tokenizer is switched to the |ENTITY_STATE|, which is an          ## tokenizer is switched to the |ENTITY_STATE|, which is an
# Line 1081  sub _get_next_token ($) { Line 1427  sub _get_next_token ($) {
1427          $self->{state} = ENTITY_STATE;          $self->{state} = ENTITY_STATE;
1428          !!!next-input-character;          !!!next-input-character;
1429          redo A;          redo A;
1430          } elsif ($self->{is_xml} and
1431                   $is_space->{$self->{nc}}) {
1432            !!!cp (103.1);
1433            $self->{ca}->{value} .= ' ';
1434            ## Stay in the state.
1435            !!!next-input-character;
1436            redo A;
1437        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
1438          !!!parse-error (type => 'unclosed attribute value');          !!!parse-error (type => 'unclosed attribute value');
1439          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1440            !!!cp (103);            !!!cp (103);
1441            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
1442    
1443              $self->{state} = DATA_STATE;
1444              $self->{s_kwd} = '';
1445              ## reconsume
1446    
1447              ## Discard the token.
1448              #!!!emit ($self->{ct}); # start tag
1449    
1450              redo A;
1451          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {
1452            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1453            if ($self->{ct}->{attributes}) {            if ($self->{ct}->{attributes}) {
# Line 1095  sub _get_next_token ($) { Line 1457  sub _get_next_token ($) {
1457              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1458              !!!cp (105);              !!!cp (105);
1459            }            }
1460    
1461              $self->{state} = DATA_STATE;
1462              $self->{s_kwd} = '';
1463              ## reconsume
1464    
1465              ## Discard the token.
1466              #!!!emit ($self->{ct}); # end tag
1467    
1468              redo A;
1469            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1470              ## XML5: No parse error above; not defined yet.
1471              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1472              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1473              ## Reconsume.
1474    
1475              ## Discard the token.
1476              #!!!emit ($self->{ct}); # ATTLIST
1477    
1478              redo A;
1479          } else {          } else {
1480            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1481          }          }
         $self->{state} = DATA_STATE;  
         ## reconsume  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1482        } else {        } else {
1483          !!!cp (106);          ## XML5 [ATTLIST]: Not defined yet.
1484            if ($self->{is_xml} and $self->{nc} == 0x003C) { # <
1485              !!!cp (106);
1486              ## XML5: Not a parse error.
1487              !!!parse-error (type => 'lt in attr value'); ## TODO: type
1488            } else {
1489              !!!cp (106.1);
1490            }
1491          $self->{ca}->{value} .= chr ($self->{nc});          $self->{ca}->{value} .= chr ($self->{nc});
1492          $self->{read_until}->($self->{ca}->{value},          $self->{read_until}->($self->{ca}->{value},
1493                                q['&],                                qq['&<\x09\x0C\x20],
1494                                length $self->{ca}->{value});                                length $self->{ca}->{value});
1495    
1496          ## Stay in the state          ## Stay in the state
# Line 1116  sub _get_next_token ($) { Line 1498  sub _get_next_token ($) {
1498          redo A;          redo A;
1499        }        }
1500      } elsif ($self->{state} == ATTRIBUTE_VALUE_UNQUOTED_STATE) {      } elsif ($self->{state} == ATTRIBUTE_VALUE_UNQUOTED_STATE) {
1501          ## XML5: "Tag attribute value unquoted state".
1502    
1503        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
1504          !!!cp (107);          if ($self->{ct}->{type} == ATTLIST_TOKEN) {
1505          $self->{state} = BEFORE_ATTRIBUTE_NAME_STATE;            !!!cp (107.1);
1506              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1507              $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
1508            } else {
1509              !!!cp (107);
1510              ## XML5: "Tag attribute name before state".
1511              $self->{state} = BEFORE_ATTRIBUTE_NAME_STATE;
1512            }
1513          !!!next-input-character;          !!!next-input-character;
1514          redo A;          redo A;
1515        } elsif ($self->{nc} == 0x0026) { # &        } elsif ($self->{nc} == 0x0026) { # &
1516          !!!cp (108);          !!!cp (108);
1517    
1518            ## XML5: Not defined yet.
1519    
1520          ## NOTE: In the spec, the tokenizer is switched to the          ## NOTE: In the spec, the tokenizer is switched to the
1521          ## "entity in attribute value state".  In this implementation, the          ## "entity in attribute value state".  In this implementation, the
1522          ## tokenizer is switched to the |ENTITY_STATE|, which is an          ## tokenizer is switched to the |ENTITY_STATE|, which is an
# Line 1136  sub _get_next_token ($) { Line 1530  sub _get_next_token ($) {
1530          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1531            !!!cp (109);            !!!cp (109);
1532            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
1533    
1534              $self->{state} = DATA_STATE;
1535              $self->{s_kwd} = '';
1536              !!!next-input-character;
1537              !!!emit ($self->{ct}); # start tag
1538              redo A;
1539          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {
1540            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1541            if ($self->{ct}->{attributes}) {            if ($self->{ct}->{attributes}) {
# Line 1145  sub _get_next_token ($) { Line 1545  sub _get_next_token ($) {
1545              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1546              !!!cp (111);              !!!cp (111);
1547            }            }
1548    
1549              $self->{state} = DATA_STATE;
1550              $self->{s_kwd} = '';
1551              !!!next-input-character;
1552              !!!emit ($self->{ct}); # end tag
1553              redo A;
1554            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1555              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1556              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1557              !!!next-input-character;
1558              !!!emit ($self->{ct}); # ATTLIST
1559              redo A;
1560          } else {          } else {
1561            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1562          }          }
         $self->{state} = DATA_STATE;  
         !!!next-input-character;  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1563        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!parse-error (type => 'unclosed tag');  
1564          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1565            !!!cp (112);            !!!cp (112);
1566              !!!parse-error (type => 'unclosed tag');
1567            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
1568    
1569              $self->{state} = DATA_STATE;
1570              $self->{s_kwd} = '';
1571              ## reconsume
1572    
1573              ## Discard the token.
1574              #!!!emit ($self->{ct}); # start tag
1575              
1576              redo A;
1577          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {
1578              !!!parse-error (type => 'unclosed tag');
1579            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1580            if ($self->{ct}->{attributes}) {            if ($self->{ct}->{attributes}) {
1581              !!!cp (113);              !!!cp (113);
# Line 1168  sub _get_next_token ($) { Line 1584  sub _get_next_token ($) {
1584              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1585              !!!cp (114);              !!!cp (114);
1586            }            }
1587    
1588              $self->{state} = DATA_STATE;
1589              $self->{s_kwd} = '';
1590              ## reconsume
1591    
1592              ## Discard the token.
1593              #!!!emit ($self->{ct}); # end tag
1594    
1595              redo A;
1596            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1597              !!!parse-error (type => 'unclosed md'); ## TODO: type
1598              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1599              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1600              ## Reconsume.
1601    
1602              ## Discard the token.
1603              #!!!emit ($self->{ct}); # ATTLIST
1604    
1605              redo A;
1606          } else {          } else {
1607            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1608          }          }
         $self->{state} = DATA_STATE;  
         ## reconsume  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1609        } else {        } else {
1610          if ({          if ({
1611               0x0022 => 1, # "               0x0022 => 1, # "
1612               0x0027 => 1, # '               0x0027 => 1, # '
1613               0x003D => 1, # =               0x003D => 1, # =
1614                 0x003C => 1, # <
1615              }->{$self->{nc}}) {              }->{$self->{nc}}) {
1616            !!!cp (115);            !!!cp (115);
1617              ## XML5: Not a parse error.
1618            !!!parse-error (type => 'bad attribute value');            !!!parse-error (type => 'bad attribute value');
1619          } else {          } else {
1620            !!!cp (116);            !!!cp (116);
1621          }          }
1622          $self->{ca}->{value} .= chr ($self->{nc});          $self->{ca}->{value} .= chr ($self->{nc});
1623          $self->{read_until}->($self->{ca}->{value},          $self->{read_until}->($self->{ca}->{value},
1624                                q["'=& >],                                qq["'=& \x09\x0C>],
1625                                length $self->{ca}->{value});                                length $self->{ca}->{value});
1626    
1627          ## Stay in the state          ## Stay in the state
# Line 1220  sub _get_next_token ($) { Line 1651  sub _get_next_token ($) {
1651            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1652          }          }
1653          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1654            $self->{s_kwd} = '';
1655          !!!next-input-character;          !!!next-input-character;
1656    
1657          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 1247  sub _get_next_token ($) { Line 1679  sub _get_next_token ($) {
1679            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1680          }          }
1681          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1682            $self->{s_kwd} = '';
1683          ## Reconsume.          ## Reconsume.
1684          !!!emit ($self->{ct}); # start tag or end tag  
1685            ## Discard the token.
1686            #!!!emit ($self->{ct}); # start tag or end tag
1687    
1688          redo A;          redo A;
1689        } else {        } else {
1690          !!!cp ('124.1');          !!!cp ('124.1');
# Line 1258  sub _get_next_token ($) { Line 1694  sub _get_next_token ($) {
1694          redo A;          redo A;
1695        }        }
1696      } elsif ($self->{state} == SELF_CLOSING_START_TAG_STATE) {      } elsif ($self->{state} == SELF_CLOSING_START_TAG_STATE) {
1697          ## XML5: "Empty tag state".
1698    
1699        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
1700          if ($self->{ct}->{type} == END_TAG_TOKEN) {          if ($self->{ct}->{type} == END_TAG_TOKEN) {
1701            !!!cp ('124.2');            !!!cp ('124.2');
# Line 1277  sub _get_next_token ($) { Line 1715  sub _get_next_token ($) {
1715          }          }
1716    
1717          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1718            $self->{s_kwd} = '';
1719          !!!next-input-character;          !!!next-input-character;
1720    
1721          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 1298  sub _get_next_token ($) { Line 1737  sub _get_next_token ($) {
1737          } else {          } else {
1738            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1739          }          }
1740            ## XML5: "Tag attribute name before state".
1741          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1742            $self->{s_kwd} = '';
1743          ## Reconsume.          ## Reconsume.
1744          !!!emit ($self->{ct}); # start tag or end tag  
1745            ## Discard the token.
1746            #!!!emit ($self->{ct}); # start tag or end tag
1747    
1748          redo A;          redo A;
1749        } else {        } else {
1750          !!!cp ('124.4');          !!!cp ('124.4');
# Line 1311  sub _get_next_token ($) { Line 1755  sub _get_next_token ($) {
1755          redo A;          redo A;
1756        }        }
1757      } elsif ($self->{state} == BOGUS_COMMENT_STATE) {      } elsif ($self->{state} == BOGUS_COMMENT_STATE) {
1758        ## (only happen if PCDATA state)        ## XML5: "Bogus comment state" and "DOCTYPE bogus comment state".
1759    
1760        ## NOTE: Unlike spec's "bogus comment state", this implementation        ## NOTE: Unlike spec's "bogus comment state", this implementation
1761        ## consumes characters one-by-one basis.        ## consumes characters one-by-one basis.
1762                
1763        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
1764          !!!cp (124);          if ($self->{in_subset}) {
1765          $self->{state} = DATA_STATE;            !!!cp (123);
1766              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1767            } else {
1768              !!!cp (124);
1769              $self->{state} = DATA_STATE;
1770              $self->{s_kwd} = '';
1771            }
1772          !!!next-input-character;          !!!next-input-character;
1773    
1774          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
1775          redo A;          redo A;
1776        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
1777          !!!cp (125);          if ($self->{in_subset}) {
1778          $self->{state} = DATA_STATE;            !!!cp (125.1);
1779              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1780            } else {
1781              !!!cp (125);
1782              $self->{state} = DATA_STATE;
1783              $self->{s_kwd} = '';
1784            }
1785          ## reconsume          ## reconsume
1786    
1787          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1342  sub _get_next_token ($) { Line 1798  sub _get_next_token ($) {
1798          redo A;          redo A;
1799        }        }
1800      } elsif ($self->{state} == MARKUP_DECLARATION_OPEN_STATE) {      } elsif ($self->{state} == MARKUP_DECLARATION_OPEN_STATE) {
1801        ## (only happen if PCDATA state)        ## XML5: "Markup declaration state".
1802                
1803        if ($self->{nc} == 0x002D) { # -        if ($self->{nc} == 0x002D) { # -
1804          !!!cp (133);          !!!cp (133);
# Line 1354  sub _get_next_token ($) { Line 1810  sub _get_next_token ($) {
1810          ## ASCII case-insensitive.          ## ASCII case-insensitive.
1811          !!!cp (130);          !!!cp (130);
1812          $self->{state} = MD_DOCTYPE_STATE;          $self->{state} = MD_DOCTYPE_STATE;
1813          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
1814          !!!next-input-character;          !!!next-input-character;
1815          redo A;          redo A;
1816        } elsif ($self->{insertion_mode} & IN_FOREIGN_CONTENT_IM and        } elsif ((($self->{insertion_mode} & IN_FOREIGN_CONTENT_IM and
1817                 $self->{open_elements}->[-1]->[1] & FOREIGN_EL and                   $self->{open_elements}->[-1]->[1] & FOREIGN_EL) or
1818                    $self->{is_xml}) and
1819                 $self->{nc} == 0x005B) { # [                 $self->{nc} == 0x005B) { # [
1820          !!!cp (135.4);                          !!!cp (135.4);                
1821          $self->{state} = MD_CDATA_STATE;          $self->{state} = MD_CDATA_STATE;
1822          $self->{s_kwd} = '[';          $self->{kwd} = '[';
1823          !!!next-input-character;          !!!next-input-character;
1824          redo A;          redo A;
1825        } else {        } else {
# Line 1386  sub _get_next_token ($) { Line 1843  sub _get_next_token ($) {
1843                                    line => $self->{line_prev},                                    line => $self->{line_prev},
1844                                    column => $self->{column_prev} - 2,                                    column => $self->{column_prev} - 2,
1845                                   };                                   };
1846          $self->{state} = COMMENT_START_STATE;          $self->{state} = COMMENT_START_STATE; ## XML5: "comment state".
1847          !!!next-input-character;          !!!next-input-character;
1848          redo A;          redo A;
1849        } else {        } else {
# Line 1412  sub _get_next_token ($) { Line 1869  sub _get_next_token ($) {
1869              0x0054, # T              0x0054, # T
1870              0x0059, # Y              0x0059, # Y
1871              0x0050, # P              0x0050, # P
1872            ]->[length $self->{s_kwd}] or            ]->[length $self->{kwd}] or
1873            $self->{nc} == [            $self->{nc} == [
1874              undef,              undef,
1875              0x006F, # o              0x006F, # o
# Line 1420  sub _get_next_token ($) { Line 1877  sub _get_next_token ($) {
1877              0x0074, # t              0x0074, # t
1878              0x0079, # y              0x0079, # y
1879              0x0070, # p              0x0070, # p
1880            ]->[length $self->{s_kwd}]) {            ]->[length $self->{kwd}]) {
1881          !!!cp (131);          !!!cp (131);
1882          ## Stay in the state.          ## Stay in the state.
1883          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
1884          !!!next-input-character;          !!!next-input-character;
1885          redo A;          redo A;
1886        } elsif ((length $self->{s_kwd}) == 6 and        } elsif ((length $self->{kwd}) == 6 and
1887                 ($self->{nc} == 0x0045 or # E                 ($self->{nc} == 0x0045 or # E
1888                  $self->{nc} == 0x0065)) { # e                  $self->{nc} == 0x0065)) { # e
1889          !!!cp (129);          if ($self->{is_xml} and
1890                ($self->{kwd} ne 'DOCTYP' or $self->{nc} == 0x0065)) {
1891              !!!cp (129);
1892              ## XML5: case-sensitive.
1893              !!!parse-error (type => 'lowercase keyword', ## TODO
1894                              text => 'DOCTYPE',
1895                              line => $self->{line_prev},
1896                              column => $self->{column_prev} - 5);
1897            } else {
1898              !!!cp (129.1);
1899            }
1900          $self->{state} = DOCTYPE_STATE;          $self->{state} = DOCTYPE_STATE;
1901          $self->{ct} = {type => DOCTYPE_TOKEN,          $self->{ct} = {type => DOCTYPE_TOKEN,
1902                                    quirks => 1,                                    quirks => 1,
# Line 1442  sub _get_next_token ($) { Line 1909  sub _get_next_token ($) {
1909          !!!cp (132);                  !!!cp (132);        
1910          !!!parse-error (type => 'bogus comment',          !!!parse-error (type => 'bogus comment',
1911                          line => $self->{line_prev},                          line => $self->{line_prev},
1912                          column => $self->{column_prev} - 1 - length $self->{s_kwd});                          column => $self->{column_prev} - 1 - length $self->{kwd});
1913          $self->{state} = BOGUS_COMMENT_STATE;          $self->{state} = BOGUS_COMMENT_STATE;
1914          ## Reconsume.          ## Reconsume.
1915          $self->{ct} = {type => COMMENT_TOKEN,          $self->{ct} = {type => COMMENT_TOKEN,
1916                                    data => $self->{s_kwd},                                    data => $self->{kwd},
1917                                    line => $self->{line_prev},                                    line => $self->{line_prev},
1918                                    column => $self->{column_prev} - 1 - length $self->{s_kwd},                                    column => $self->{column_prev} - 1 - length $self->{kwd},
1919                                   };                                   };
1920          redo A;          redo A;
1921        }        }
# Line 1459  sub _get_next_token ($) { Line 1926  sub _get_next_token ($) {
1926              '[CD' => 0x0041, # A              '[CD' => 0x0041, # A
1927              '[CDA' => 0x0054, # T              '[CDA' => 0x0054, # T
1928              '[CDAT' => 0x0041, # A              '[CDAT' => 0x0041, # A
1929            }->{$self->{s_kwd}}) {            }->{$self->{kwd}}) {
1930          !!!cp (135.1);          !!!cp (135.1);
1931          ## Stay in the state.          ## Stay in the state.
1932          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
1933          !!!next-input-character;          !!!next-input-character;
1934          redo A;          redo A;
1935        } elsif ($self->{s_kwd} eq '[CDATA' and        } elsif ($self->{kwd} eq '[CDATA' and
1936                 $self->{nc} == 0x005B) { # [                 $self->{nc} == 0x005B) { # [
1937          !!!cp (135.2);          if ($self->{is_xml} and
1938                not $self->{tainted} and
1939                @{$self->{open_elements} or []} == 0) {
1940              !!!cp (135.2);
1941              !!!parse-error (type => 'cdata outside of root element',
1942                              line => $self->{line_prev},
1943                              column => $self->{column_prev} - 7);
1944              $self->{tainted} = 1;
1945            } else {
1946              !!!cp (135.21);
1947            }
1948    
1949          $self->{ct} = {type => CHARACTER_TOKEN,          $self->{ct} = {type => CHARACTER_TOKEN,
1950                                    data => '',                                    data => '',
1951                                    line => $self->{line_prev},                                    line => $self->{line_prev},
# Line 1479  sub _get_next_token ($) { Line 1957  sub _get_next_token ($) {
1957          !!!cp (135.3);          !!!cp (135.3);
1958          !!!parse-error (type => 'bogus comment',          !!!parse-error (type => 'bogus comment',
1959                          line => $self->{line_prev},                          line => $self->{line_prev},
1960                          column => $self->{column_prev} - 1 - length $self->{s_kwd});                          column => $self->{column_prev} - 1 - length $self->{kwd});
1961          $self->{state} = BOGUS_COMMENT_STATE;          $self->{state} = BOGUS_COMMENT_STATE;
1962          ## Reconsume.          ## Reconsume.
1963          $self->{ct} = {type => COMMENT_TOKEN,          $self->{ct} = {type => COMMENT_TOKEN,
1964                                    data => $self->{s_kwd},                                    data => $self->{kwd},
1965                                    line => $self->{line_prev},                                    line => $self->{line_prev},
1966                                    column => $self->{column_prev} - 1 - length $self->{s_kwd},                                    column => $self->{column_prev} - 1 - length $self->{kwd},
1967                                   };                                   };
1968          redo A;          redo A;
1969        }        }
# Line 1496  sub _get_next_token ($) { Line 1974  sub _get_next_token ($) {
1974          !!!next-input-character;          !!!next-input-character;
1975          redo A;          redo A;
1976        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (138);  
1977          !!!parse-error (type => 'bogus comment');          !!!parse-error (type => 'bogus comment');
1978          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
1979              !!!cp (138.1);
1980              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1981            } else {
1982              !!!cp (138);
1983              $self->{state} = DATA_STATE;
1984              $self->{s_kwd} = '';
1985            }
1986          !!!next-input-character;          !!!next-input-character;
1987    
1988          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
1989    
1990          redo A;          redo A;
1991        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (139);  
1992          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
1993          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
1994              !!!cp (139.1);
1995              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1996            } else {
1997              !!!cp (139);
1998              $self->{state} = DATA_STATE;
1999              $self->{s_kwd} = '';
2000            }
2001          ## reconsume          ## reconsume
2002    
2003          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1528  sub _get_next_token ($) { Line 2018  sub _get_next_token ($) {
2018          !!!next-input-character;          !!!next-input-character;
2019          redo A;          redo A;
2020        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (142);  
2021          !!!parse-error (type => 'bogus comment');          !!!parse-error (type => 'bogus comment');
2022          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
2023              !!!cp (142.1);
2024              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2025            } else {
2026              !!!cp (142);
2027              $self->{state} = DATA_STATE;
2028              $self->{s_kwd} = '';
2029            }
2030          !!!next-input-character;          !!!next-input-character;
2031    
2032          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
2033    
2034          redo A;          redo A;
2035        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (143);  
2036          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
2037          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
2038              !!!cp (143.1);
2039              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2040            } else {
2041              !!!cp (143);
2042              $self->{state} = DATA_STATE;
2043              $self->{s_kwd} = '';
2044            }
2045          ## reconsume          ## reconsume
2046    
2047          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1554  sub _get_next_token ($) { Line 2056  sub _get_next_token ($) {
2056          redo A;          redo A;
2057        }        }
2058      } elsif ($self->{state} == COMMENT_STATE) {      } elsif ($self->{state} == COMMENT_STATE) {
2059          ## XML5: "Comment state" and "DOCTYPE comment state".
2060    
2061        if ($self->{nc} == 0x002D) { # -        if ($self->{nc} == 0x002D) { # -
2062          !!!cp (145);          !!!cp (145);
2063          $self->{state} = COMMENT_END_DASH_STATE;          $self->{state} = COMMENT_END_DASH_STATE;
2064          !!!next-input-character;          !!!next-input-character;
2065          redo A;          redo A;
2066        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (146);  
2067          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
2068          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
2069              !!!cp (146.1);
2070              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2071            } else {
2072              !!!cp (146);
2073              $self->{state} = DATA_STATE;
2074              $self->{s_kwd} = '';
2075            }
2076          ## reconsume          ## reconsume
2077    
2078          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1580  sub _get_next_token ($) { Line 2090  sub _get_next_token ($) {
2090          redo A;          redo A;
2091        }        }
2092      } elsif ($self->{state} == COMMENT_END_DASH_STATE) {      } elsif ($self->{state} == COMMENT_END_DASH_STATE) {
2093          ## XML5: "Comment dash state" and "DOCTYPE comment dash state".
2094    
2095        if ($self->{nc} == 0x002D) { # -        if ($self->{nc} == 0x002D) { # -
2096          !!!cp (148);          !!!cp (148);
2097          $self->{state} = COMMENT_END_STATE;          $self->{state} = COMMENT_END_STATE;
2098          !!!next-input-character;          !!!next-input-character;
2099          redo A;          redo A;
2100        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (149);  
2101          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
2102          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
2103              !!!cp (149.1);
2104              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2105            } else {
2106              !!!cp (149);
2107              $self->{state} = DATA_STATE;
2108              $self->{s_kwd} = '';
2109            }
2110          ## reconsume          ## reconsume
2111    
2112          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1601  sub _get_next_token ($) { Line 2119  sub _get_next_token ($) {
2119          !!!next-input-character;          !!!next-input-character;
2120          redo A;          redo A;
2121        }        }
2122      } elsif ($self->{state} == COMMENT_END_STATE) {      } elsif ($self->{state} == COMMENT_END_STATE or
2123                 $self->{state} == COMMENT_END_BANG_STATE) {
2124          ## XML5: "Comment end state" and "DOCTYPE comment end state".
2125          ## (No comment end bang state.)
2126    
2127        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
2128          !!!cp (151);          if ($self->{in_subset}) {
2129          $self->{state} = DATA_STATE;            !!!cp (151.1);
2130              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2131            } else {
2132              !!!cp (151);
2133              $self->{state} = DATA_STATE;
2134              $self->{s_kwd} = '';
2135            }
2136          !!!next-input-character;          !!!next-input-character;
2137    
2138          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
2139    
2140          redo A;          redo A;
2141        } elsif ($self->{nc} == 0x002D) { # -        } elsif ($self->{nc} == 0x002D) { # -
2142          !!!cp (152);          if ($self->{state} == COMMENT_END_BANG_STATE) {
2143          !!!parse-error (type => 'dash in comment',            !!!cp (154.3);
2144                          line => $self->{line_prev},            $self->{ct}->{data} .= '--!'; # comment
2145                          column => $self->{column_prev});            $self->{state} = COMMENT_END_DASH_STATE;
2146          $self->{ct}->{data} .= '-'; # comment          } else {
2147          ## Stay in the state            !!!cp (152);
2148              ## XML5: Not a parse error.
2149              !!!parse-error (type => 'dash in comment',
2150                              line => $self->{line_prev},
2151                              column => $self->{column_prev});
2152              $self->{ct}->{data} .= '-'; # comment
2153              ## Stay in the state
2154            }
2155            !!!next-input-character;
2156            redo A;
2157          } elsif ($self->{state} != COMMENT_END_BANG_STATE and
2158                   $is_space->{$self->{nc}}) {
2159            !!!cp (152.1);
2160            !!!parse-error (type => 'comment end space'); # XXX error type
2161            $self->{ct}->{data} .= '--' . chr ($self->{nc}); # comment
2162            $self->{state} = COMMENT_END_SPACE_STATE;
2163            !!!next-input-character;
2164            redo A;
2165          } elsif ($self->{state} != COMMENT_END_BANG_STATE and
2166                   $self->{nc} == 0x0021) { # !
2167            !!!cp (152.2);
2168            !!!parse-error (type => 'comment end bang'); # XXX error type
2169            $self->{state} = COMMENT_END_BANG_STATE;
2170          !!!next-input-character;          !!!next-input-character;
2171          redo A;          redo A;
2172        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (153);  
2173          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
2174          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
2175          ## reconsume            !!!cp (153.1);
2176              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2177            } else {
2178              !!!cp (153);
2179              $self->{state} = DATA_STATE;
2180              $self->{s_kwd} = '';
2181            }
2182            ## Reconsume.
2183    
2184          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
2185    
2186          redo A;          redo A;
2187        } else {        } else {
2188          !!!cp (154);          !!!cp (154);
2189          !!!parse-error (type => 'dash in comment',          if ($self->{state} == COMMENT_END_BANG_STATE) {
2190                          line => $self->{line_prev},            $self->{ct}->{data} .= '--!' . chr ($self->{nc}); # comment
2191                          column => $self->{column_prev});          } else {
2192          $self->{ct}->{data} .= '--' . chr ($self->{nc}); # comment            $self->{ct}->{data} .= '--' . chr ($self->{nc}); # comment
2193            }
2194          $self->{state} = COMMENT_STATE;          $self->{state} = COMMENT_STATE;
2195          !!!next-input-character;          !!!next-input-character;
2196          redo A;          redo A;
2197        }        }
2198        } elsif ($self->{state} == COMMENT_END_SPACE_STATE) {
2199          ## XML5: Not exist.
2200    
2201          if ($self->{nc} == 0x003E) { # >
2202            if ($self->{in_subset}) {
2203              !!!cp (154.4);
2204              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2205            } else {
2206              !!!cp (154.5);
2207              $self->{state} = DATA_STATE;
2208              $self->{s_kwd} = '';
2209            }
2210            !!!next-input-character;
2211    
2212            !!!emit ($self->{ct}); # comment
2213    
2214            redo A;
2215          } elsif ($is_space->{$self->{nc}}) {
2216            !!!cp (154.6);
2217            $self->{ct}->{data} .= chr ($self->{nc}); # comment
2218            ## Stay in the state.
2219            !!!next-input-character;
2220            redo A;
2221          } elsif ($self->{nc} == -1) {
2222            !!!parse-error (type => 'unclosed comment');
2223            if ($self->{in_subset}) {
2224              !!!cp (154.7);
2225              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2226            } else {
2227              !!!cp (154.8);
2228              $self->{state} = DATA_STATE;
2229              $self->{s_kwd} = '';
2230            }
2231            ## Reconsume.
2232    
2233            !!!emit ($self->{ct}); # comment
2234    
2235            redo A;
2236          } else {
2237            !!!cp (154.9);
2238            $self->{ct}->{data} .= chr ($self->{nc}); # comment
2239            $self->{state} = COMMENT_STATE;
2240            !!!next-input-character;
2241            redo A;
2242          }
2243      } elsif ($self->{state} == DOCTYPE_STATE) {      } elsif ($self->{state} == DOCTYPE_STATE) {
2244        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2245          !!!cp (155);          !!!cp (155);
2246          $self->{state} = BEFORE_DOCTYPE_NAME_STATE;          $self->{state} = BEFORE_DOCTYPE_NAME_STATE;
2247          !!!next-input-character;          !!!next-input-character;
2248          redo A;          redo A;
2249          } elsif ($self->{nc} == -1) {
2250            !!!cp (155.1);
2251            !!!parse-error (type => 'unclosed DOCTYPE');
2252            $self->{ct}->{quirks} = 1;
2253    
2254            $self->{state} = DATA_STATE;
2255            ## Reconsume.
2256            !!!emit ($self->{ct}); # DOCTYPE (quirks)
2257    
2258            redo A;
2259        } else {        } else {
2260          !!!cp (156);          !!!cp (156);
2261            ## XML5: Swith to the bogus comment state.
2262          !!!parse-error (type => 'no space before DOCTYPE name');          !!!parse-error (type => 'no space before DOCTYPE name');
2263          $self->{state} = BEFORE_DOCTYPE_NAME_STATE;          $self->{state} = BEFORE_DOCTYPE_NAME_STATE;
2264          ## reconsume          ## reconsume
2265          redo A;          redo A;
2266        }        }
2267      } elsif ($self->{state} == BEFORE_DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == BEFORE_DOCTYPE_NAME_STATE) {
2268          ## XML5: "DOCTYPE root name before state".
2269    
2270        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2271          !!!cp (157);          !!!cp (157);
2272          ## Stay in the state          ## Stay in the state
# Line 1659  sub _get_next_token ($) { Line 2274  sub _get_next_token ($) {
2274          redo A;          redo A;
2275        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2276          !!!cp (158);          !!!cp (158);
2277            ## XML5: No parse error.
2278          !!!parse-error (type => 'no DOCTYPE name');          !!!parse-error (type => 'no DOCTYPE name');
2279          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2280            $self->{s_kwd} = '';
2281          !!!next-input-character;          !!!next-input-character;
2282    
2283          !!!emit ($self->{ct}); # DOCTYPE (quirks)          !!!emit ($self->{ct}); # DOCTYPE (quirks)
2284    
2285          redo A;          redo A;
2286          } elsif (0x0041 <= $self->{nc} and $self->{nc} <= 0x005A) { # A..Z
2287            !!!cp (158.1);
2288            $self->{ct}->{name} # DOCTYPE
2289                = chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020));
2290            delete $self->{ct}->{quirks};
2291            $self->{state} = DOCTYPE_NAME_STATE;
2292            !!!next-input-character;
2293            redo A;
2294        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2295          !!!cp (159);          !!!cp (159);
2296          !!!parse-error (type => 'no DOCTYPE name');          !!!parse-error (type => 'no DOCTYPE name');
2297          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2298            $self->{s_kwd} = '';
2299          ## reconsume          ## reconsume
2300    
2301          !!!emit ($self->{ct}); # DOCTYPE (quirks)          !!!emit ($self->{ct}); # DOCTYPE (quirks)
2302    
2303          redo A;          redo A;
2304          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
2305            !!!cp (159.1);
2306            !!!parse-error (type => 'no DOCTYPE name');
2307            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2308            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2309            $self->{in_subset} = 1;
2310            !!!next-input-character;
2311            !!!emit ($self->{ct}); # DOCTYPE
2312            redo A;
2313        } else {        } else {
2314          !!!cp (160);          !!!cp (160);
2315          $self->{ct}->{name} = chr $self->{nc};          $self->{ct}->{name} = chr $self->{nc};
# Line 1684  sub _get_next_token ($) { Line 2319  sub _get_next_token ($) {
2319          redo A;          redo A;
2320        }        }
2321      } elsif ($self->{state} == DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == DOCTYPE_NAME_STATE) {
2322  ## ISSUE: Redundant "First," in the spec.        ## XML5: "DOCTYPE root name state".
2323    
2324          ## ISSUE: Redundant "First," in the spec.
2325    
2326        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2327          !!!cp (161);          !!!cp (161);
2328          $self->{state} = AFTER_DOCTYPE_NAME_STATE;          $self->{state} = AFTER_DOCTYPE_NAME_STATE;
# Line 1693  sub _get_next_token ($) { Line 2331  sub _get_next_token ($) {
2331        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2332          !!!cp (162);          !!!cp (162);
2333          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2334            $self->{s_kwd} = '';
2335          !!!next-input-character;          !!!next-input-character;
2336    
2337          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2338    
2339          redo A;          redo A;
2340          } elsif (0x0041 <= $self->{nc} and $self->{nc} <= 0x005A) { # A..Z
2341            !!!cp (162.1);
2342            $self->{ct}->{name} # DOCTYPE
2343                .= chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020));
2344            delete $self->{ct}->{quirks};
2345            ## Stay in the state.
2346            !!!next-input-character;
2347            redo A;
2348        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2349          !!!cp (163);          !!!cp (163);
2350          !!!parse-error (type => 'unclosed DOCTYPE');          !!!parse-error (type => 'unclosed DOCTYPE');
2351          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2352            $self->{s_kwd} = '';
2353          ## reconsume          ## reconsume
2354    
2355          $self->{ct}->{quirks} = 1;          $self->{ct}->{quirks} = 1;
2356          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2357    
2358          redo A;          redo A;
2359          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
2360            !!!cp (163.1);
2361            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2362            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2363            $self->{in_subset} = 1;
2364            !!!next-input-character;
2365            !!!emit ($self->{ct}); # DOCTYPE
2366            redo A;
2367        } else {        } else {
2368          !!!cp (164);          !!!cp (164);
2369          $self->{ct}->{name}          $self->{ct}->{name} .= chr ($self->{nc}); # DOCTYPE
2370            .= chr ($self->{nc}); # DOCTYPE          ## Stay in the state.
         ## Stay in the state  
2371          !!!next-input-character;          !!!next-input-character;
2372          redo A;          redo A;
2373        }        }
2374      } elsif ($self->{state} == AFTER_DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == AFTER_DOCTYPE_NAME_STATE) {
2375          ## XML5: Corresponding to XML5's "DOCTYPE root name after
2376          ## state", but implemented differently.
2377    
2378        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2379          !!!cp (165);          !!!cp (165);
2380          ## Stay in the state          ## Stay in the state
2381          !!!next-input-character;          !!!next-input-character;
2382          redo A;          redo A;
2383        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2384          !!!cp (166);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2385          $self->{state} = DATA_STATE;            !!!cp (166);
2386              $self->{state} = DATA_STATE;
2387              $self->{s_kwd} = '';
2388            } else {
2389              !!!cp (166.1);
2390              !!!parse-error (type => 'no md def'); ## TODO: type
2391              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2392            }
2393            
2394          !!!next-input-character;          !!!next-input-character;
2395            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         !!!emit ($self->{ct}); # DOCTYPE  
   
2396          redo A;          redo A;
2397        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2398          !!!cp (167);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2399          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (167);
2400          $self->{state} = DATA_STATE;            !!!parse-error (type => 'unclosed DOCTYPE');
2401          ## reconsume            $self->{state} = DATA_STATE;
2402              $self->{s_kwd} = '';
2403          $self->{ct}->{quirks} = 1;            $self->{ct}->{quirks} = 1;
2404          !!!emit ($self->{ct}); # DOCTYPE          } else {
2405              !!!cp (167.12);
2406              !!!parse-error (type => 'unclosed md'); ## TODO: type
2407              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2408            }
2409            
2410            ## Reconsume.
2411            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2412          redo A;          redo A;
2413        } elsif ($self->{nc} == 0x0050 or # P        } elsif ($self->{nc} == 0x0050 or # P
2414                 $self->{nc} == 0x0070) { # p                 $self->{nc} == 0x0070) { # p
2415            !!!cp (167.1);
2416          $self->{state} = PUBLIC_STATE;          $self->{state} = PUBLIC_STATE;
2417          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
2418          !!!next-input-character;          !!!next-input-character;
2419          redo A;          redo A;
2420        } elsif ($self->{nc} == 0x0053 or # S        } elsif ($self->{nc} == 0x0053 or # S
2421                 $self->{nc} == 0x0073) { # s                 $self->{nc} == 0x0073) { # s
2422            !!!cp (167.2);
2423          $self->{state} = SYSTEM_STATE;          $self->{state} = SYSTEM_STATE;
2424          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
2425            !!!next-input-character;
2426            redo A;
2427          } elsif ($self->{nc} == 0x0022 and # "
2428                   ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN or
2429                    $self->{ct}->{type} == PARAMETER_ENTITY_TOKEN)) {
2430            !!!cp (167.21);
2431            $self->{state} = DOCTYPE_ENTITY_VALUE_DOUBLE_QUOTED_STATE;
2432            $self->{ct}->{value} = ''; # ENTITY
2433            !!!next-input-character;
2434            redo A;
2435          } elsif ($self->{nc} == 0x0027 and # '
2436                   ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN or
2437                    $self->{ct}->{type} == PARAMETER_ENTITY_TOKEN)) {
2438            !!!cp (167.22);
2439            $self->{state} = DOCTYPE_ENTITY_VALUE_SINGLE_QUOTED_STATE;
2440            $self->{ct}->{value} = ''; # ENTITY
2441          !!!next-input-character;          !!!next-input-character;
2442          redo A;          redo A;
2443          } elsif ($self->{is_xml} and
2444                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2445                   $self->{nc} == 0x005B) { # [
2446            !!!cp (167.3);
2447            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2448            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2449            $self->{in_subset} = 1;
2450            !!!next-input-character;
2451            !!!emit ($self->{ct}); # DOCTYPE
2452            redo A;
2453        } else {        } else {
2454          !!!cp (180);          !!!parse-error (type => 'string after DOCTYPE name'); ## TODO: type
2455          !!!parse-error (type => 'string after DOCTYPE name');  
2456          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2457              !!!cp (180);
2458              $self->{ct}->{quirks} = 1;
2459              $self->{state} = BOGUS_DOCTYPE_STATE;
2460            } else {
2461              !!!cp (180.1);
2462              $self->{state} = BOGUS_MD_STATE;
2463            }
2464    
         $self->{state} = BOGUS_DOCTYPE_STATE;  
2465          !!!next-input-character;          !!!next-input-character;
2466          redo A;          redo A;
2467        }        }
# Line 1769  sub _get_next_token ($) { Line 2473  sub _get_next_token ($) {
2473              0x0042, # B              0x0042, # B
2474              0x004C, # L              0x004C, # L
2475              0x0049, # I              0x0049, # I
2476            ]->[length $self->{s_kwd}] or            ]->[length $self->{kwd}] or
2477            $self->{nc} == [            $self->{nc} == [
2478              undef,              undef,
2479              0x0075, # u              0x0075, # u
2480              0x0062, # b              0x0062, # b
2481              0x006C, # l              0x006C, # l
2482              0x0069, # i              0x0069, # i
2483            ]->[length $self->{s_kwd}]) {            ]->[length $self->{kwd}]) {
2484          !!!cp (175);          !!!cp (175);
2485          ## Stay in the state.          ## Stay in the state.
2486          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
2487          !!!next-input-character;          !!!next-input-character;
2488          redo A;          redo A;
2489        } elsif ((length $self->{s_kwd}) == 5 and        } elsif ((length $self->{kwd}) == 5 and
2490                 ($self->{nc} == 0x0043 or # C                 ($self->{nc} == 0x0043 or # C
2491                  $self->{nc} == 0x0063)) { # c                  $self->{nc} == 0x0063)) { # c
2492          !!!cp (168);          if ($self->{is_xml} and
2493                ($self->{kwd} ne 'PUBLI' or $self->{nc} == 0x0063)) { # c
2494              !!!cp (168.1);
2495              !!!parse-error (type => 'lowercase keyword', ## TODO: type
2496                              text => 'PUBLIC',
2497                              line => $self->{line_prev},
2498                              column => $self->{column_prev} - 4);
2499            } else {
2500              !!!cp (168);
2501            }
2502          $self->{state} = BEFORE_DOCTYPE_PUBLIC_IDENTIFIER_STATE;          $self->{state} = BEFORE_DOCTYPE_PUBLIC_IDENTIFIER_STATE;
2503          !!!next-input-character;          !!!next-input-character;
2504          redo A;          redo A;
2505        } else {        } else {
2506          !!!cp (169);          !!!parse-error (type => 'string after DOCTYPE name', ## TODO: type
         !!!parse-error (type => 'string after DOCTYPE name',  
2507                          line => $self->{line_prev},                          line => $self->{line_prev},
2508                          column => $self->{column_prev} + 1 - length $self->{s_kwd});                          column => $self->{column_prev} + 1 - length $self->{kwd});
2509          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2510              !!!cp (169);
2511          $self->{state} = BOGUS_DOCTYPE_STATE;            $self->{ct}->{quirks} = 1;
2512              $self->{state} = BOGUS_DOCTYPE_STATE;
2513            } else {
2514              !!!cp (169.1);
2515              $self->{state} = BOGUS_MD_STATE;
2516            }
2517          ## Reconsume.          ## Reconsume.
2518          redo A;          redo A;
2519        }        }
# Line 1808  sub _get_next_token ($) { Line 2525  sub _get_next_token ($) {
2525              0x0053, # S              0x0053, # S
2526              0x0054, # T              0x0054, # T
2527              0x0045, # E              0x0045, # E
2528            ]->[length $self->{s_kwd}] or            ]->[length $self->{kwd}] or
2529            $self->{nc} == [            $self->{nc} == [
2530              undef,              undef,
2531              0x0079, # y              0x0079, # y
2532              0x0073, # s              0x0073, # s
2533              0x0074, # t              0x0074, # t
2534              0x0065, # e              0x0065, # e
2535            ]->[length $self->{s_kwd}]) {            ]->[length $self->{kwd}]) {
2536          !!!cp (170);          !!!cp (170);
2537          ## Stay in the state.          ## Stay in the state.
2538          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
2539          !!!next-input-character;          !!!next-input-character;
2540          redo A;          redo A;
2541        } elsif ((length $self->{s_kwd}) == 5 and        } elsif ((length $self->{kwd}) == 5 and
2542                 ($self->{nc} == 0x004D or # M                 ($self->{nc} == 0x004D or # M
2543                  $self->{nc} == 0x006D)) { # m                  $self->{nc} == 0x006D)) { # m
2544          !!!cp (171);          if ($self->{is_xml} and
2545                ($self->{kwd} ne 'SYSTE' or $self->{nc} == 0x006D)) { # m
2546              !!!cp (171.1);
2547              !!!parse-error (type => 'lowercase keyword', ## TODO: type
2548                              text => 'SYSTEM',
2549                              line => $self->{line_prev},
2550                              column => $self->{column_prev} - 4);
2551            } else {
2552              !!!cp (171);
2553            }
2554          $self->{state} = BEFORE_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = BEFORE_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2555          !!!next-input-character;          !!!next-input-character;
2556          redo A;          redo A;
2557        } else {        } else {
2558          !!!cp (172);          !!!parse-error (type => 'string after DOCTYPE name', ## TODO: type
         !!!parse-error (type => 'string after DOCTYPE name',  
2559                          line => $self->{line_prev},                          line => $self->{line_prev},
2560                          column => $self->{column_prev} + 1 - length $self->{s_kwd});                          column => $self->{column_prev} + 1 - length $self->{kwd});
2561          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2562              !!!cp (172);
2563          $self->{state} = BOGUS_DOCTYPE_STATE;            $self->{ct}->{quirks} = 1;
2564              $self->{state} = BOGUS_DOCTYPE_STATE;
2565            } else {
2566              !!!cp (172.1);
2567              $self->{state} = BOGUS_MD_STATE;
2568            }
2569          ## Reconsume.          ## Reconsume.
2570          redo A;          redo A;
2571        }        }
# Line 1858  sub _get_next_token ($) { Line 2588  sub _get_next_token ($) {
2588          !!!next-input-character;          !!!next-input-character;
2589          redo A;          redo A;
2590        } elsif ($self->{nc} eq 0x003E) { # >        } elsif ($self->{nc} eq 0x003E) { # >
         !!!cp (184);  
2591          !!!parse-error (type => 'no PUBLIC literal');          !!!parse-error (type => 'no PUBLIC literal');
2592            
2593          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2594              !!!cp (184);
2595              $self->{state} = DATA_STATE;
2596              $self->{s_kwd} = '';
2597              $self->{ct}->{quirks} = 1;
2598            } else {
2599              !!!cp (184.1);
2600              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2601            }
2602            
2603          !!!next-input-character;          !!!next-input-character;
2604            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2605          redo A;          redo A;
2606        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2607          !!!cp (185);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2608          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (185);
2609              !!!parse-error (type => 'unclosed DOCTYPE');
2610          $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
2611              $self->{s_kwd} = '';
2612              $self->{ct}->{quirks} = 1;
2613            } else {
2614              !!!cp (185.1);
2615              !!!parse-error (type => 'unclosed md'); ## TODO: type
2616              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2617            }
2618            
2619          ## reconsume          ## reconsume
   
         $self->{ct}->{quirks} = 1;  
2620          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2621            redo A;
2622          } elsif ($self->{is_xml} and
2623                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2624                   $self->{nc} == 0x005B) { # [
2625            !!!cp (186.1);
2626            !!!parse-error (type => 'no PUBLIC literal');
2627            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2628            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2629            $self->{in_subset} = 1;
2630            !!!next-input-character;
2631            !!!emit ($self->{ct}); # DOCTYPE
2632          redo A;          redo A;
2633        } else {        } else {
         !!!cp (186);  
2634          !!!parse-error (type => 'string after PUBLIC');          !!!parse-error (type => 'string after PUBLIC');
         $self->{ct}->{quirks} = 1;  
2635    
2636          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2637              !!!cp (186);
2638              $self->{ct}->{quirks} = 1;
2639              $self->{state} = BOGUS_DOCTYPE_STATE;
2640            } else {
2641              !!!cp (186.2);
2642              $self->{state} = BOGUS_MD_STATE;
2643            }
2644    
2645          !!!next-input-character;          !!!next-input-character;
2646          redo A;          redo A;
2647        }        }
# Line 1895  sub _get_next_token ($) { Line 2652  sub _get_next_token ($) {
2652          !!!next-input-character;          !!!next-input-character;
2653          redo A;          redo A;
2654        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (188);  
2655          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2656    
2657          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2658          !!!next-input-character;            !!!cp (188);
2659              $self->{state} = DATA_STATE;
2660          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2661          !!!emit ($self->{ct}); # DOCTYPE            $self->{ct}->{quirks} = 1;
2662            } else {
2663              !!!cp (188.1);
2664              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2665            }
2666    
2667            !!!next-input-character;
2668            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2669          redo A;          redo A;
2670        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (189);  
2671          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2672    
2673          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2674          ## reconsume            !!!cp (189);
2675              $self->{state} = DATA_STATE;
2676          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2677              $self->{ct}->{quirks} = 1;
2678            } else {
2679              !!!cp (189.1);
2680              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2681            }
2682            
2683            ## Reconsume.
2684          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2685          redo A;          redo A;
2686        } else {        } else {
2687          !!!cp (190);          !!!cp (190);
2688          $self->{ct}->{pubid} # DOCTYPE          $self->{ct}->{pubid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2689          $self->{read_until}->($self->{ct}->{pubid}, q[">],          $self->{read_until}->($self->{ct}->{pubid}, q[">],
2690                                length $self->{ct}->{pubid});                                length $self->{ct}->{pubid});
2691    
# Line 1934  sub _get_next_token ($) { Line 2700  sub _get_next_token ($) {
2700          !!!next-input-character;          !!!next-input-character;
2701          redo A;          redo A;
2702        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (192);  
2703          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2704    
2705          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2706          !!!next-input-character;            !!!cp (192);
2707              $self->{state} = DATA_STATE;
2708          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2709          !!!emit ($self->{ct}); # DOCTYPE            $self->{ct}->{quirks} = 1;
2710            } else {
2711              !!!cp (192.1);
2712              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2713            }
2714    
2715            !!!next-input-character;
2716            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2717          redo A;          redo A;
2718        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (193);  
2719          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2720    
2721          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2722              !!!cp (193);
2723              $self->{state} = DATA_STATE;
2724              $self->{s_kwd} = '';
2725              $self->{ct}->{quirks} = 1;
2726            } else {
2727              !!!cp (193.1);
2728              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2729            }
2730          
2731          ## reconsume          ## reconsume
2732            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2733          redo A;          redo A;
2734        } else {        } else {
2735          !!!cp (194);          !!!cp (194);
2736          $self->{ct}->{pubid} # DOCTYPE          $self->{ct}->{pubid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2737          $self->{read_until}->($self->{ct}->{pubid}, q['>],          $self->{read_until}->($self->{ct}->{pubid}, q['>],
2738                                length $self->{ct}->{pubid});                                length $self->{ct}->{pubid});
2739    
# Line 1974  sub _get_next_token ($) { Line 2749  sub _get_next_token ($) {
2749          redo A;          redo A;
2750        } elsif ($self->{nc} == 0x0022) { # "        } elsif ($self->{nc} == 0x0022) { # "
2751          !!!cp (196);          !!!cp (196);
2752          $self->{ct}->{sysid} = ''; # DOCTYPE          $self->{ct}->{sysid} = ''; # DOCTYPE/ENTITY/NOTATION
2753          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_DOUBLE_QUOTED_STATE;          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_DOUBLE_QUOTED_STATE;
2754          !!!next-input-character;          !!!next-input-character;
2755          redo A;          redo A;
2756        } elsif ($self->{nc} == 0x0027) { # '        } elsif ($self->{nc} == 0x0027) { # '
2757          !!!cp (197);          !!!cp (197);
2758          $self->{ct}->{sysid} = ''; # DOCTYPE          $self->{ct}->{sysid} = ''; # DOCTYPE/ENTITY/NOTATION
2759          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_SINGLE_QUOTED_STATE;          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_SINGLE_QUOTED_STATE;
2760          !!!next-input-character;          !!!next-input-character;
2761          redo A;          redo A;
2762        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2763          !!!cp (198);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2764          $self->{state} = DATA_STATE;            if ($self->{is_xml}) {
2765                !!!cp (198.1);
2766                !!!parse-error (type => 'no SYSTEM literal');
2767              } else {
2768                !!!cp (198);
2769              }
2770              $self->{state} = DATA_STATE;
2771              $self->{s_kwd} = '';
2772            } else {
2773              if ($self->{ct}->{type} == NOTATION_TOKEN) {
2774                !!!cp (198.2);
2775              } else {
2776                !!!cp (198.3);
2777                !!!parse-error (type => 'no SYSTEM literal');            
2778              }
2779              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2780            }
2781            
2782          !!!next-input-character;          !!!next-input-character;
2783            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         !!!emit ($self->{ct}); # DOCTYPE  
   
2784          redo A;          redo A;
2785        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2786          !!!cp (199);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2787          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (199);
2788              !!!parse-error (type => 'unclosed DOCTYPE');
2789          $self->{state} = DATA_STATE;            
2790              $self->{state} = DATA_STATE;
2791              $self->{s_kwd} = '';
2792              $self->{ct}->{quirks} = 1;
2793            } else {
2794              !!!parse-error (type => 'unclosed md'); ## TODO: type
2795              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2796            }
2797            
2798          ## reconsume          ## reconsume
2799            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2800          $self->{ct}->{quirks} = 1;          redo A;
2801          } elsif ($self->{is_xml} and
2802                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2803                   $self->{nc} == 0x005B) { # [
2804            !!!cp (200.1);
2805            !!!parse-error (type => 'no SYSTEM literal');
2806            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2807            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2808            $self->{in_subset} = 1;
2809            !!!next-input-character;
2810          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2811          redo A;          redo A;
2812        } else {        } else {
         !!!cp (200);  
2813          !!!parse-error (type => 'string after PUBLIC literal');          !!!parse-error (type => 'string after PUBLIC literal');
         $self->{ct}->{quirks} = 1;  
2814    
2815          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2816              !!!cp (200);
2817              $self->{ct}->{quirks} = 1;
2818              $self->{state} = BOGUS_DOCTYPE_STATE;
2819            } else {
2820              !!!cp (200.2);
2821              $self->{state} = BOGUS_MD_STATE;
2822            }
2823    
2824          !!!next-input-character;          !!!next-input-character;
2825          redo A;          redo A;
2826        }        }
# Line 2031  sub _get_next_token ($) { Line 2843  sub _get_next_token ($) {
2843          !!!next-input-character;          !!!next-input-character;
2844          redo A;          redo A;
2845        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (204);  
2846          !!!parse-error (type => 'no SYSTEM literal');          !!!parse-error (type => 'no SYSTEM literal');
         $self->{state} = DATA_STATE;  
2847          !!!next-input-character;          !!!next-input-character;
2848    
2849          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2850          !!!emit ($self->{ct}); # DOCTYPE            !!!cp (204);
2851              $self->{state} = DATA_STATE;
2852              $self->{s_kwd} = '';
2853              $self->{ct}->{quirks} = 1;
2854            } else {
2855              !!!cp (204.1);
2856              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2857            }
2858    
2859            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2860          redo A;          redo A;
2861        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2862          !!!cp (205);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2863          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (205);
2864              !!!parse-error (type => 'unclosed DOCTYPE');
2865          $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
2866              $self->{s_kwd} = '';
2867              $self->{ct}->{quirks} = 1;
2868            } else {
2869              !!!cp (205.1);
2870              !!!parse-error (type => 'unclosed md'); ## TODO: type
2871              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2872            }
2873            
2874          ## reconsume          ## reconsume
2875            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2876            redo A;
2877          } elsif ($self->{is_xml} and
2878                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2879                   $self->{nc} == 0x005B) { # [
2880            !!!cp (206.1);
2881            !!!parse-error (type => 'no SYSTEM literal');
2882    
2883          $self->{ct}->{quirks} = 1;          $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2884            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2885            $self->{in_subset} = 1;
2886            !!!next-input-character;
2887          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2888          redo A;          redo A;
2889        } else {        } else {
         !!!cp (206);  
2890          !!!parse-error (type => 'string after SYSTEM');          !!!parse-error (type => 'string after SYSTEM');
         $self->{ct}->{quirks} = 1;  
2891    
2892          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2893              !!!cp (206);          
2894              $self->{ct}->{quirks} = 1;
2895              $self->{state} = BOGUS_DOCTYPE_STATE;
2896            } else {
2897              !!!cp (206.2);
2898              $self->{state} = BOGUS_MD_STATE;
2899            }
2900    
2901          !!!next-input-character;          !!!next-input-character;
2902          redo A;          redo A;
2903        }        }
# Line 2066  sub _get_next_token ($) { Line 2907  sub _get_next_token ($) {
2907          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2908          !!!next-input-character;          !!!next-input-character;
2909          redo A;          redo A;
2910        } elsif ($self->{nc} == 0x003E) { # >        } elsif (not $self->{is_xml} and $self->{nc} == 0x003E) { # >
         !!!cp (208);  
2911          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2912    
2913          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2914              !!!cp (208);
2915              $self->{state} = DATA_STATE;
2916              $self->{s_kwd} = '';
2917              $self->{ct}->{quirks} = 1;
2918            } else {
2919              !!!cp (208.1);
2920              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2921            }
2922            
2923          !!!next-input-character;          !!!next-input-character;
2924            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2925          redo A;          redo A;
2926        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (209);  
2927          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2928    
2929          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2930              !!!cp (209);
2931              $self->{state} = DATA_STATE;
2932              $self->{s_kwd} = '';
2933              $self->{ct}->{quirks} = 1;
2934            } else {
2935              !!!cp (209.1);
2936              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2937            }
2938            
2939          ## reconsume          ## reconsume
2940            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2941          redo A;          redo A;
2942        } else {        } else {
2943          !!!cp (210);          !!!cp (210);
2944          $self->{ct}->{sysid} # DOCTYPE          $self->{ct}->{sysid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2945          $self->{read_until}->($self->{ct}->{sysid}, q[">],          $self->{read_until}->($self->{ct}->{sysid}, q[">],
2946                                length $self->{ct}->{sysid});                                length $self->{ct}->{sysid});
2947    
# Line 2105  sub _get_next_token ($) { Line 2955  sub _get_next_token ($) {
2955          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2956          !!!next-input-character;          !!!next-input-character;
2957          redo A;          redo A;
2958        } elsif ($self->{nc} == 0x003E) { # >        } elsif (not $self->{is_xml} and $self->{nc} == 0x003E) { # >
2959          !!!cp (212);          !!!cp (212);
2960          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2961    
2962          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2963            $self->{s_kwd} = '';
2964          !!!next-input-character;          !!!next-input-character;
2965    
2966          $self->{ct}->{quirks} = 1;          $self->{ct}->{quirks} = 1;
# Line 2117  sub _get_next_token ($) { Line 2968  sub _get_next_token ($) {
2968    
2969          redo A;          redo A;
2970        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (213);  
2971          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2972    
2973          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2974          ## reconsume            !!!cp (213);
2975              $self->{state} = DATA_STATE;
2976          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2977          !!!emit ($self->{ct}); # DOCTYPE            $self->{ct}->{quirks} = 1;
2978            } else {
2979              !!!cp (213.1);
2980              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2981            }
2982    
2983            ## reconsume
2984            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2985          redo A;          redo A;
2986        } else {        } else {
2987          !!!cp (214);          !!!cp (214);
2988          $self->{ct}->{sysid} # DOCTYPE          $self->{ct}->{sysid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2989          $self->{read_until}->($self->{ct}->{sysid}, q['>],          $self->{read_until}->($self->{ct}->{sysid}, q['>],
2990                                length $self->{ct}->{sysid});                                length $self->{ct}->{sysid});
2991    
# Line 2140  sub _get_next_token ($) { Line 2995  sub _get_next_token ($) {
2995        }        }
2996      } elsif ($self->{state} == AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE) {      } elsif ($self->{state} == AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE) {
2997        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2998          !!!cp (215);          if ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN) {
2999          ## Stay in the state            !!!cp (215.1);
3000              $self->{state} = BEFORE_NDATA_STATE;
3001            } else {
3002              !!!cp (215);
3003              ## Stay in the state
3004            }
3005          !!!next-input-character;          !!!next-input-character;
3006          redo A;          redo A;
3007        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
3008          !!!cp (216);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
3009          $self->{state} = DATA_STATE;            !!!cp (216);
3010              $self->{state} = DATA_STATE;
3011              $self->{s_kwd} = '';
3012            } else {
3013              !!!cp (216.1);
3014              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3015            }
3016    
3017            !!!next-input-character;
3018            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
3019            redo A;
3020          } elsif ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN and
3021                   ($self->{nc} == 0x004E or # N
3022                    $self->{nc} == 0x006E)) { # n
3023            !!!cp (216.2);
3024            !!!parse-error (type => 'no space before NDATA'); ## TODO: type
3025            $self->{state} = NDATA_STATE;
3026            $self->{kwd} = chr $self->{nc};
3027          !!!next-input-character;          !!!next-input-character;
3028            redo A;
3029          } elsif ($self->{nc} == -1) {
3030            if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
3031              !!!cp (217);
3032              !!!parse-error (type => 'unclosed DOCTYPE');
3033              $self->{state} = DATA_STATE;
3034              $self->{s_kwd} = '';
3035              $self->{ct}->{quirks} = 1;
3036            } else {
3037              !!!cp (217.1);
3038              !!!parse-error (type => 'unclosed md'); ## TODO: type
3039              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3040            }
3041    
3042            ## reconsume
3043            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
3044            redo A;
3045          } elsif ($self->{is_xml} and
3046                   $self->{ct}->{type} == DOCTYPE_TOKEN and
3047                   $self->{nc} == 0x005B) { # [
3048            !!!cp (218.1);
3049            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3050            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
3051            $self->{in_subset} = 1;
3052            !!!next-input-character;
3053          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
3054            redo A;
3055          } else {
3056            !!!parse-error (type => 'string after SYSTEM literal');
3057    
3058            if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
3059              !!!cp (218);
3060              #$self->{ct}->{quirks} = 1;
3061              $self->{state} = BOGUS_DOCTYPE_STATE;
3062            } else {
3063              !!!cp (218.2);
3064              $self->{state} = BOGUS_MD_STATE;
3065            }
3066    
3067            !!!next-input-character;
3068            redo A;
3069          }
3070        } elsif ($self->{state} == BEFORE_NDATA_STATE) {
3071          if ($is_space->{$self->{nc}}) {
3072            !!!cp (218.3);
3073            ## Stay in the state.
3074            !!!next-input-character;
3075            redo A;
3076          } elsif ($self->{nc} == 0x003E) { # >
3077            !!!cp (218.4);
3078            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3079            !!!next-input-character;
3080            !!!emit ($self->{ct}); # ENTITY
3081            redo A;
3082          } elsif ($self->{nc} == 0x004E or # N
3083                   $self->{nc} == 0x006E) { # n
3084            !!!cp (218.5);
3085            $self->{state} = NDATA_STATE;
3086            $self->{kwd} = chr $self->{nc};
3087            !!!next-input-character;
3088          redo A;          redo A;
3089        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
3090          !!!cp (217);          !!!cp (218.6);
3091          !!!parse-error (type => 'unclosed DOCTYPE');          !!!parse-error (type => 'unclosed md'); ## TODO: type
3092          $self->{state} = DATA_STATE;          $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3093          ## reconsume          ## reconsume
3094            !!!emit ($self->{ct}); # ENTITY
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
3095          redo A;          redo A;
3096        } else {        } else {
3097          !!!cp (218);          !!!cp (218.7);
3098          !!!parse-error (type => 'string after SYSTEM literal');          !!!parse-error (type => 'string after SYSTEM literal');
3099          #$self->{ct}->{quirks} = 1;          $self->{state} = BOGUS_MD_STATE;
   
         $self->{state} = BOGUS_DOCTYPE_STATE;  
3100          !!!next-input-character;          !!!next-input-character;
3101          redo A;          redo A;
3102        }        }
# Line 2175  sub _get_next_token ($) { Line 3104  sub _get_next_token ($) {
3104        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
3105          !!!cp (219);          !!!cp (219);
3106          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
3107            $self->{s_kwd} = '';
3108          !!!next-input-character;          !!!next-input-character;
3109    
3110          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
3111    
3112          redo A;          redo A;
3113          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
3114            !!!cp (220.1);
3115            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3116            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
3117            $self->{in_subset} = 1;
3118            !!!next-input-character;
3119            !!!emit ($self->{ct}); # DOCTYPE
3120            redo A;
3121        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
3122          !!!cp (220);          !!!cp (220);
3123          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
3124            $self->{s_kwd} = '';
3125          ## reconsume          ## reconsume
3126    
3127          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
# Line 2191  sub _get_next_token ($) { Line 3130  sub _get_next_token ($) {
3130        } else {        } else {
3131          !!!cp (221);          !!!cp (221);
3132          my $s = '';          my $s = '';
3133          $self->{read_until}->($s, q[>], 0);          $self->{read_until}->($s, q{>[}, 0);
3134    
3135          ## Stay in the state          ## Stay in the state
3136          !!!next-input-character;          !!!next-input-character;
# Line 2201  sub _get_next_token ($) { Line 3140  sub _get_next_token ($) {
3140        ## NOTE: "CDATA section state" in the state is jointly implemented        ## NOTE: "CDATA section state" in the state is jointly implemented
3141        ## by three states, |CDATA_SECTION_STATE|, |CDATA_SECTION_MSE1_STATE|,        ## by three states, |CDATA_SECTION_STATE|, |CDATA_SECTION_MSE1_STATE|,
3142        ## and |CDATA_SECTION_MSE2_STATE|.        ## and |CDATA_SECTION_MSE2_STATE|.
3143    
3144          ## XML5: "CDATA state".
3145                
3146        if ($self->{nc} == 0x005D) { # ]        if ($self->{nc} == 0x005D) { # ]
3147          !!!cp (221.1);          !!!cp (221.1);
# Line 2208  sub _get_next_token ($) { Line 3149  sub _get_next_token ($) {
3149          !!!next-input-character;          !!!next-input-character;
3150          redo A;          redo A;
3151        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
3152            if ($self->{is_xml}) {
3153              !!!cp (221.11);
3154              !!!parse-error (type => 'no mse'); ## TODO: type
3155            } else {
3156              !!!cp (221.12);
3157            }
3158    
3159          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
3160          !!!next-input-character;          $self->{s_kwd} = '';
3161            ## Reconsume.
3162          if (length $self->{ct}->{data}) { # character          if (length $self->{ct}->{data}) { # character
3163            !!!cp (221.2);            !!!cp (221.2);
3164            !!!emit ($self->{ct}); # character            !!!emit ($self->{ct}); # character
# Line 2232  sub _get_next_token ($) { Line 3181  sub _get_next_token ($) {
3181    
3182        ## ISSUE: "text tokens" in spec.        ## ISSUE: "text tokens" in spec.
3183      } elsif ($self->{state} == CDATA_SECTION_MSE1_STATE) {      } elsif ($self->{state} == CDATA_SECTION_MSE1_STATE) {
3184          ## XML5: "CDATA bracket state".
3185    
3186        if ($self->{nc} == 0x005D) { # ]        if ($self->{nc} == 0x005D) { # ]
3187          !!!cp (221.5);          !!!cp (221.5);
3188          $self->{state} = CDATA_SECTION_MSE2_STATE;          $self->{state} = CDATA_SECTION_MSE2_STATE;
# Line 2239  sub _get_next_token ($) { Line 3190  sub _get_next_token ($) {
3190          redo A;          redo A;
3191        } else {        } else {
3192          !!!cp (221.6);          !!!cp (221.6);
3193            ## XML5: If EOF, "]" is not appended and changed to the data state.
3194          $self->{ct}->{data} .= ']';          $self->{ct}->{data} .= ']';
3195          $self->{state} = CDATA_SECTION_STATE;          $self->{state} = CDATA_SECTION_STATE; ## XML5: Stay in the state.
3196          ## Reconsume.          ## Reconsume.
3197          redo A;          redo A;
3198        }        }
3199      } elsif ($self->{state} == CDATA_SECTION_MSE2_STATE) {      } elsif ($self->{state} == CDATA_SECTION_MSE2_STATE) {
3200          ## XML5: "CDATA end state".
3201    
3202        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
3203          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
3204            $self->{s_kwd} = '';
3205          !!!next-input-character;          !!!next-input-character;
3206          if (length $self->{ct}->{data}) { # character          if (length $self->{ct}->{data}) { # character
3207            !!!cp (221.7);            !!!cp (221.7);
# Line 2266  sub _get_next_token ($) { Line 3221  sub _get_next_token ($) {
3221          !!!cp (221.11);          !!!cp (221.11);
3222          $self->{ct}->{data} .= ']]'; # character          $self->{ct}->{data} .= ']]'; # character
3223          $self->{state} = CDATA_SECTION_STATE;          $self->{state} = CDATA_SECTION_STATE;
3224          ## Reconsume.          ## Reconsume. ## XML5: Emit.
3225          redo A;          redo A;
3226        }        }
3227      } elsif ($self->{state} == ENTITY_STATE) {      } elsif ($self->{state} == ENTITY_STATE) {
# Line 2275  sub _get_next_token ($) { Line 3230  sub _get_next_token ($) {
3230              0x003C => 1, 0x0026 => 1, -1 => 1, # <, &              0x003C => 1, 0x0026 => 1, -1 => 1, # <, &
3231              $self->{entity_add} => 1,              $self->{entity_add} => 1,
3232            }->{$self->{nc}}) {            }->{$self->{nc}}) {
3233          !!!cp (1001);          if ($self->{is_xml}) {
3234              !!!cp (1001.1);
3235              !!!parse-error (type => 'bare ero',
3236                              line => $self->{line_prev},
3237                              column => $self->{column_prev}
3238                                  + ($self->{nc} == -1 ? 1 : 0));
3239            } else {
3240              !!!cp (1001);
3241              ## No error
3242            }
3243          ## Don't consume          ## Don't consume
         ## No error  
3244          ## Return nothing.          ## Return nothing.
3245          #          #
3246        } elsif ($self->{nc} == 0x0023) { # #        } elsif ($self->{nc} == 0x0023) { # #
3247          !!!cp (999);          !!!cp (999);
3248          $self->{state} = ENTITY_HASH_STATE;          $self->{state} = ENTITY_HASH_STATE;
3249          $self->{s_kwd} = '#';          $self->{kwd} = '#';
3250          !!!next-input-character;          !!!next-input-character;
3251          redo A;          redo A;
3252        } elsif ((0x0041 <= $self->{nc} and        } elsif ($self->{is_xml} or
3253                   (0x0041 <= $self->{nc} and
3254                  $self->{nc} <= 0x005A) or # A..Z                  $self->{nc} <= 0x005A) or # A..Z
3255                 (0x0061 <= $self->{nc} and                 (0x0061 <= $self->{nc} and
3256                  $self->{nc} <= 0x007A)) { # a..z                  $self->{nc} <= 0x007A)) { # a..z
3257          !!!cp (998);          !!!cp (998);
3258          require Whatpm::_NamedEntityList;          require Whatpm::_NamedEntityList;
3259          $self->{state} = ENTITY_NAME_STATE;          $self->{state} = ENTITY_NAME_STATE;
3260          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
3261          $self->{entity__value} = $self->{s_kwd};          $self->{entity__value} = $self->{kwd};
3262          $self->{entity__match} = 0;          $self->{entity__match} = 0;
3263          !!!next-input-character;          !!!next-input-character;
3264          redo A;          redo A;
# Line 2314  sub _get_next_token ($) { Line 3278  sub _get_next_token ($) {
3278        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3279          !!!cp (997);          !!!cp (997);
3280          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3281            $self->{s_kwd} = '';
3282          ## Reconsume.          ## Reconsume.
3283          !!!emit ({type => CHARACTER_TOKEN, data => '&',          !!!emit ({type => CHARACTER_TOKEN, data => '&',
3284                    line => $self->{line_prev},                    line => $self->{line_prev},
# Line 2324  sub _get_next_token ($) { Line 3289  sub _get_next_token ($) {
3289          !!!cp (996);          !!!cp (996);
3290          $self->{ca}->{value} .= '&';          $self->{ca}->{value} .= '&';
3291          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3292            $self->{s_kwd} = '';
3293          ## Reconsume.          ## Reconsume.
3294          redo A;          redo A;
3295        }        }
3296      } elsif ($self->{state} == ENTITY_HASH_STATE) {      } elsif ($self->{state} == ENTITY_HASH_STATE) {
3297        if ($self->{nc} == 0x0078 or # x        if ($self->{nc} == 0x0078) { # x
           $self->{nc} == 0x0058) { # X  
3298          !!!cp (995);          !!!cp (995);
3299          $self->{state} = HEXREF_X_STATE;          $self->{state} = HEXREF_X_STATE;
3300          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
3301            !!!next-input-character;
3302            redo A;
3303          } elsif ($self->{nc} == 0x0058) { # X
3304            !!!cp (995.1);
3305            if ($self->{is_xml}) {
3306              !!!parse-error (type => 'uppercase hcro'); ## TODO: type
3307            }
3308            $self->{state} = HEXREF_X_STATE;
3309            $self->{kwd} .= chr $self->{nc};
3310          !!!next-input-character;          !!!next-input-character;
3311          redo A;          redo A;
3312        } elsif (0x0030 <= $self->{nc} and        } elsif (0x0030 <= $self->{nc} and
3313                 $self->{nc} <= 0x0039) { # 0..9                 $self->{nc} <= 0x0039) { # 0..9
3314          !!!cp (994);          !!!cp (994);
3315          $self->{state} = NCR_NUM_STATE;          $self->{state} = NCR_NUM_STATE;
3316          $self->{s_kwd} = $self->{nc} - 0x0030;          $self->{kwd} = $self->{nc} - 0x0030;
3317          !!!next-input-character;          !!!next-input-character;
3318          redo A;          redo A;
3319        } else {        } else {
# Line 2354  sub _get_next_token ($) { Line 3328  sub _get_next_token ($) {
3328          if ($self->{prev_state} == DATA_STATE) {          if ($self->{prev_state} == DATA_STATE) {
3329            !!!cp (1019);            !!!cp (1019);
3330            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3331              $self->{s_kwd} = '';
3332            ## Reconsume.            ## Reconsume.
3333            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
3334                      data => '&#',                      data => '&#',
# Line 2365  sub _get_next_token ($) { Line 3340  sub _get_next_token ($) {
3340            !!!cp (993);            !!!cp (993);
3341            $self->{ca}->{value} .= '&#';            $self->{ca}->{value} .= '&#';
3342            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3343              $self->{s_kwd} = '';
3344            ## Reconsume.            ## Reconsume.
3345            redo A;            redo A;
3346          }          }
# Line 2373  sub _get_next_token ($) { Line 3349  sub _get_next_token ($) {
3349        if (0x0030 <= $self->{nc} and        if (0x0030 <= $self->{nc} and
3350            $self->{nc} <= 0x0039) { # 0..9            $self->{nc} <= 0x0039) { # 0..9
3351          !!!cp (1012);          !!!cp (1012);
3352          $self->{s_kwd} *= 10;          $self->{kwd} *= 10;
3353          $self->{s_kwd} += $self->{nc} - 0x0030;          $self->{kwd} += $self->{nc} - 0x0030;
3354                    
3355          ## Stay in the state.          ## Stay in the state.
3356          !!!next-input-character;          !!!next-input-character;
# Line 2390  sub _get_next_token ($) { Line 3366  sub _get_next_token ($) {
3366          #          #
3367        }        }
3368    
3369        my $code = $self->{s_kwd};        my $code = $self->{kwd};
3370        my $l = $self->{line_prev};        my $l = $self->{line_prev};
3371        my $c = $self->{column_prev};        my $c = $self->{column_prev};
3372        if ($charref_map->{$code}) {        if ((not $self->{is_xml} and $charref_map->{$code}) or
3373              ($self->{is_xml} and 0xD800 <= $code and $code <= 0xDFFF) or
3374              ($self->{is_xml} and $code == 0x0000)) {
3375          !!!cp (1015);          !!!cp (1015);
3376          !!!parse-error (type => 'invalid character reference',          !!!parse-error (type => 'invalid character reference',
3377                          text => (sprintf 'U+%04X', $code),                          text => (sprintf 'U+%04X', $code),
# Line 2410  sub _get_next_token ($) { Line 3388  sub _get_next_token ($) {
3388        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3389          !!!cp (992);          !!!cp (992);
3390          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3391            $self->{s_kwd} = '';
3392          ## Reconsume.          ## Reconsume.
3393          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,
3394                      has_reference => 1,
3395                    line => $l, column => $c,                    line => $l, column => $c,
3396                   });                   });
3397          redo A;          redo A;
# Line 2420  sub _get_next_token ($) { Line 3400  sub _get_next_token ($) {
3400          $self->{ca}->{value} .= chr $code;          $self->{ca}->{value} .= chr $code;
3401          $self->{ca}->{has_reference} = 1;          $self->{ca}->{has_reference} = 1;
3402          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3403            $self->{s_kwd} = '';
3404          ## Reconsume.          ## Reconsume.
3405          redo A;          redo A;
3406        }        }
# Line 2430  sub _get_next_token ($) { Line 3411  sub _get_next_token ($) {
3411          # 0..9, A..F, a..f          # 0..9, A..F, a..f
3412          !!!cp (990);          !!!cp (990);
3413          $self->{state} = HEXREF_HEX_STATE;          $self->{state} = HEXREF_HEX_STATE;
3414          $self->{s_kwd} = 0;          $self->{kwd} = 0;
3415          ## Reconsume.          ## Reconsume.
3416          redo A;          redo A;
3417        } else {        } else {
# Line 2445  sub _get_next_token ($) { Line 3426  sub _get_next_token ($) {
3426          if ($self->{prev_state} == DATA_STATE) {          if ($self->{prev_state} == DATA_STATE) {
3427            !!!cp (1005);            !!!cp (1005);
3428            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3429              $self->{s_kwd} = '';
3430            ## Reconsume.            ## Reconsume.
3431            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
3432                      data => '&' . $self->{s_kwd},                      data => '&' . $self->{kwd},
3433                      line => $self->{line_prev},                      line => $self->{line_prev},
3434                      column => $self->{column_prev} - length $self->{s_kwd},                      column => $self->{column_prev} - length $self->{kwd},
3435                     });                     });
3436            redo A;            redo A;
3437          } else {          } else {
3438            !!!cp (989);            !!!cp (989);
3439            $self->{ca}->{value} .= '&' . $self->{s_kwd};            $self->{ca}->{value} .= '&' . $self->{kwd};
3440            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3441              $self->{s_kwd} = '';
3442            ## Reconsume.            ## Reconsume.
3443            redo A;            redo A;
3444          }          }
# Line 2464  sub _get_next_token ($) { Line 3447  sub _get_next_token ($) {
3447        if (0x0030 <= $self->{nc} and $self->{nc} <= 0x0039) {        if (0x0030 <= $self->{nc} and $self->{nc} <= 0x0039) {
3448          # 0..9          # 0..9
3449          !!!cp (1002);          !!!cp (1002);
3450          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3451          $self->{s_kwd} += $self->{nc} - 0x0030;          $self->{kwd} += $self->{nc} - 0x0030;
3452          ## Stay in the state.          ## Stay in the state.
3453          !!!next-input-character;          !!!next-input-character;
3454          redo A;          redo A;
3455        } elsif (0x0061 <= $self->{nc} and        } elsif (0x0061 <= $self->{nc} and
3456                 $self->{nc} <= 0x0066) { # a..f                 $self->{nc} <= 0x0066) { # a..f
3457          !!!cp (1003);          !!!cp (1003);
3458          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3459          $self->{s_kwd} += $self->{nc} - 0x0060 + 9;          $self->{kwd} += $self->{nc} - 0x0060 + 9;
3460          ## Stay in the state.          ## Stay in the state.
3461          !!!next-input-character;          !!!next-input-character;
3462          redo A;          redo A;
3463        } elsif (0x0041 <= $self->{nc} and        } elsif (0x0041 <= $self->{nc} and
3464                 $self->{nc} <= 0x0046) { # A..F                 $self->{nc} <= 0x0046) { # A..F
3465          !!!cp (1004);          !!!cp (1004);
3466          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3467          $self->{s_kwd} += $self->{nc} - 0x0040 + 9;          $self->{kwd} += $self->{nc} - 0x0040 + 9;
3468          ## Stay in the state.          ## Stay in the state.
3469          !!!next-input-character;          !!!next-input-character;
3470          redo A;          redo A;
# Line 2498  sub _get_next_token ($) { Line 3481  sub _get_next_token ($) {
3481          #          #
3482        }        }
3483    
3484        my $code = $self->{s_kwd};        my $code = $self->{kwd};
3485        my $l = $self->{line_prev};        my $l = $self->{line_prev};
3486        my $c = $self->{column_prev};        my $c = $self->{column_prev};
3487        if ($charref_map->{$code}) {        if ((not $self->{is_xml} and $charref_map->{$code}) or
3488              ($self->{is_xml} and 0xD800 <= $code and $code <= 0xDFFF) or
3489              ($self->{is_xml} and $code == 0x0000)) {
3490          !!!cp (1008);          !!!cp (1008);
3491          !!!parse-error (type => 'invalid character reference',          !!!parse-error (type => 'invalid character reference',
3492                          text => (sprintf 'U+%04X', $code),                          text => (sprintf 'U+%04X', $code),
# Line 2518  sub _get_next_token ($) { Line 3503  sub _get_next_token ($) {
3503        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3504          !!!cp (988);          !!!cp (988);
3505          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3506            $self->{s_kwd} = '';
3507          ## Reconsume.          ## Reconsume.
3508          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,
3509                      has_reference => 1,
3510                    line => $l, column => $c,                    line => $l, column => $c,
3511                   });                   });
3512          redo A;          redo A;
# Line 2528  sub _get_next_token ($) { Line 3515  sub _get_next_token ($) {
3515          $self->{ca}->{value} .= chr $code;          $self->{ca}->{value} .= chr $code;
3516          $self->{ca}->{has_reference} = 1;          $self->{ca}->{has_reference} = 1;
3517          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3518            $self->{s_kwd} = '';
3519          ## Reconsume.          ## Reconsume.
3520          redo A;          redo A;
3521        }        }
3522      } elsif ($self->{state} == ENTITY_NAME_STATE) {      } elsif ($self->{state} == ENTITY_NAME_STATE) {
3523        if (length $self->{s_kwd} < 30 and        if ((0x0041 <= $self->{nc} and # a
3524            ## NOTE: Some number greater than the maximum length of entity name             $self->{nc} <= 0x005A) or # x
3525            ((0x0041 <= $self->{nc} and # a            (0x0061 <= $self->{nc} and # a
3526              $self->{nc} <= 0x005A) or # x             $self->{nc} <= 0x007A) or # z
3527             (0x0061 <= $self->{nc} and # a            (0x0030 <= $self->{nc} and # 0
3528              $self->{nc} <= 0x007A) or # z             $self->{nc} <= 0x0039) or # 9
3529             (0x0030 <= $self->{nc} and # 0            $self->{nc} == 0x003B or # ;
3530              $self->{nc} <= 0x0039) or # 9            ($self->{is_xml} and
3531             $self->{nc} == 0x003B)) { # ;             not ($is_space->{$self->{nc}} or
3532                    {
3533                      0x003C => 1, 0x0026 => 1, -1 => 1, # <, &
3534                      $self->{entity_add} => 1,
3535                    }->{$self->{nc}}))) {
3536          our $EntityChar;          our $EntityChar;
3537          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
3538          if (defined $EntityChar->{$self->{s_kwd}}) {          if (defined $EntityChar->{$self->{kwd}} or
3539                $self->{ge}->{$self->{kwd}}) {
3540            if ($self->{nc} == 0x003B) { # ;            if ($self->{nc} == 0x003B) { # ;
3541              !!!cp (1020);              if (defined $self->{ge}->{$self->{kwd}}) {
3542              $self->{entity__value} = $EntityChar->{$self->{s_kwd}};                if ($self->{ge}->{$self->{kwd}}->{only_text}) {
3543                    !!!cp (1020.1);
3544                    $self->{entity__value} = $self->{ge}->{$self->{kwd}}->{value};
3545                  } else {
3546                    if (defined $self->{ge}->{$self->{kwd}}->{notation}) {
3547                      !!!cp (1020.2);
3548                      !!!parse-error (type => 'unparsed entity', ## TODO: type
3549                                      value => $self->{kwd});
3550                    } else {
3551                      !!!cp (1020.3);
3552                    }
3553                    $self->{entity__value} = '&' . $self->{kwd}; ## TODO: expand
3554                  }
3555                } else {
3556                  if ($self->{is_xml}) {
3557                    !!!cp (1020.4);
3558                    !!!parse-error (type => 'entity not declared', ## TODO: type
3559                                    value => $self->{kwd},
3560                                    level => {
3561                                              'amp;' => $self->{level}->{warn},
3562                                              'quot;' => $self->{level}->{warn},
3563                                              'lt;' => $self->{level}->{warn},
3564                                              'gt;' => $self->{level}->{warn},
3565                                              'apos;' => $self->{level}->{warn},
3566                                             }->{$self->{kwd}} ||
3567                                             $self->{level}->{must});
3568                  } else {
3569                    !!!cp (1020);
3570                  }
3571                  $self->{entity__value} = $EntityChar->{$self->{kwd}};
3572                }
3573              $self->{entity__match} = 1;              $self->{entity__match} = 1;
3574              !!!next-input-character;              !!!next-input-character;
3575              #              #
3576            } else {            } else {
3577              !!!cp (1021);              !!!cp (1021);
3578              $self->{entity__value} = $EntityChar->{$self->{s_kwd}};              $self->{entity__value} = $EntityChar->{$self->{kwd}};
3579              $self->{entity__match} = -1;              $self->{entity__match} = -1;
3580              ## Stay in the state.              ## Stay in the state.
3581              !!!next-input-character;              !!!next-input-character;
# Line 2580  sub _get_next_token ($) { Line 3603  sub _get_next_token ($) {
3603          if ($self->{prev_state} != DATA_STATE and # in attribute          if ($self->{prev_state} != DATA_STATE and # in attribute
3604              $self->{entity__match} < -1) {              $self->{entity__match} < -1) {
3605            !!!cp (1024);            !!!cp (1024);
3606            $data = '&' . $self->{s_kwd};            $data = '&' . $self->{kwd};
3607            #            #
3608          } else {          } else {
3609            !!!cp (1025);            !!!cp (1025);
# Line 2592  sub _get_next_token ($) { Line 3615  sub _get_next_token ($) {
3615          !!!cp (1026);          !!!cp (1026);
3616          !!!parse-error (type => 'bare ero',          !!!parse-error (type => 'bare ero',
3617                          line => $self->{line_prev},                          line => $self->{line_prev},
3618                          column => $self->{column_prev} - length $self->{s_kwd});                          column => $self->{column_prev} - length $self->{kwd});
3619          $data = '&' . $self->{s_kwd};          $data = '&' . $self->{kwd};
3620          #          #
3621        }        }
3622        
# Line 2610  sub _get_next_token ($) { Line 3633  sub _get_next_token ($) {
3633        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3634          !!!cp (986);          !!!cp (986);
3635          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3636            $self->{s_kwd} = '';
3637          ## Reconsume.          ## Reconsume.
3638          !!!emit ({type => CHARACTER_TOKEN,          !!!emit ({type => CHARACTER_TOKEN,
3639                    data => $data,                    data => $data,
3640                      has_reference => $has_ref,
3641                    line => $self->{line_prev},                    line => $self->{line_prev},
3642                    column => $self->{column_prev} + 1 - length $self->{s_kwd},                    column => $self->{column_prev} + 1 - length $self->{kwd},
3643                   });                   });
3644          redo A;          redo A;
3645        } else {        } else {
# Line 2622  sub _get_next_token ($) { Line 3647  sub _get_next_token ($) {
3647          $self->{ca}->{value} .= $data;          $self->{ca}->{value} .= $data;
3648          $self->{ca}->{has_reference} = 1 if $has_ref;          $self->{ca}->{has_reference} = 1 if $has_ref;
3649          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3650            $self->{s_kwd} = '';
3651            ## Reconsume.
3652            redo A;
3653          }
3654    
3655        ## XML-only states
3656    
3657        } elsif ($self->{state} == PI_STATE) {
3658          ## XML5: "Pi state" and "DOCTYPE pi state".
3659    
3660          if ($is_space->{$self->{nc}} or
3661              $self->{nc} == 0x003F or # ?
3662              $self->{nc} == -1) {
3663            ## XML5: U+003F: "pi state": Same as "Anything else"; "DOCTYPE
3664            ## pi state": Switch to the "DOCTYPE pi after state".  EOF:
3665            ## "DOCTYPE pi state": Parse error, switch to the "data
3666            ## state".
3667            !!!parse-error (type => 'bare pio', ## TODO: type
3668                            line => $self->{line_prev},
3669                            column => $self->{column_prev}
3670                                - 1 * ($self->{nc} != -1));
3671            $self->{state} = BOGUS_COMMENT_STATE;
3672            ## Reconsume.
3673            $self->{ct} = {type => COMMENT_TOKEN,
3674                           data => '?',
3675                           line => $self->{line_prev},
3676                           column => $self->{column_prev}
3677                               - 1 * ($self->{nc} != -1),
3678                          };
3679            redo A;
3680          } else {
3681            ## XML5: "DOCTYPE pi state": Stay in the state.
3682            $self->{ct} = {type => PI_TOKEN,
3683                           target => chr $self->{nc},
3684                           data => '',
3685                           line => $self->{line_prev},
3686                           column => $self->{column_prev} - 1,
3687                          };
3688            $self->{state} = PI_TARGET_STATE;
3689            !!!next-input-character;
3690            redo A;
3691          }
3692        } elsif ($self->{state} == PI_TARGET_STATE) {
3693          if ($is_space->{$self->{nc}}) {
3694            $self->{state} = PI_TARGET_AFTER_STATE;
3695            !!!next-input-character;
3696            redo A;
3697          } elsif ($self->{nc} == -1) {
3698            !!!parse-error (type => 'no pic'); ## TODO: type
3699            if ($self->{in_subset}) {
3700              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3701            } else {
3702              $self->{state} = DATA_STATE;
3703              $self->{s_kwd} = '';
3704            }
3705            ## Reconsume.
3706            !!!emit ($self->{ct}); # pi
3707            redo A;
3708          } elsif ($self->{nc} == 0x003F) { # ?
3709            $self->{state} = PI_AFTER_STATE;
3710            !!!next-input-character;
3711            redo A;
3712          } else {
3713            ## XML5: typo ("tag name" -> "target")
3714            $self->{ct}->{target} .= chr $self->{nc}; # pi
3715            !!!next-input-character;
3716            redo A;
3717          }
3718        } elsif ($self->{state} == PI_TARGET_AFTER_STATE) {
3719          if ($is_space->{$self->{nc}}) {
3720            ## Stay in the state.
3721            !!!next-input-character;
3722            redo A;
3723          } else {
3724            $self->{state} = PI_DATA_STATE;
3725            ## Reprocess.
3726            redo A;
3727          }
3728        } elsif ($self->{state} == PI_DATA_STATE) {
3729          if ($self->{nc} == 0x003F) { # ?
3730            $self->{state} = PI_DATA_AFTER_STATE;
3731            !!!next-input-character;
3732            redo A;
3733          } elsif ($self->{nc} == -1) {
3734            !!!parse-error (type => 'no pic'); ## TODO: type
3735            if ($self->{in_subset}) {
3736              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state"
3737            } else {
3738              $self->{state} = DATA_STATE;
3739              $self->{s_kwd} = '';
3740            }
3741            ## Reprocess.
3742            !!!emit ($self->{ct}); # pi
3743            redo A;
3744          } else {
3745            $self->{ct}->{data} .= chr $self->{nc}; # pi
3746            $self->{read_until}->($self->{ct}->{data}, q[?],
3747                                  length $self->{ct}->{data});
3748            ## Stay in the state.
3749            !!!next-input-character;
3750            ## Reprocess.
3751            redo A;
3752          }
3753        } elsif ($self->{state} == PI_AFTER_STATE) {
3754          ## XML5: Part of "Pi after state".
3755    
3756          if ($self->{nc} == 0x003E) { # >
3757            if ($self->{in_subset}) {
3758              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3759            } else {
3760              $self->{state} = DATA_STATE;
3761              $self->{s_kwd} = '';
3762            }
3763            !!!next-input-character;
3764            !!!emit ($self->{ct}); # pi
3765            redo A;
3766          } elsif ($self->{nc} == 0x003F) { # ?
3767            !!!parse-error (type => 'no s after target', ## TODO: type
3768                            line => $self->{line_prev},
3769                            column => $self->{column_prev}); ## XML5: no error
3770            $self->{ct}->{data} .= '?';
3771            $self->{state} = PI_DATA_AFTER_STATE;
3772            !!!next-input-character;
3773            redo A;
3774          } else {
3775            !!!parse-error (type => 'no s after target', ## TODO: type
3776                            line => $self->{line_prev},
3777                            column => $self->{column_prev}
3778                                + 1 * ($self->{nc} == -1)); ## XML5: no error
3779            $self->{ct}->{data} .= '?'; ## XML5: not appended
3780            $self->{state} = PI_DATA_STATE;
3781            ## Reprocess.
3782            redo A;
3783          }
3784        } elsif ($self->{state} == PI_DATA_AFTER_STATE) {
3785          ## XML5: Same as "pi after state" and "DOCTYPE pi after state".
3786    
3787          if ($self->{nc} == 0x003E) { # >
3788            if ($self->{in_subset}) {
3789              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3790            } else {
3791              $self->{state} = DATA_STATE;
3792              $self->{s_kwd} = '';
3793            }
3794            !!!next-input-character;
3795            !!!emit ($self->{ct}); # pi
3796            redo A;
3797          } elsif ($self->{nc} == 0x003F) { # ?
3798            $self->{ct}->{data} .= '?';
3799            ## Stay in the state.
3800            !!!next-input-character;
3801            redo A;
3802          } else {
3803            $self->{ct}->{data} .= '?'; ## XML5: not appended
3804            $self->{state} = PI_DATA_STATE;
3805            ## Reprocess.
3806            redo A;
3807          }
3808    
3809        } elsif ($self->{state} == DOCTYPE_INTERNAL_SUBSET_STATE) {
3810          if ($self->{nc} == 0x003C) { # <
3811            $self->{state} = DOCTYPE_TAG_STATE;
3812            !!!next-input-character;
3813            redo A;
3814          } elsif ($self->{nc} == 0x0025) { # %
3815            ## XML5: Not defined yet.
3816    
3817            ## TODO:
3818    
3819            if (not $self->{stop_processing} and
3820                not $self->{document}->xml_standalone) {
3821              !!!parse-error (type => 'stop processing', ## TODO: type
3822                              level => $self->{level}->{info});
3823              $self->{stop_processing} = 1;
3824            }
3825    
3826            !!!next-input-character;
3827            redo A;
3828          } elsif ($self->{nc} == 0x005D) { # ]
3829            delete $self->{in_subset};
3830            $self->{state} = DOCTYPE_INTERNAL_SUBSET_AFTER_STATE;
3831            !!!next-input-character;
3832            redo A;
3833          } elsif ($is_space->{$self->{nc}}) {
3834            ## Stay in the state.
3835            !!!next-input-character;
3836            redo A;
3837          } elsif ($self->{nc} == -1) {
3838            !!!parse-error (type => 'unclosed internal subset'); ## TODO: type
3839            delete $self->{in_subset};
3840            $self->{state} = DATA_STATE;
3841            $self->{s_kwd} = '';
3842            ## Reconsume.
3843            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3844            redo A;
3845          } else {
3846            unless ($self->{internal_subset_tainted}) {
3847              ## XML5: No parse error.
3848              !!!parse-error (type => 'string in internal subset');
3849              $self->{internal_subset_tainted} = 1;
3850            }
3851            ## Stay in the state.
3852            !!!next-input-character;
3853            redo A;
3854          }
3855        } elsif ($self->{state} == DOCTYPE_INTERNAL_SUBSET_AFTER_STATE) {
3856          if ($self->{nc} == 0x003E) { # >
3857            $self->{state} = DATA_STATE;
3858            $self->{s_kwd} = '';
3859            !!!next-input-character;
3860            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3861            redo A;
3862          } elsif ($self->{nc} == -1) {
3863            !!!parse-error (type => 'unclosed DOCTYPE');
3864            $self->{state} = DATA_STATE;
3865            $self->{s_kwd} = '';
3866            ## Reconsume.
3867            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3868            redo A;
3869          } else {
3870            ## XML5: No parse error and stay in the state.
3871            !!!parse-error (type => 'string after internal subset'); ## TODO: type
3872    
3873            $self->{state} = BOGUS_DOCTYPE_INTERNAL_SUBSET_AFTER_STATE;
3874            !!!next-input-character;
3875            redo A;
3876          }
3877        } elsif ($self->{state} == BOGUS_DOCTYPE_INTERNAL_SUBSET_AFTER_STATE) {
3878          if ($self->{nc} == 0x003E) { # >
3879            $self->{state} = DATA_STATE;
3880            $self->{s_kwd} = '';
3881            !!!next-input-character;
3882            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3883            redo A;
3884          } elsif ($self->{nc} == -1) {
3885            $self->{state} = DATA_STATE;
3886            $self->{s_kwd} = '';
3887            ## Reconsume.
3888            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3889            redo A;
3890          } else {
3891            ## Stay in the state.
3892            !!!next-input-character;
3893            redo A;
3894          }
3895        } elsif ($self->{state} == DOCTYPE_TAG_STATE) {
3896          if ($self->{nc} == 0x0021) { # !
3897            $self->{state} = DOCTYPE_MARKUP_DECLARATION_OPEN_STATE;
3898            !!!next-input-character;
3899            redo A;
3900          } elsif ($self->{nc} == 0x003F) { # ?
3901            $self->{state} = PI_STATE;
3902            !!!next-input-character;
3903            redo A;
3904          } elsif ($self->{nc} == -1) {
3905            !!!parse-error (type => 'bare stago');
3906            $self->{state} = DATA_STATE;
3907            $self->{s_kwd} = '';
3908            ## Reconsume.
3909            redo A;
3910          } else {
3911            !!!parse-error (type => 'bare stago', ## XML5: Not a parse error.
3912                            line => $self->{line_prev},
3913                            column => $self->{column_prev});
3914            $self->{state} = BOGUS_COMMENT_STATE;
3915            $self->{ct} = {type => COMMENT_TOKEN,
3916                           data => '',
3917                          }; ## NOTE: Will be discarded.
3918            !!!next-input-character;
3919            redo A;
3920          }
3921        } elsif ($self->{state} == DOCTYPE_MARKUP_DECLARATION_OPEN_STATE) {
3922          ## XML5: "DOCTYPE markup declaration state".
3923          
3924          if ($self->{nc} == 0x002D) { # -
3925            $self->{state} = MD_HYPHEN_STATE;
3926            !!!next-input-character;
3927            redo A;
3928          } elsif ($self->{nc} == 0x0045 or # E
3929                   $self->{nc} == 0x0065) { # e
3930            $self->{state} = MD_E_STATE;
3931            $self->{kwd} = chr $self->{nc};
3932            !!!next-input-character;
3933            redo A;
3934          } elsif ($self->{nc} == 0x0041 or # A
3935                   $self->{nc} == 0x0061) { # a
3936            $self->{state} = MD_ATTLIST_STATE;
3937            $self->{kwd} = chr $self->{nc};
3938            !!!next-input-character;
3939            redo A;
3940          } elsif ($self->{nc} == 0x004E or # N
3941                   $self->{nc} == 0x006E) { # n
3942            $self->{state} = MD_NOTATION_STATE;
3943            $self->{kwd} = chr $self->{nc};
3944            !!!next-input-character;
3945            redo A;
3946          } else {
3947            #
3948          }
3949          
3950          ## XML5: No parse error.
3951          !!!parse-error (type => 'bogus comment',
3952                          line => $self->{line_prev},
3953                          column => $self->{column_prev} - 1);
3954          ## Reconsume.
3955          $self->{state} = BOGUS_COMMENT_STATE;
3956          $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded.
3957          redo A;
3958        } elsif ($self->{state} == MD_E_STATE) {
3959          if ($self->{nc} == 0x004E or # N
3960              $self->{nc} == 0x006E) { # n
3961            $self->{state} = MD_ENTITY_STATE;
3962            $self->{kwd} .= chr $self->{nc};
3963            !!!next-input-character;
3964            redo A;
3965          } elsif ($self->{nc} == 0x004C or # L
3966                   $self->{nc} == 0x006C) { # l
3967            ## XML5: <!ELEMENT> not supported.
3968            $self->{state} = MD_ELEMENT_STATE;
3969            $self->{kwd} .= chr $self->{nc};
3970            !!!next-input-character;
3971            redo A;
3972          } else {
3973            ## XML5: No parse error.
3974            !!!parse-error (type => 'bogus comment',
3975                            line => $self->{line_prev},
3976                            column => $self->{column_prev} - 2
3977                                + 1 * ($self->{nc} == -1));
3978            ## Reconsume.
3979            $self->{state} = BOGUS_COMMENT_STATE;
3980            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3981            redo A;
3982          }
3983        } elsif ($self->{state} == MD_ENTITY_STATE) {
3984          if ($self->{nc} == [
3985                undef,
3986                undef,
3987                0x0054, # T
3988                0x0049, # I
3989                0x0054, # T
3990              ]->[length $self->{kwd}] or
3991              $self->{nc} == [
3992                undef,
3993                undef,
3994                0x0074, # t
3995                0x0069, # i
3996                0x0074, # t
3997              ]->[length $self->{kwd}]) {
3998            ## Stay in the state.
3999            $self->{kwd} .= chr $self->{nc};
4000            !!!next-input-character;
4001            redo A;
4002          } elsif ((length $self->{kwd}) == 5 and
4003                   ($self->{nc} == 0x0059 or # Y
4004                    $self->{nc} == 0x0079)) { # y
4005            if ($self->{kwd} ne 'ENTIT' or $self->{nc} == 0x0079) {
4006              !!!parse-error (type => 'lowercase keyword', ## TODO: type
4007                              text => 'ENTITY',
4008                              line => $self->{line_prev},
4009                              column => $self->{column_prev} - 4);
4010            }
4011            $self->{ct} = {type => GENERAL_ENTITY_TOKEN, name => '',
4012                           line => $self->{line_prev},
4013                           column => $self->{column_prev} - 6};
4014            $self->{state} = DOCTYPE_MD_STATE;
4015            !!!next-input-character;
4016            redo A;
4017          } else {
4018            !!!parse-error (type => 'bogus comment',
4019                            line => $self->{line_prev},
4020                            column => $self->{column_prev} - 1
4021                                - (length $self->{kwd})
4022                                + 1 * ($self->{nc} == -1));
4023            $self->{state} = BOGUS_COMMENT_STATE;
4024            ## Reconsume.
4025            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
4026            redo A;
4027          }
4028        } elsif ($self->{state} == MD_ELEMENT_STATE) {
4029          if ($self->{nc} == [
4030               undef,
4031               undef,
4032               0x0045, # E
4033               0x004D, # M
4034               0x0045, # E
4035               0x004E, # N
4036              ]->[length $self->{kwd}] or
4037              $self->{nc} == [
4038               undef,
4039               undef,
4040               0x0065, # e
4041               0x006D, # m
4042               0x0065, # e
4043               0x006E, # n
4044              ]->[length $self->{kwd}]) {
4045            ## Stay in the state.
4046            $self->{kwd} .= chr $self->{nc};
4047            !!!next-input-character;
4048            redo A;
4049          } elsif ((length $self->{kwd}) == 6 and
4050                   ($self->{nc} == 0x0054 or # T
4051                    $self->{nc} == 0x0074)) { # t
4052            if ($self->{kwd} ne 'ELEMEN' or $self->{nc} == 0x0074) {
4053              !!!parse-error (type => 'lowercase keyword', ## TODO: type
4054                              text => 'ELEMENT',
4055                              line => $self->{line_prev},
4056                              column => $self->{column_prev} - 5);
4057            }
4058            $self->{ct} = {type => ELEMENT_TOKEN, name => '',
4059                           line => $self->{line_prev},
4060                           column => $self->{column_prev} - 7};
4061            $self->{state} = DOCTYPE_MD_STATE;
4062            !!!next-input-character;
4063            redo A;
4064          } else {
4065            !!!parse-error (type => 'bogus comment',
4066                            line => $self->{line_prev},
4067                            column => $self->{column_prev} - 1
4068                                - (length $self->{kwd})
4069                                + 1 * ($self->{nc} == -1));
4070            $self->{state} = BOGUS_COMMENT_STATE;
4071            ## Reconsume.
4072            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
4073            redo A;
4074          }
4075        } elsif ($self->{state} == MD_ATTLIST_STATE) {
4076          if ($self->{nc} == [
4077               undef,
4078               0x0054, # T
4079               0x0054, # T
4080               0x004C, # L
4081               0x0049, # I
4082               0x0053, # S
4083              ]->[length $self->{kwd}] or
4084              $self->{nc} == [
4085               undef,
4086               0x0074, # t
4087               0x0074, # t
4088               0x006C, # l
4089               0x0069, # i
4090               0x0073, # s
4091              ]->[length $self->{kwd}]) {
4092            ## Stay in the state.
4093            $self->{kwd} .= chr $self->{nc};
4094            !!!next-input-character;
4095            redo A;
4096          } elsif ((length $self->{kwd}) == 6 and
4097                   ($self->{nc} == 0x0054 or # T
4098                    $self->{nc} == 0x0074)) { # t
4099            if ($self->{kwd} ne 'ATTLIS' or $self->{nc} == 0x0074) {
4100              !!!parse-error (type => 'lowercase keyword', ## TODO: type
4101                              text => 'ATTLIST',
4102                              line => $self->{line_prev},
4103                              column => $self->{column_prev} - 5);
4104            }
4105            $self->{ct} = {type => ATTLIST_TOKEN, name => '',
4106                           attrdefs => [],
4107                           line => $self->{line_prev},
4108                           column => $self->{column_prev} - 7};
4109            $self->{state} = DOCTYPE_MD_STATE;
4110            !!!next-input-character;
4111            redo A;
4112          } else {
4113            !!!parse-error (type => 'bogus comment',
4114                            line => $self->{line_prev},
4115                            column => $self->{column_prev} - 1
4116                                 - (length $self->{kwd})
4117                                 + 1 * ($self->{nc} == -1));
4118            $self->{state} = BOGUS_COMMENT_STATE;
4119            ## Reconsume.
4120            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
4121            redo A;
4122          }
4123        } elsif ($self->{state} == MD_NOTATION_STATE) {
4124          if ($self->{nc} == [
4125               undef,
4126               0x004F, # O
4127               0x0054, # T
4128               0x0041, # A
4129               0x0054, # T
4130               0x0049, # I
4131               0x004F, # O
4132              ]->[length $self->{kwd}] or
4133              $self->{nc} == [
4134               undef,
4135               0x006F, # o
4136               0x0074, # t
4137               0x0061, # a
4138               0x0074, # t
4139               0x0069, # i
4140               0x006F, # o
4141              ]->[length $self->{kwd}]) {
4142            ## Stay in the state.
4143            $self->{kwd} .= chr $self->{nc};
4144            !!!next-input-character;
4145            redo A;
4146          } elsif ((length $self->{kwd}) == 7 and
4147                   ($self->{nc} == 0x004E or # N
4148                    $self->{nc} == 0x006E)) { # n
4149            if ($self->{kwd} ne 'NOTATIO' or $self->{nc} == 0x006E) {
4150              !!!parse-error (type => 'lowercase keyword', ## TODO: type
4151                              text => 'NOTATION',
4152                              line => $self->{line_prev},
4153                              column => $self->{column_prev} - 6);
4154            }
4155            $self->{ct} = {type => NOTATION_TOKEN, name => '',
4156                           line => $self->{line_prev},
4157                           column => $self->{column_prev} - 8};
4158            $self->{state} = DOCTYPE_MD_STATE;
4159            !!!next-input-character;
4160            redo A;
4161          } else {
4162            !!!parse-error (type => 'bogus comment',
4163                            line => $self->{line_prev},
4164                            column => $self->{column_prev} - 1
4165                                - (length $self->{kwd})
4166                                + 1 * ($self->{nc} == -1));
4167            $self->{state} = BOGUS_COMMENT_STATE;
4168            ## Reconsume.
4169            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
4170            redo A;
4171          }
4172        } elsif ($self->{state} == DOCTYPE_MD_STATE) {
4173          ## XML5: "DOCTYPE ENTITY state", "DOCTYPE ATTLIST state", and
4174          ## "DOCTYPE NOTATION state".
4175    
4176          if ($is_space->{$self->{nc}}) {
4177            ## XML5: [NOTATION] Switch to the "DOCTYPE NOTATION identifier state".
4178            $self->{state} = BEFORE_MD_NAME_STATE;
4179            !!!next-input-character;
4180            redo A;
4181          } elsif ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN and
4182                   $self->{nc} == 0x0025) { # %
4183            ## XML5: Switch to the "DOCTYPE bogus comment state".
4184            !!!parse-error (type => 'no space before md name'); ## TODO: type
4185            $self->{state} = DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE;
4186            !!!next-input-character;
4187            redo A;
4188          } elsif ($self->{nc} == -1) {
4189            !!!parse-error (type => 'unclosed md'); ## TODO: type
4190            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4191            ## Reconsume.
4192            redo A;
4193          } elsif ($self->{nc} == 0x003E) { # >
4194            ## XML5: Switch to the "DOCTYPE bogus comment state".
4195            !!!parse-error (type => 'no md name'); ## TODO: type
4196            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4197            !!!next-input-character;
4198            redo A;
4199          } else {
4200            ## XML5: Switch to the "DOCTYPE bogus comment state".
4201            !!!parse-error (type => 'no space before md name'); ## TODO: type
4202            $self->{state} = BEFORE_MD_NAME_STATE;
4203            redo A;
4204          }
4205        } elsif ($self->{state} == BEFORE_MD_NAME_STATE) {
4206          ## XML5: "DOCTYPE ENTITY parameter state", "DOCTYPE ENTITY type
4207          ## before state", "DOCTYPE ATTLIST name before state".
4208    
4209          if ($is_space->{$self->{nc}}) {
4210            ## Stay in the state.
4211            !!!next-input-character;
4212            redo A;
4213          } elsif ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN and
4214                   $self->{nc} == 0x0025) { # %
4215            $self->{state} = DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE;
4216            !!!next-input-character;
4217            redo A;
4218          } elsif ($self->{nc} == 0x003E) { # >
4219            ## XML5: Same as "Anything else".
4220            !!!parse-error (type => 'no md name'); ## TODO: type
4221            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4222            !!!next-input-character;
4223            redo A;
4224          } elsif ($self->{nc} == -1) {
4225            !!!parse-error (type => 'unclosed md'); ## TODO: type
4226            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4227            ## Reconsume.
4228            redo A;
4229          } else {
4230            ## XML5: [ATTLIST] Not defined yet.
4231            $self->{ct}->{name} .= chr $self->{nc};
4232            $self->{state} = MD_NAME_STATE;
4233            !!!next-input-character;
4234            redo A;
4235          }
4236        } elsif ($self->{state} == DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE) {
4237          if ($is_space->{$self->{nc}}) {
4238            ## XML5: Switch to the "DOCTYPE ENTITY parameter state".
4239            $self->{ct}->{type} = PARAMETER_ENTITY_TOKEN;
4240            $self->{state} = BEFORE_MD_NAME_STATE;
4241            !!!next-input-character;
4242            redo A;
4243          } elsif ($self->{nc} == 0x003E) { # >
4244            ## XML5: Same as "Anything else".
4245            !!!parse-error (type => 'no md name'); ## TODO: type
4246            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4247            !!!next-input-character;
4248            redo A;
4249          } elsif ($self->{nc} == -1) {
4250            !!!parse-error (type => 'unclosed md');
4251            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4252            ## Reconsume.
4253            redo A;
4254          } else {
4255            ## XML5: No parse error.
4256            !!!parse-error (type => 'no space after ENTITY percent'); ## TODO: type
4257            $self->{state} = BOGUS_COMMENT_STATE;
4258            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
4259            ## Reconsume.
4260            redo A;
4261          }
4262        } elsif ($self->{state} == MD_NAME_STATE) {
4263          ## XML5: "DOCTYPE ENTITY name state" and "DOCTYPE ATTLIST name state".
4264          
4265          if ($is_space->{$self->{nc}}) {
4266            if ($self->{ct}->{type} == ATTLIST_TOKEN) {
4267              $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4268            } elsif ($self->{ct}->{type} == ELEMENT_TOKEN) {
4269              $self->{state} = AFTER_ELEMENT_NAME_STATE;
4270            } else { # ENTITY/NOTATION
4271              $self->{state} = AFTER_DOCTYPE_NAME_STATE;
4272            }
4273            !!!next-input-character;
4274            redo A;
4275          } elsif ($self->{nc} == 0x003E) { # >
4276            if ($self->{ct}->{type} == ATTLIST_TOKEN) {
4277              #
4278            } else {
4279              !!!parse-error (type => 'no md def'); ## TODO: type
4280            }
4281            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4282            !!!next-input-character;
4283            !!!emit ($self->{ct}); # ELEMENT/ENTITY/ATTLIST/NOTATION
4284            redo A;
4285          } elsif ($self->{nc} == -1) {
4286            ## XML5: [ATTLIST] No parse error.
4287            !!!parse-error (type => 'unclosed md');
4288            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4289            ## Reconsume.
4290            !!!emit ($self->{ct}); # ELEMENT/ENTITY/ATTLIST/NOTATION
4291            redo A;
4292          } else {
4293            ## XML5: [ATTLIST] Not defined yet.
4294            $self->{ct}->{name} .= chr $self->{nc};
4295            ## Stay in the state.
4296            !!!next-input-character;
4297            redo A;
4298          }
4299        } elsif ($self->{state} == DOCTYPE_ATTLIST_NAME_AFTER_STATE) {
4300          if ($is_space->{$self->{nc}}) {
4301            ## Stay in the state.
4302            !!!next-input-character;
4303            redo A;
4304          } elsif ($self->{nc} == 0x003E) { # >
4305            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4306            !!!next-input-character;
4307            !!!emit ($self->{ct}); # ATTLIST
4308            redo A;
4309          } elsif ($self->{nc} == -1) {
4310            ## XML5: No parse error.
4311            !!!parse-error (type => 'unclosed md'); ## TODO: type
4312            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4313            !!!emit ($self->{ct});
4314            redo A;
4315          } else {
4316            ## XML5: Not defined yet.
4317            $self->{ca} = {name => chr ($self->{nc}), # attrdef
4318                           tokens => [],
4319                           line => $self->{line}, column => $self->{column}};
4320            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_NAME_STATE;
4321            !!!next-input-character;
4322            redo A;
4323          }
4324        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_NAME_STATE) {
4325          if ($is_space->{$self->{nc}}) {
4326            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_NAME_AFTER_STATE;
4327            !!!next-input-character;
4328            redo A;
4329          } elsif ($self->{nc} == 0x003E) { # >
4330            ## XML5: Same as "anything else".
4331            !!!parse-error (type => 'no attr type'); ## TODO: type
4332            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4333            !!!next-input-character;
4334            !!!emit ($self->{ct}); # ATTLIST
4335            redo A;
4336          } elsif ($self->{nc} == 0x0028) { # (
4337            ## XML5: Same as "anything else".
4338            !!!parse-error (type => 'no space before paren'); ## TODO: type
4339            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4340            !!!next-input-character;
4341            redo A;
4342          } elsif ($self->{nc} == -1) {
4343            ## XML5: No parse error.
4344            !!!parse-error (type => 'unclosed md'); ## TODO: type
4345            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4346            !!!next-input-character;
4347            !!!emit ($self->{ct}); # ATTLIST
4348            redo A;
4349          } else {
4350            ## XML5: Not defined yet.
4351            $self->{ca}->{name} .= chr $self->{nc};
4352            ## Stay in the state.
4353            !!!next-input-character;
4354            redo A;
4355          }
4356        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_NAME_AFTER_STATE) {
4357          if ($is_space->{$self->{nc}}) {
4358            ## Stay in the state.
4359            !!!next-input-character;
4360            redo A;
4361          } elsif ($self->{nc} == 0x003E) { # >
4362            ## XML5: Same as "anything else".
4363            !!!parse-error (type => 'no attr type'); ## TODO: type
4364            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4365            !!!next-input-character;
4366            !!!emit ($self->{ct}); # ATTLIST
4367            redo A;
4368          } elsif ($self->{nc} == 0x0028) { # (
4369            ## XML5: Same as "anything else".
4370            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4371            !!!next-input-character;
4372            redo A;
4373          } elsif ($self->{nc} == -1) {
4374            ## XML5: No parse error.
4375            !!!parse-error (type => 'unclosed md'); ## TODO: type
4376            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4377            !!!next-input-character;
4378            !!!emit ($self->{ct});
4379            redo A;
4380          } else {
4381            ## XML5: Not defined yet.
4382            $self->{ca}->{type} = chr $self->{nc};
4383            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_STATE;
4384            !!!next-input-character;
4385            redo A;
4386          }
4387        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_STATE) {
4388          if ($is_space->{$self->{nc}}) {
4389            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_AFTER_STATE;
4390            !!!next-input-character;
4391            redo A;
4392          } elsif ($self->{nc} == 0x0023) { # #
4393            ## XML5: Same as "anything else".
4394            !!!parse-error (type => 'no space before default value'); ## TODO: type
4395            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4396            !!!next-input-character;
4397            redo A;
4398          } elsif ($self->{nc} == 0x0022) { # "
4399            ## XML5: Same as "anything else".
4400            !!!parse-error (type => 'no space before default value'); ## TODO: type
4401            $self->{ca}->{value} = '';
4402            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4403            !!!next-input-character;
4404            redo A;
4405          } elsif ($self->{nc} == 0x0027) { # '
4406            ## XML5: Same as "anything else".
4407            !!!parse-error (type => 'no space before default value'); ## TODO: type
4408            $self->{ca}->{value} = '';
4409            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4410            !!!next-input-character;
4411            redo A;
4412          } elsif ($self->{nc} == 0x003E) { # >
4413            ## XML5: Same as "anything else".
4414            !!!parse-error (type => 'no attr default'); ## TODO: type
4415            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4416            !!!next-input-character;
4417            !!!emit ($self->{ct}); # ATTLIST
4418            redo A;
4419          } elsif ($self->{nc} == 0x0028) { # (
4420            ## XML5: Same as "anything else".
4421            !!!parse-error (type => 'no space before paren'); ## TODO: type
4422            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4423            !!!next-input-character;
4424            redo A;
4425          } elsif ($self->{nc} == -1) {
4426            ## XML5: No parse error.
4427            !!!parse-error (type => 'unclosed md'); ## TODO: type
4428            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4429            !!!next-input-character;
4430            !!!emit ($self->{ct});
4431            redo A;
4432          } else {
4433            ## XML5: Not defined yet.
4434            $self->{ca}->{type} .= chr $self->{nc};
4435            ## Stay in the state.
4436            !!!next-input-character;
4437            redo A;
4438          }
4439        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_AFTER_STATE) {
4440          if ($is_space->{$self->{nc}}) {
4441            ## Stay in the state.
4442            !!!next-input-character;
4443            redo A;
4444          } elsif ($self->{nc} == 0x0028) { # (
4445            ## XML5: Same as "anything else".
4446            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4447            !!!next-input-character;
4448            redo A;
4449          } elsif ($self->{nc} == 0x0023) { # #
4450            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4451            !!!next-input-character;
4452            redo A;
4453          } elsif ($self->{nc} == 0x0022) { # "
4454            ## XML5: Same as "anything else".
4455            $self->{ca}->{value} = '';
4456            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4457            !!!next-input-character;
4458            redo A;
4459          } elsif ($self->{nc} == 0x0027) { # '
4460            ## XML5: Same as "anything else".
4461            $self->{ca}->{value} = '';
4462            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4463            !!!next-input-character;
4464            redo A;
4465          } elsif ($self->{nc} == 0x003E) { # >
4466            ## XML5: Same as "anything else".
4467            !!!parse-error (type => 'no attr default'); ## TODO: type
4468            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4469            !!!next-input-character;
4470            !!!emit ($self->{ct}); # ATTLIST
4471            redo A;
4472          } elsif ($self->{nc} == -1) {
4473            ## XML5: No parse error.
4474            !!!parse-error (type => 'unclosed md'); ## TODO: type
4475            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4476            !!!next-input-character;
4477            !!!emit ($self->{ct});
4478            redo A;
4479          } else {
4480            ## XML5: Switch to the "DOCTYPE bogus comment state".
4481            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4482            $self->{ca}->{value} = '';
4483            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4484          ## Reconsume.          ## Reconsume.
4485          redo A;          redo A;
4486        }        }
4487        } elsif ($self->{state} == BEFORE_ALLOWED_TOKEN_STATE) {
4488          if ($is_space->{$self->{nc}}) {
4489            ## Stay in the state.
4490            !!!next-input-character;
4491            redo A;
4492          } elsif ($self->{nc} == 0x007C) { # |
4493            !!!parse-error (type => 'empty allowed token'); ## TODO: type
4494            ## Stay in the state.
4495            !!!next-input-character;
4496            redo A;
4497          } elsif ($self->{nc} == 0x0029) { # )
4498            !!!parse-error (type => 'empty allowed token'); ## TODO: type
4499            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4500            !!!next-input-character;
4501            redo A;
4502          } elsif ($self->{nc} == 0x003E) { # >
4503            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4504            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4505            !!!next-input-character;
4506            !!!emit ($self->{ct}); # ATTLIST
4507            redo A;
4508          } elsif ($self->{nc} == -1) {
4509            ## XML5: No parse error.
4510            !!!parse-error (type => 'unclosed md'); ## TODO: type
4511            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4512            !!!next-input-character;
4513            !!!emit ($self->{ct});
4514            redo A;
4515          } else {
4516            push @{$self->{ca}->{tokens}}, chr $self->{nc};
4517            $self->{state} = ALLOWED_TOKEN_STATE;
4518            !!!next-input-character;
4519            redo A;
4520          }
4521        } elsif ($self->{state} == ALLOWED_TOKEN_STATE) {
4522          if ($is_space->{$self->{nc}}) {
4523            $self->{state} = AFTER_ALLOWED_TOKEN_STATE;
4524            !!!next-input-character;
4525            redo A;
4526          } elsif ($self->{nc} == 0x007C) { # |
4527            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4528            !!!next-input-character;
4529            redo A;
4530          } elsif ($self->{nc} == 0x0029) { # )
4531            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4532            !!!next-input-character;
4533            redo A;
4534          } elsif ($self->{nc} == 0x003E) { # >
4535            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4536            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4537            !!!next-input-character;
4538            !!!emit ($self->{ct}); # ATTLIST
4539            redo A;
4540          } elsif ($self->{nc} == -1) {
4541            ## XML5: No parse error.
4542            !!!parse-error (type => 'unclosed md'); ## TODO: type
4543            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4544            !!!next-input-character;
4545            !!!emit ($self->{ct});
4546            redo A;
4547          } else {
4548            $self->{ca}->{tokens}->[-1] .= chr $self->{nc};
4549            ## Stay in the state.
4550            !!!next-input-character;
4551            redo A;
4552          }
4553        } elsif ($self->{state} == AFTER_ALLOWED_TOKEN_STATE) {
4554          if ($is_space->{$self->{nc}}) {
4555            ## Stay in the state.
4556            !!!next-input-character;
4557            redo A;
4558          } elsif ($self->{nc} == 0x007C) { # |
4559            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4560            !!!next-input-character;
4561            redo A;
4562          } elsif ($self->{nc} == 0x0029) { # )
4563            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4564            !!!next-input-character;
4565            redo A;
4566          } elsif ($self->{nc} == 0x003E) { # >
4567            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4568            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4569            !!!next-input-character;
4570            !!!emit ($self->{ct}); # ATTLIST
4571            redo A;
4572          } elsif ($self->{nc} == -1) {
4573            ## XML5: No parse error.
4574            !!!parse-error (type => 'unclosed md'); ## TODO: type
4575            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4576            !!!next-input-character;
4577            !!!emit ($self->{ct});
4578            redo A;
4579          } else {
4580            !!!parse-error (type => 'space in allowed token', ## TODO: type
4581                            line => $self->{line_prev},
4582                            column => $self->{column_prev});
4583            $self->{ca}->{tokens}->[-1] .= ' ' . chr $self->{nc};
4584            $self->{state} = ALLOWED_TOKEN_STATE;
4585            !!!next-input-character;
4586            redo A;
4587          }
4588        } elsif ($self->{state} == AFTER_ALLOWED_TOKENS_STATE) {
4589          if ($is_space->{$self->{nc}}) {
4590            $self->{state} = BEFORE_ATTR_DEFAULT_STATE;
4591            !!!next-input-character;
4592            redo A;
4593          } elsif ($self->{nc} == 0x0023) { # #
4594            !!!parse-error (type => 'no space before default value'); ## TODO: type
4595            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4596            !!!next-input-character;
4597            redo A;
4598          } elsif ($self->{nc} == 0x0022) { # "
4599            !!!parse-error (type => 'no space before default value'); ## TODO: type
4600            $self->{ca}->{value} = '';
4601            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4602            !!!next-input-character;
4603            redo A;
4604          } elsif ($self->{nc} == 0x0027) { # '
4605            !!!parse-error (type => 'no space before default value'); ## TODO: type
4606            $self->{ca}->{value} = '';
4607            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4608            !!!next-input-character;
4609            redo A;
4610          } elsif ($self->{nc} == 0x003E) { # >
4611            !!!parse-error (type => 'no attr default'); ## TODO: type
4612            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4613            !!!next-input-character;
4614            !!!emit ($self->{ct}); # ATTLIST
4615            redo A;
4616          } elsif ($self->{nc} == -1) {
4617            !!!parse-error (type => 'unclosed md'); ## TODO: type
4618            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4619            !!!next-input-character;
4620            !!!emit ($self->{ct});
4621            redo A;
4622          } else {
4623            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4624            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4625            ## Reconsume.
4626            redo A;
4627          }
4628        } elsif ($self->{state} == BEFORE_ATTR_DEFAULT_STATE) {
4629          if ($is_space->{$self->{nc}}) {
4630            ## Stay in the state.
4631            !!!next-input-character;
4632            redo A;
4633          } elsif ($self->{nc} == 0x0023) { # #
4634            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4635            !!!next-input-character;
4636            redo A;
4637          } elsif ($self->{nc} == 0x0022) { # "
4638            $self->{ca}->{value} = '';
4639            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4640            !!!next-input-character;
4641            redo A;
4642          } elsif ($self->{nc} == 0x0027) { # '
4643            $self->{ca}->{value} = '';
4644            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4645            !!!next-input-character;
4646            redo A;
4647          } elsif ($self->{nc} == 0x003E) { # >
4648            !!!parse-error (type => 'no attr default'); ## TODO: type
4649            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4650            !!!next-input-character;
4651            !!!emit ($self->{ct}); # ATTLIST
4652            redo A;
4653          } elsif ($self->{nc} == -1) {
4654            !!!parse-error (type => 'unclosed md'); ## TODO: type
4655            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4656            !!!next-input-character;
4657            !!!emit ($self->{ct});
4658            redo A;
4659          } else {
4660            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4661            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4662            ## Reconsume.
4663            redo A;
4664          }
4665        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE) {
4666          if ($is_space->{$self->{nc}}) {
4667            ## XML5: No parse error.
4668            !!!parse-error (type => 'no default type'); ## TODO: type
4669            $self->{state} = BOGUS_MD_STATE;
4670            ## Reconsume.
4671            redo A;
4672          } elsif ($self->{nc} == 0x0022) { # "
4673            ## XML5: Same as "anything else".
4674            $self->{ca}->{value} = '';
4675            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4676            !!!next-input-character;
4677            redo A;
4678          } elsif ($self->{nc} == 0x0027) { # '
4679            ## XML5: Same as "anything else".
4680            $self->{ca}->{value} = '';
4681            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4682            !!!next-input-character;
4683            redo A;
4684          } elsif ($self->{nc} == 0x003E) { # >
4685            ## XML5: Same as "anything else".
4686            !!!parse-error (type => 'no attr default'); ## TODO: type
4687            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4688            !!!next-input-character;
4689            !!!emit ($self->{ct}); # ATTLIST
4690            redo A;
4691          } elsif ($self->{nc} == -1) {
4692            ## XML5: No parse error.
4693            !!!parse-error (type => 'unclosed md'); ## TODO: type
4694            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4695            !!!next-input-character;
4696            !!!emit ($self->{ct});
4697            redo A;
4698          } else {
4699            $self->{ca}->{default} = chr $self->{nc};
4700            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_STATE;
4701            !!!next-input-character;
4702            redo A;
4703          }
4704        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_STATE) {
4705          if ($is_space->{$self->{nc}}) {
4706            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_AFTER_STATE;
4707            !!!next-input-character;
4708            redo A;
4709          } elsif ($self->{nc} == 0x0022) { # "
4710            ## XML5: Same as "anything else".
4711            !!!parse-error (type => 'no space before default value'); ## TODO: type
4712            $self->{ca}->{value} = '';
4713            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4714            !!!next-input-character;
4715            redo A;
4716          } elsif ($self->{nc} == 0x0027) { # '
4717            ## XML5: Same as "anything else".
4718            !!!parse-error (type => 'no space before default value'); ## TODO: type
4719            $self->{ca}->{value} = '';
4720            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4721            !!!next-input-character;
4722            redo A;
4723          } elsif ($self->{nc} == 0x003E) { # >
4724            ## XML5: Same as "anything else".
4725            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4726            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4727            !!!next-input-character;
4728            !!!emit ($self->{ct}); # ATTLIST
4729            redo A;
4730          } elsif ($self->{nc} == -1) {
4731            ## XML5: No parse error.
4732            !!!parse-error (type => 'unclosed md'); ## TODO: type
4733            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4734            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4735            !!!next-input-character;
4736            !!!emit ($self->{ct});
4737            redo A;
4738          } else {
4739            $self->{ca}->{default} .= chr $self->{nc};
4740            ## Stay in the state.
4741            !!!next-input-character;
4742            redo A;
4743          }
4744        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_AFTER_STATE) {
4745          if ($is_space->{$self->{nc}}) {
4746            ## Stay in the state.
4747            !!!next-input-character;
4748            redo A;
4749          } elsif ($self->{nc} == 0x0022) { # "
4750            $self->{ca}->{value} = '';
4751            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4752            !!!next-input-character;
4753            redo A;
4754          } elsif ($self->{nc} == 0x0027) { # '
4755            $self->{ca}->{value} = '';
4756            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4757            !!!next-input-character;
4758            redo A;
4759          } elsif ($self->{nc} == 0x003E) { # >
4760            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4761            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4762            !!!next-input-character;
4763            !!!emit ($self->{ct}); # ATTLIST
4764            redo A;
4765          } elsif ($self->{nc} == -1) {
4766            ## XML5: No parse error.
4767            !!!parse-error (type => 'unclosed md'); ## TODO: type
4768            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4769            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4770            !!!next-input-character;
4771            !!!emit ($self->{ct});
4772            redo A;
4773          } else {
4774            ## XML5: Not defined yet.
4775            if ($self->{ca}->{default} eq 'FIXED') {
4776              $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4777            } else {
4778              push @{$self->{ct}->{attrdefs}}, $self->{ca};
4779              $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4780            }
4781            ## Reconsume.
4782            redo A;
4783          }
4784        } elsif ($self->{state} == AFTER_ATTLIST_ATTR_VALUE_QUOTED_STATE) {
4785          if ($is_space->{$self->{nc}} or
4786              $self->{nc} == -1 or
4787              $self->{nc} == 0x003E) { # >
4788            $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4789            ## Reconsume.
4790            redo A;
4791          } else {
4792            !!!parse-error (type => 'no space before attr name'); ## TODO: type
4793            $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4794            ## Reconsume.
4795            redo A;
4796          }
4797        } elsif ($self->{state} == NDATA_STATE) {
4798          ## ASCII case-insensitive
4799          if ($self->{nc} == [
4800                undef,
4801                0x0044, # D
4802                0x0041, # A
4803                0x0054, # T
4804              ]->[length $self->{kwd}] or
4805              $self->{nc} == [
4806                undef,
4807                0x0064, # d
4808                0x0061, # a
4809                0x0074, # t
4810              ]->[length $self->{kwd}]) {
4811            !!!cp (172.2);
4812            ## Stay in the state.
4813            $self->{kwd} .= chr $self->{nc};
4814            !!!next-input-character;
4815            redo A;
4816          } elsif ((length $self->{kwd}) == 4 and
4817                   ($self->{nc} == 0x0041 or # A
4818                    $self->{nc} == 0x0061)) { # a
4819            if ($self->{kwd} ne 'NDAT' or $self->{nc} == 0x0061) { # a
4820              !!!cp (172.3);
4821              !!!parse-error (type => 'lowercase keyword', ## TODO: type
4822                              text => 'NDATA',
4823                              line => $self->{line_prev},
4824                              column => $self->{column_prev} - 4);
4825            } else {
4826              !!!cp (172.4);
4827            }
4828            $self->{state} = AFTER_NDATA_STATE;
4829            !!!next-input-character;
4830            redo A;
4831          } else {
4832            !!!parse-error (type => 'string after literal', ## TODO: type
4833                            line => $self->{line_prev},
4834                            column => $self->{column_prev} + 1
4835                                - length $self->{kwd});
4836            !!!cp (172.5);
4837            $self->{state} = BOGUS_MD_STATE;
4838            ## Reconsume.
4839            redo A;
4840          }
4841        } elsif ($self->{state} == AFTER_NDATA_STATE) {
4842          if ($is_space->{$self->{nc}}) {
4843            $self->{state} = BEFORE_NOTATION_NAME_STATE;
4844            !!!next-input-character;
4845            redo A;
4846          } elsif ($self->{nc} == 0x003E) { # >
4847            !!!parse-error (type => 'no notation name'); ## TODO: type
4848            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4849            !!!next-input-character;
4850            !!!emit ($self->{ct}); # ENTITY
4851            redo A;
4852          } elsif ($self->{nc} == -1) {
4853            !!!parse-error (type => 'unclosed md'); ## TODO: type
4854            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4855            !!!next-input-character;
4856            !!!emit ($self->{ct}); # ENTITY
4857            redo A;
4858          } else {
4859            !!!parse-error (type => 'string after literal', ## TODO: type
4860                            line => $self->{line_prev},
4861                            column => $self->{column_prev} + 1
4862                                - length $self->{kwd});
4863            $self->{state} = BOGUS_MD_STATE;
4864            ## Reconsume.
4865            redo A;
4866          }
4867        } elsif ($self->{state} == BEFORE_NOTATION_NAME_STATE) {
4868          if ($is_space->{$self->{nc}}) {
4869            ## Stay in the state.
4870            !!!next-input-character;
4871            redo A;
4872          } elsif ($self->{nc} == 0x003E) { # >
4873            !!!parse-error (type => 'no notation name'); ## TODO: type
4874            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4875            !!!next-input-character;
4876            !!!emit ($self->{ct}); # ENTITY
4877            redo A;
4878          } elsif ($self->{nc} == -1) {
4879            !!!parse-error (type => 'unclosed md'); ## TODO: type
4880            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4881            !!!next-input-character;
4882            !!!emit ($self->{ct}); # ENTITY
4883            redo A;
4884          } else {
4885            $self->{ct}->{notation} = chr $self->{nc}; # ENTITY
4886            $self->{state} = NOTATION_NAME_STATE;
4887            !!!next-input-character;
4888            redo A;
4889          }
4890        } elsif ($self->{state} == NOTATION_NAME_STATE) {
4891          if ($is_space->{$self->{nc}}) {
4892            $self->{state} = AFTER_MD_DEF_STATE;
4893            !!!next-input-character;
4894            redo A;
4895          } elsif ($self->{nc} == 0x003E) { # >
4896            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4897            !!!next-input-character;
4898            !!!emit ($self->{ct}); # ENTITY
4899            redo A;
4900          } elsif ($self->{nc} == -1) {
4901            !!!parse-error (type => 'unclosed md'); ## TODO: type
4902            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4903            !!!next-input-character;
4904            !!!emit ($self->{ct}); # ENTITY
4905            redo A;
4906          } else {
4907            $self->{ct}->{notation} .= chr $self->{nc}; # ENTITY
4908            ## Stay in the state.
4909            !!!next-input-character;
4910            redo A;
4911          }
4912        } elsif ($self->{state} == DOCTYPE_ENTITY_VALUE_DOUBLE_QUOTED_STATE) {
4913          if ($self->{nc} == 0x0022) { # "
4914            $self->{state} = AFTER_MD_DEF_STATE;
4915            !!!next-input-character;
4916            redo A;
4917          } elsif ($self->{nc} == 0x0026) { # &
4918            $self->{prev_state} = $self->{state};
4919            $self->{state} = ENTITY_VALUE_ENTITY_STATE;
4920            $self->{entity_add} = 0x0022; # "
4921            !!!next-input-character;
4922            redo A;
4923    ## TODO: %
4924          } elsif ($self->{nc} == -1) {
4925            !!!parse-error (type => 'unclosed entity value'); ## TODO: type
4926            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4927            ## Reconsume.
4928            !!!emit ($self->{ct}); # ENTITY
4929            redo A;
4930          } else {
4931            $self->{ct}->{value} .= chr $self->{nc}; # ENTITY
4932            !!!next-input-character;
4933            redo A;
4934          }
4935        } elsif ($self->{state} == DOCTYPE_ENTITY_VALUE_SINGLE_QUOTED_STATE) {
4936          if ($self->{nc} == 0x0027) { # '
4937            $self->{state} = AFTER_MD_DEF_STATE;
4938            !!!next-input-character;
4939            redo A;
4940          } elsif ($self->{nc} == 0x0026) { # &
4941            $self->{prev_state} = $self->{state};
4942            $self->{state} = ENTITY_VALUE_ENTITY_STATE;
4943            $self->{entity_add} = 0x0027; # '
4944            !!!next-input-character;
4945            redo A;
4946    ## TODO: %
4947          } elsif ($self->{nc} == -1) {
4948            !!!parse-error (type => 'unclosed entity value'); ## TODO: type
4949            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4950            ## Reconsume.
4951            !!!emit ($self->{ct}); # ENTITY
4952            redo A;
4953          } else {
4954            $self->{ct}->{value} .= chr $self->{nc}; # ENTITY
4955            !!!next-input-character;
4956            redo A;
4957          }
4958        } elsif ($self->{state} == ENTITY_VALUE_ENTITY_STATE) {
4959          if ($is_space->{$self->{nc}} or
4960              {
4961                0x003C => 1, 0x0026 => 1, -1 => 1, # <, &
4962                $self->{entity_add} => 1,
4963              }->{$self->{nc}}) {
4964            !!!parse-error (type => 'bare ero',
4965                            line => $self->{line_prev},
4966                            column => $self->{column_prev}
4967                                + ($self->{nc} == -1 ? 1 : 0));
4968            ## Don't consume
4969            ## Return nothing.
4970            #
4971          } elsif ($self->{nc} == 0x0023) { # #
4972            $self->{ca} = $self->{ct};
4973            $self->{state} = ENTITY_HASH_STATE;
4974            $self->{kwd} = '#';
4975            !!!next-input-character;
4976            redo A;
4977          } else {
4978            #
4979          }
4980    
4981          $self->{ct}->{value} .= '&';
4982          $self->{state} = $self->{prev_state};
4983          ## Reconsume.
4984          redo A;
4985        } elsif ($self->{state} == AFTER_ELEMENT_NAME_STATE) {
4986          if ($is_space->{$self->{nc}}) {
4987            $self->{state} = BEFORE_ELEMENT_CONTENT_STATE;
4988            !!!next-input-character;
4989            redo A;
4990          } elsif ($self->{nc} == 0x0028) { # (
4991            $self->{state} = AFTER_CM_GROUP_OPEN_STATE;
4992            $self->{ct}->{content} = ['('];
4993            $self->{group_depth} = 1;
4994            !!!next-input-character;
4995            redo A;
4996          } elsif ($self->{nc} == 0x003E) { # >
4997            !!!parse-error (type => 'no md def'); ## TODO: type
4998            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4999            !!!next-input-character;
5000            !!!emit ($self->{ct}); # ELEMENT
5001            redo A;
5002          } elsif ($self->{nc} == -1) {
5003            !!!parse-error (type => 'unclosed md'); ## TODO: type
5004            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5005            !!!next-input-character;
5006            !!!emit ($self->{ct}); # ELEMENT
5007            redo A;
5008          } else {
5009            $self->{ct}->{content} = [chr $self->{nc}];
5010            $self->{state} = CONTENT_KEYWORD_STATE;
5011            !!!next-input-character;
5012            redo A;
5013          }
5014        } elsif ($self->{state} == CONTENT_KEYWORD_STATE) {
5015          if ($is_space->{$self->{nc}}) {
5016            $self->{state} = AFTER_MD_DEF_STATE;
5017            !!!next-input-character;
5018            redo A;
5019          } elsif ($self->{nc} == 0x003E) { # >
5020            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5021            !!!next-input-character;
5022            !!!emit ($self->{ct}); # ELEMENT
5023            redo A;
5024          } elsif ($self->{nc} == -1) {
5025            !!!parse-error (type => 'unclosed md'); ## TODO: type
5026            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5027            !!!next-input-character;
5028            !!!emit ($self->{ct}); # ELEMENT
5029            redo A;
5030          } else {
5031            $self->{ct}->{content}->[-1] .= chr $self->{nc}; # ELEMENT
5032            ## Stay in the state.
5033            !!!next-input-character;
5034            redo A;
5035          }
5036        } elsif ($self->{state} == AFTER_CM_GROUP_OPEN_STATE) {
5037          if ($is_space->{$self->{nc}}) {
5038            ## Stay in the state.
5039            !!!next-input-character;
5040            redo A;
5041          } elsif ($self->{nc} == 0x0028) { # (
5042            $self->{group_depth}++;
5043            push @{$self->{ct}->{content}}, chr $self->{nc};
5044            ## Stay in the state.
5045            !!!next-input-character;
5046            redo A;
5047          } elsif ($self->{nc} == 0x007C or # |
5048                   $self->{nc} == 0x002C) { # ,
5049            !!!parse-error (type => 'empty element name'); ## TODO: type
5050            ## Stay in the state.
5051            !!!next-input-character;
5052            redo A;
5053          } elsif ($self->{nc} == 0x0029) { # )
5054            !!!parse-error (type => 'empty element name'); ## TODO: type
5055            push @{$self->{ct}->{content}}, chr $self->{nc};
5056            $self->{group_depth}--;
5057            $self->{state} = AFTER_CM_GROUP_CLOSE_STATE;
5058            !!!next-input-character;
5059            redo A;
5060          } elsif ($self->{nc} == 0x003E) { # >
5061            !!!parse-error (type => 'unclosed cm group'); ## TODO: type
5062            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5063            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5064            !!!next-input-character;
5065            !!!emit ($self->{ct}); # ELEMENT
5066            redo A;
5067          } elsif ($self->{nc} == -1) {
5068            !!!parse-error (type => 'unclosed md'); ## TODO: type
5069            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5070            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5071            !!!next-input-character;
5072            !!!emit ($self->{ct}); # ELEMENT
5073            redo A;
5074          } else {
5075            push @{$self->{ct}->{content}}, chr $self->{nc};
5076            $self->{state} = CM_ELEMENT_NAME_STATE;
5077            !!!next-input-character;
5078            redo A;
5079          }
5080        } elsif ($self->{state} == CM_ELEMENT_NAME_STATE) {
5081          if ($is_space->{$self->{nc}}) {
5082            $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
5083            !!!next-input-character;
5084            redo A;
5085          } elsif ($self->{nc} == 0x002A or # *
5086                   $self->{nc} == 0x002B or # +
5087                   $self->{nc} == 0x003F) { # ?
5088            push @{$self->{ct}->{content}}, chr $self->{nc};
5089            $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
5090            !!!next-input-character;
5091            redo A;
5092          } elsif ($self->{nc} == 0x007C or # |
5093                   $self->{nc} == 0x002C) { # ,
5094            push @{$self->{ct}->{content}}, $self->{nc} == 0x007C ? ' | ' : ', ';
5095            $self->{state} = AFTER_CM_GROUP_OPEN_STATE;
5096            !!!next-input-character;
5097            redo A;
5098          } elsif ($self->{nc} == 0x0029) { # )
5099            $self->{group_depth}--;
5100            push @{$self->{ct}->{content}}, chr $self->{nc};
5101            $self->{state} = AFTER_CM_GROUP_CLOSE_STATE;
5102            !!!next-input-character;
5103            redo A;
5104          } elsif ($self->{nc} == 0x003E) { # >
5105            !!!parse-error (type => 'unclosed cm group'); ## TODO: type
5106            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5107            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5108            !!!next-input-character;
5109            !!!emit ($self->{ct}); # ELEMENT
5110            redo A;
5111          } elsif ($self->{nc} == -1) {
5112            !!!parse-error (type => 'unclosed md'); ## TODO: type
5113            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5114            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5115            !!!next-input-character;
5116            !!!emit ($self->{ct}); # ELEMENT
5117            redo A;
5118          } else {
5119            $self->{ct}->{content}->[-1] .= chr $self->{nc};
5120            ## Stay in the state.
5121            !!!next-input-character;
5122            redo A;
5123          }
5124        } elsif ($self->{state} == AFTER_CM_ELEMENT_NAME_STATE) {
5125          if ($is_space->{$self->{nc}}) {
5126            ## Stay in the state.
5127            !!!next-input-character;
5128            redo A;
5129          } elsif ($self->{nc} == 0x007C or # |
5130                   $self->{nc} == 0x002C) { # ,
5131            push @{$self->{ct}->{content}}, $self->{nc} == 0x007C ? ' | ' : ', ';
5132            $self->{state} = AFTER_CM_GROUP_OPEN_STATE;
5133            !!!next-input-character;
5134            redo A;
5135          } elsif ($self->{nc} == 0x0029) { # )
5136            $self->{group_depth}--;
5137            push @{$self->{ct}->{content}}, chr $self->{nc};
5138            $self->{state} = AFTER_CM_GROUP_CLOSE_STATE;
5139            !!!next-input-character;
5140            redo A;
5141          } elsif ($self->{nc} == 0x003E) { # >
5142            !!!parse-error (type => 'unclosed cm group'); ## TODO: type
5143            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5144            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5145            !!!next-input-character;
5146            !!!emit ($self->{ct}); # ELEMENT
5147            redo A;
5148          } elsif ($self->{nc} == -1) {
5149            !!!parse-error (type => 'unclosed md'); ## TODO: type
5150            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5151            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5152            !!!next-input-character;
5153            !!!emit ($self->{ct}); # ELEMENT
5154            redo A;
5155          } else {
5156            !!!parse-error (type => 'after element name'); ## TODO: type
5157            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5158            $self->{state} = BOGUS_MD_STATE;
5159            !!!next-input-character;
5160            redo A;
5161          }
5162        } elsif ($self->{state} == AFTER_CM_GROUP_CLOSE_STATE) {
5163          if ($is_space->{$self->{nc}}) {
5164            if ($self->{group_depth}) {
5165              $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
5166            } else {
5167              $self->{state} = AFTER_MD_DEF_STATE;
5168            }
5169            !!!next-input-character;
5170            redo A;
5171          } elsif ($self->{nc} == 0x002A or # *
5172                   $self->{nc} == 0x002B or # +
5173                   $self->{nc} == 0x003F) { # ?
5174            push @{$self->{ct}->{content}}, chr $self->{nc};
5175            if ($self->{group_depth}) {
5176              $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
5177            } else {
5178              $self->{state} = AFTER_MD_DEF_STATE;
5179            }
5180            !!!next-input-character;
5181            redo A;
5182          } elsif ($self->{nc} == 0x0029) { # )
5183            if ($self->{group_depth}) {
5184              $self->{group_depth}--;
5185              push @{$self->{ct}->{content}}, chr $self->{nc};
5186              ## Stay in the state.
5187              !!!next-input-character;
5188              redo A;
5189            } else {
5190              !!!parse-error (type => 'string after md def'); ## TODO: type
5191              $self->{state} = BOGUS_MD_STATE;
5192              ## Reconsume.
5193              redo A;
5194            }
5195          } elsif ($self->{nc} == 0x003E) { # >
5196            if ($self->{group_depth}) {
5197              !!!parse-error (type => 'unclosed cm group'); ## TODO: type
5198              push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5199            }
5200            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5201            !!!next-input-character;
5202            !!!emit ($self->{ct}); # ELEMENT
5203            redo A;
5204          } elsif ($self->{nc} == -1) {
5205            !!!parse-error (type => 'unclosed md'); ## TODO: type
5206            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5207            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5208            !!!next-input-character;
5209            !!!emit ($self->{ct}); # ELEMENT
5210            redo A;
5211          } else {
5212            if ($self->{group_depth}) {
5213              $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
5214            } else {
5215              !!!parse-error (type => 'string after md def'); ## TODO: type
5216              $self->{state} = BOGUS_MD_STATE;
5217            }
5218            ## Reconsume.
5219            redo A;
5220          }
5221        } elsif ($self->{state} == AFTER_MD_DEF_STATE) {
5222          if ($is_space->{$self->{nc}}) {
5223            ## Stay in the state.
5224            !!!next-input-character;
5225            redo A;
5226          } elsif ($self->{nc} == 0x003E) { # >
5227            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5228            !!!next-input-character;
5229            !!!emit ($self->{ct}); # ENTITY/ELEMENT
5230            redo A;
5231          } elsif ($self->{nc} == -1) {
5232            !!!parse-error (type => 'unclosed md'); ## TODO: type
5233            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5234            !!!next-input-character;
5235            !!!emit ($self->{ct}); # ENTITY/ELEMENT
5236            redo A;
5237          } else {
5238            !!!parse-error (type => 'string after md def'); ## TODO: type
5239            $self->{state} = BOGUS_MD_STATE;
5240            ## Reconsume.
5241            redo A;
5242          }
5243        } elsif ($self->{state} == BOGUS_MD_STATE) {
5244          if ($self->{nc} == 0x003E) { # >
5245            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5246            !!!next-input-character;
5247            !!!emit ($self->{ct}); # ATTLIST/ENTITY/NOTATION
5248            redo A;
5249          } elsif ($self->{nc} == -1) {
5250            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5251            ## Reconsume.
5252            !!!emit ($self->{ct}); # ATTLIST/ENTITY/NOTATION
5253            redo A;
5254          } else {
5255            ## Stay in the state.
5256            !!!next-input-character;
5257            redo A;
5258          }
5259      } else {      } else {
5260        die "$0: $self->{state}: Unknown state";        die "$0: $self->{state}: Unknown state";
5261      }      }
# Line 2635  sub _get_next_token ($) { Line 5266  sub _get_next_token ($) {
5266    
5267  1;  1;
5268  ## $Date$  ## $Date$
5269                                    
Legend:
Removed from v.1.1  
changed lines
  Added in v.1.33
admin@suikawiki.org
 ViewVC Help
Powered by ViewVC 1.1.24