/[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 1.4 by wakaba, Tue Oct 14 11:46:57 2008 UTC revision 1.23 by wakaba, Sun Oct 19 13:43:55 2008 UTC
# Line 15  BEGIN { Line 15  BEGIN {
15      CHARACTER_TOKEN      CHARACTER_TOKEN
16      PI_TOKEN      PI_TOKEN
17      ABORT_TOKEN      ABORT_TOKEN
18        END_OF_DOCTYPE_TOKEN
19        ATTLIST_TOKEN
20        ELEMENT_TOKEN
21        GENERAL_ENTITY_TOKEN
22        PARAMETER_ENTITY_TOKEN
23        NOTATION_TOKEN
24    );    );
25        
26    our %EXPORT_TAGS = (    our %EXPORT_TAGS = (
# Line 27  BEGIN { Line 33  BEGIN {
33        CHARACTER_TOKEN        CHARACTER_TOKEN
34        PI_TOKEN        PI_TOKEN
35        ABORT_TOKEN        ABORT_TOKEN
36          END_OF_DOCTYPE_TOKEN
37          ATTLIST_TOKEN
38          ELEMENT_TOKEN
39          GENERAL_ENTITY_TOKEN
40          PARAMETER_ENTITY_TOKEN
41          NOTATION_TOKEN
42      )],      )],
43    );    );
44  }  }
45    
46    ## NOTE: Differences from the XML5 draft are marked as "XML5:".
47    
48  ## Token types  ## Token types
49    
50  sub DOCTYPE_TOKEN () { 1 }  sub DOCTYPE_TOKEN () { 1 } ## XML5: No DOCTYPE token.
51  sub COMMENT_TOKEN () { 2 }  sub COMMENT_TOKEN () { 2 }
52  sub START_TAG_TOKEN () { 3 }  sub START_TAG_TOKEN () { 3 }
53  sub END_TAG_TOKEN () { 4 }  sub END_TAG_TOKEN () { 4 }
54  sub END_OF_FILE_TOKEN () { 5 }  sub END_OF_FILE_TOKEN () { 5 }
55  sub CHARACTER_TOKEN () { 6 }  sub CHARACTER_TOKEN () { 6 }
56  sub PI_TOKEN () { 7 } # XML5  sub PI_TOKEN () { 7 } ## NOTE: XML only.
57  sub ABORT_TOKEN () { 8 } # Not a token actually  sub ABORT_TOKEN () { 8 } ## NOTE: For internal processing.
58    sub END_OF_DOCTYPE_TOKEN () { 9 } ## NOTE: XML only.
59    sub ATTLIST_TOKEN () { 10 } ## NOTE: XML only.
60    sub ELEMENT_TOKEN () { 11 } ## NOTE: XML only.
61    sub GENERAL_ENTITY_TOKEN () { 12 } ## NOTE: XML only.
62    sub PARAMETER_ENTITY_TOKEN () { 13 } ## NOTE: XML only.
63    sub NOTATION_TOKEN () { 14 } ## NOTE: XML only.
64    
65    ## XML5: XML5 has "empty tag token".  In this implementation, it is
66    ## represented as a start tag token with $self->{self_closing} flag
67    ## set to true.
68    
69    ## XML5: XML5 has "short end tag token".  In this implementation, it
70    ## is represented as an end tag token with $token->{tag_name} flag set
71    ## to an empty string.
72    
73  package Whatpm::HTML;  package Whatpm::HTML;
74    
# Line 114  sub HEXREF_HEX_STATE () { 48 } Line 142  sub HEXREF_HEX_STATE () { 48 }
142  sub ENTITY_NAME_STATE () { 49 }  sub ENTITY_NAME_STATE () { 49 }
143  sub PCDATA_STATE () { 50 } # "data state" in the spec  sub PCDATA_STATE () { 50 } # "data state" in the spec
144    
145    ## XML-only states
146    sub PI_STATE () { 51 }
147    sub PI_TARGET_STATE () { 52 }
148    sub PI_TARGET_AFTER_STATE () { 53 }
149    sub PI_DATA_STATE () { 54 }
150    sub PI_AFTER_STATE () { 55 }
151    sub PI_DATA_AFTER_STATE () { 56 }
152    sub DOCTYPE_INTERNAL_SUBSET_STATE () { 57 }
153    sub DOCTYPE_INTERNAL_SUBSET_AFTER_STATE () { 58 }
154    sub BOGUS_DOCTYPE_INTERNAL_SUBSET_AFTER_STATE () { 59 }
155    sub DOCTYPE_TAG_STATE () { 60 }
156    sub DOCTYPE_MARKUP_DECLARATION_OPEN_STATE () { 61 }
157    sub MD_ATTLIST_STATE () { 62 }
158    sub MD_E_STATE () { 63 }
159    sub MD_ELEMENT_STATE () { 64 }
160    sub MD_ENTITY_STATE () { 65 }
161    sub MD_NOTATION_STATE () { 66 }
162    sub DOCTYPE_MD_STATE () { 67 }
163    sub BEFORE_MD_NAME_STATE () { 68 }
164    sub MD_NAME_STATE () { 69 }
165    sub DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE () { 70 }
166    sub DOCTYPE_ATTLIST_NAME_AFTER_STATE () { 71 }
167    sub DOCTYPE_ATTLIST_ATTRIBUTE_NAME_STATE () { 72 }
168    sub DOCTYPE_ATTLIST_ATTRIBUTE_NAME_AFTER_STATE () { 73 }
169    sub DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_STATE () { 74 }
170    sub DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_AFTER_STATE () { 75 }
171    sub BEFORE_ALLOWED_TOKEN_STATE () { 76 }
172    sub ALLOWED_TOKEN_STATE () { 77 }
173    sub AFTER_ALLOWED_TOKEN_STATE () { 78 }
174    sub AFTER_ALLOWED_TOKENS_STATE () { 79 }
175    sub BEFORE_ATTR_DEFAULT_STATE () { 80 }
176    sub DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE () { 81 }
177    sub DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_STATE () { 82 }
178    sub DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_AFTER_STATE () { 83 }
179    sub AFTER_ATTLIST_ATTR_VALUE_QUOTED_STATE () { 84 }
180    sub BEFORE_NDATA_STATE () { 85 }
181    sub NDATA_STATE () { 86 }
182    sub AFTER_NDATA_STATE () { 87 }
183    sub BEFORE_NOTATION_NAME_STATE () { 88 }
184    sub NOTATION_NAME_STATE () { 89 }
185    sub DOCTYPE_ENTITY_VALUE_DOUBLE_QUOTED_STATE () { 90 }
186    sub DOCTYPE_ENTITY_VALUE_SINGLE_QUOTED_STATE () { 91 }
187    sub ENTITY_VALUE_ENTITY_STATE () { 92 }
188    sub AFTER_ELEMENT_NAME_STATE () { 93 }
189    sub BEFORE_ELEMENT_CONTENT_STATE () { 94 }
190    sub CONTENT_KEYWORD_STATE () { 95 }
191    sub AFTER_CM_GROUP_OPEN_STATE () { 96 }
192    sub CM_ELEMENT_NAME_STATE () { 97 }
193    sub AFTER_CM_ELEMENT_NAME_STATE () { 98 }
194    sub AFTER_CM_GROUP_CLOSE_STATE () { 99 }
195    sub AFTER_MD_DEF_STATE () { 100 }
196    sub BOGUS_MD_STATE () { 101 }
197    
198  ## Tree constructor state constants (see Whatpm::HTML for the full  ## Tree constructor state constants (see Whatpm::HTML for the full
199  ## list and descriptions)  ## list and descriptions)
200    
# Line 178  sub _initialize_tokenizer ($) { Line 259  sub _initialize_tokenizer ($) {
259    #$self->{is_xml} (if XML)    #$self->{is_xml} (if XML)
260    
261    $self->{state} = DATA_STATE; # MUST    $self->{state} = DATA_STATE; # MUST
262    #$self->{s_kwd}; # state keyword - initialized when used    $self->{s_kwd} = ''; # Data state keyword
263      #$self->{kwd} = ''; # State-dependent keyword; initialized when used
264    #$self->{entity__value}; # initialized when used    #$self->{entity__value}; # initialized when used
265    #$self->{entity__match}; # initialized when used    #$self->{entity__match}; # initialized when used
266    $self->{content_model} = PCDATA_CONTENT_MODEL; # be    $self->{content_model} = PCDATA_CONTENT_MODEL; # be
# Line 198  sub _initialize_tokenizer ($) { Line 280  sub _initialize_tokenizer ($) {
280    
281  ## A token has:  ## A token has:
282  ##   ->{type} == DOCTYPE_TOKEN, START_TAG_TOKEN, END_TAG_TOKEN, COMMENT_TOKEN,  ##   ->{type} == DOCTYPE_TOKEN, START_TAG_TOKEN, END_TAG_TOKEN, COMMENT_TOKEN,
283  ##       CHARACTER_TOKEN, or END_OF_FILE_TOKEN  ##       CHARACTER_TOKEN, END_OF_FILE_TOKEN, PI_TOKEN, or ABORT_TOKEN
284  ##   ->{name} (DOCTYPE_TOKEN)  ##   ->{name} (DOCTYPE_TOKEN)
285  ##   ->{tag_name} (START_TAG_TOKEN, END_TAG_TOKEN)  ##   ->{tag_name} (START_TAG_TOKEN, END_TAG_TOKEN)
286    ##   ->{target} (PI_TOKEN)
287  ##   ->{pubid} (DOCTYPE_TOKEN)  ##   ->{pubid} (DOCTYPE_TOKEN)
288  ##   ->{sysid} (DOCTYPE_TOKEN)  ##   ->{sysid} (DOCTYPE_TOKEN)
289  ##   ->{quirks} == 1 or 0 (DOCTYPE_TOKEN): "force-quirks" flag  ##   ->{quirks} == 1 or 0 (DOCTYPE_TOKEN): "force-quirks" flag
# Line 208  sub _initialize_tokenizer ($) { Line 291  sub _initialize_tokenizer ($) {
291  ##        ->{name}  ##        ->{name}
292  ##        ->{value}  ##        ->{value}
293  ##        ->{has_reference} == 1 or 0  ##        ->{has_reference} == 1 or 0
294  ##   ->{data} (COMMENT_TOKEN, CHARACTER_TOKEN)  ##        ->{index}: Index of the attribute in a tag.
295    ##   ->{data} (COMMENT_TOKEN, CHARACTER_TOKEN, PI_TOKEN)
296    ##   ->{has_reference} == 1 or 0 (CHARACTER_TOKEN)
297    ##   ->{last_index} (ELEMENT_TOKEN): Next attribute's index - 1.
298    ##   ->{has_internal_subset} = 1 or 0 (DOCTYPE_TOKEN)
299    
300  ## NOTE: The "self-closing flag" is hold as |$self->{self_closing}|.  ## NOTE: The "self-closing flag" is hold as |$self->{self_closing}|.
301  ##     |->{self_closing}| is used to save the value of |$self->{self_closing}|  ##     |->{self_closing}| is used to save the value of |$self->{self_closing}|
302  ##     while the token is pushed back to the stack.  ##     while the token is pushed back to the stack.
# Line 228  my $is_space = { Line 316  my $is_space = {
316    0x0009 => 1, # CHARACTER TABULATION (HT)    0x0009 => 1, # CHARACTER TABULATION (HT)
317    0x000A => 1, # LINE FEED (LF)    0x000A => 1, # LINE FEED (LF)
318    #0x000B => 0, # LINE TABULATION (VT)    #0x000B => 0, # LINE TABULATION (VT)
319    0x000C => 1, # FORM FEED (FF)    0x000C => 1, # FORM FEED (FF) ## XML5: Not a space character.
320    #0x000D => 1, # CARRIAGE RETURN (CR)    #0x000D => 1, # CARRIAGE RETURN (CR)
321    0x0020 => 1, # SPACE (SP)    0x0020 => 1, # SPACE (SP)
322  };  };
# Line 312  sub _get_next_token ($) { Line 400  sub _get_next_token ($) {
400          }          }
401        } elsif ($self->{nc} == 0x002D) { # -        } elsif ($self->{nc} == 0x002D) { # -
402          if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA          if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA
403            $self->{s_kwd} .= '-';            if ($self->{s_kwd} eq '<!-') {
             
           if ($self->{s_kwd} eq '<!--') {  
404              !!!cp (3);              !!!cp (3);
405              $self->{escape} = 1; # unless $self->{escape};              $self->{escape} = 1; # unless $self->{escape};
406              $self->{s_kwd} = '--';              $self->{s_kwd} = '--';
407              #              #
408            } elsif ($self->{s_kwd} eq '---') {            } elsif ($self->{s_kwd} eq '-') {
409              !!!cp (4);              !!!cp (4);
410              $self->{s_kwd} = '--';              $self->{s_kwd} = '--';
411              #              #
412              } elsif ($self->{s_kwd} eq '<!' or $self->{s_kwd} eq '-') {
413                !!!cp (4.1);
414                $self->{s_kwd} .= '-';
415                #
416            } else {            } else {
417              !!!cp (5);              !!!cp (5);
418                $self->{s_kwd} = '-';
419              #              #
420            }            }
421          }          }
# Line 360  sub _get_next_token ($) { Line 451  sub _get_next_token ($) {
451            if ($self->{s_kwd} eq '--') {            if ($self->{s_kwd} eq '--') {
452              !!!cp (8);              !!!cp (8);
453              delete $self->{escape};              delete $self->{escape};
454                #
455            } else {            } else {
456              !!!cp (9);              !!!cp (9);
457                #
458            }            }
459            } elsif ($self->{is_xml} and $self->{s_kwd} eq ']]') {
460              !!!cp (9.1);
461              !!!parse-error (type => 'unmatched mse', ## TODO: type
462                              line => $self->{line_prev},
463                              column => $self->{column_prev} - 1);
464              #
465          } else {          } else {
466            !!!cp (10);            !!!cp (10);
467              #
468          }          }
469                    
470          $self->{s_kwd} = '';          $self->{s_kwd} = '';
471          #          #
472          } elsif ($self->{nc} == 0x005D) { # ]
473            if ($self->{s_kwd} eq ']' or $self->{s_kwd} eq '') {
474              !!!cp (10.1);
475              $self->{s_kwd} .= ']';
476            } elsif ($self->{s_kwd} eq ']]') {
477              !!!cp (10.2);
478              #
479            } else {
480              !!!cp (10.3);
481              $self->{s_kwd} = '';
482            }
483            #
484        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
485          !!!cp (11);          !!!cp (11);
486          $self->{s_kwd} = '';          $self->{s_kwd} = '';
# Line 386  sub _get_next_token ($) { Line 498  sub _get_next_token ($) {
498                     data => chr $self->{nc},                     data => chr $self->{nc},
499                     line => $self->{line}, column => $self->{column},                     line => $self->{line}, column => $self->{column},
500                    };                    };
501        if ($self->{read_until}->($token->{data}, q[-!<>&],        if ($self->{read_until}->($token->{data}, q{-!<>&\]},
502                                  length $token->{data})) {                                  length $token->{data})) {
503          $self->{s_kwd} = '';          $self->{s_kwd} = '';
504        }        }
505    
506        ## Stay in the data state.        ## Stay in the data state.
507        if ($self->{content_model} == PCDATA_CONTENT_MODEL) {        if (not $self->{is_xml} and
508              $self->{content_model} == PCDATA_CONTENT_MODEL) {
509          !!!cp (13);          !!!cp (13);
510          $self->{state} = PCDATA_STATE;          $self->{state} = PCDATA_STATE;
511        } else {        } else {
# Line 403  sub _get_next_token ($) { Line 516  sub _get_next_token ($) {
516        !!!emit ($token);        !!!emit ($token);
517        redo A;        redo A;
518      } elsif ($self->{state} == TAG_OPEN_STATE) {      } elsif ($self->{state} == TAG_OPEN_STATE) {
519          ## XML5: "tag state".
520    
521        if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA        if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA
522          if ($self->{nc} == 0x002F) { # /          if ($self->{nc} == 0x002F) { # /
523            !!!cp (15);            !!!cp (15);
# Line 411  sub _get_next_token ($) { Line 526  sub _get_next_token ($) {
526            redo A;            redo A;
527          } elsif ($self->{nc} == 0x0021) { # !          } elsif ($self->{nc} == 0x0021) { # !
528            !!!cp (15.1);            !!!cp (15.1);
529            $self->{s_kwd} = '<' unless $self->{escape};            $self->{s_kwd} = $self->{escaped} ? '' : '<';
530            #            #
531          } else {          } else {
532            !!!cp (16);            !!!cp (16);
533              $self->{s_kwd} = '';
534            #            #
535          }          }
536    
# Line 463  sub _get_next_token ($) { Line 579  sub _get_next_token ($) {
579                            line => $self->{line_prev},                            line => $self->{line_prev},
580                            column => $self->{column_prev});                            column => $self->{column_prev});
581            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
582              $self->{s_kwd} = '';
583            !!!next-input-character;            !!!next-input-character;
584    
585            !!!emit ({type => CHARACTER_TOKEN, data => '<>',            !!!emit ({type => CHARACTER_TOKEN, data => '<>',
# Line 472  sub _get_next_token ($) { Line 589  sub _get_next_token ($) {
589    
590            redo A;            redo A;
591          } elsif ($self->{nc} == 0x003F) { # ?          } elsif ($self->{nc} == 0x003F) { # ?
592            !!!cp (22);            if ($self->{is_xml}) {
593            !!!parse-error (type => 'pio',              !!!cp (22.1);
594                            line => $self->{line_prev},              $self->{state} = PI_STATE;
595                            column => $self->{column_prev});              !!!next-input-character;
596            $self->{state} = BOGUS_COMMENT_STATE;              redo A;
597            $self->{ct} = {type => COMMENT_TOKEN, data => '',            } else {
598                                      line => $self->{line_prev},              !!!cp (22);
599                                      column => $self->{column_prev},              !!!parse-error (type => 'pio',
600                                     };                              line => $self->{line_prev},
601            ## $self->{nc} is intentionally left as is                              column => $self->{column_prev});
602            redo A;              $self->{state} = BOGUS_COMMENT_STATE;
603          } else {              $self->{ct} = {type => COMMENT_TOKEN, data => '',
604                               line => $self->{line_prev},
605                               column => $self->{column_prev},
606                              };
607                ## $self->{nc} is intentionally left as is
608                redo A;
609              }
610            } elsif (not $self->{is_xml} or $is_space->{$self->{nc}}) {
611            !!!cp (23);            !!!cp (23);
612            !!!parse-error (type => 'bare stago',            !!!parse-error (type => 'bare stago',
613                            line => $self->{line_prev},                            line => $self->{line_prev},
614                            column => $self->{column_prev});                            column => $self->{column_prev});
615            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
616              $self->{s_kwd} = '';
617            ## reconsume            ## reconsume
618    
619            !!!emit ({type => CHARACTER_TOKEN, data => '<',            !!!emit ({type => CHARACTER_TOKEN, data => '<',
# Line 497  sub _get_next_token ($) { Line 622  sub _get_next_token ($) {
622                     });                     });
623    
624            redo A;            redo A;
625            } else {
626              ## XML5: "<:" is a parse error.
627              !!!cp (23.1);
628              $self->{ct} = {type => START_TAG_TOKEN,
629                                        tag_name => chr ($self->{nc}),
630                                        line => $self->{line_prev},
631                                        column => $self->{column_prev}};
632              $self->{state} = TAG_NAME_STATE;
633              !!!next-input-character;
634              redo A;
635          }          }
636        } else {        } else {
637          die "$0: $self->{content_model} in tag open";          die "$0: $self->{content_model} in tag open";
# Line 505  sub _get_next_token ($) { Line 640  sub _get_next_token ($) {
640        ## NOTE: The "close tag open state" in the spec is implemented as        ## NOTE: The "close tag open state" in the spec is implemented as
641        ## |CLOSE_TAG_OPEN_STATE| and |CDATA_RCDATA_CLOSE_TAG_STATE|.        ## |CLOSE_TAG_OPEN_STATE| and |CDATA_RCDATA_CLOSE_TAG_STATE|.
642    
643          ## XML5: "end tag state".
644    
645        my ($l, $c) = ($self->{line_prev}, $self->{column_prev} - 1); # "<"of"</"        my ($l, $c) = ($self->{line_prev}, $self->{column_prev} - 1); # "<"of"</"
646        if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA        if ($self->{content_model} & CM_LIMITED_MARKUP) { # RCDATA | CDATA
647          if (defined $self->{last_stag_name}) {          if (defined $self->{last_stag_name}) {
648            $self->{state} = CDATA_RCDATA_CLOSE_TAG_STATE;            $self->{state} = CDATA_RCDATA_CLOSE_TAG_STATE;
649            $self->{s_kwd} = '';            $self->{kwd} = '';
650            ## Reconsume.            ## Reconsume.
651            redo A;            redo A;
652          } else {          } else {
# Line 517  sub _get_next_token ($) { Line 654  sub _get_next_token ($) {
654            ## NOTE: See <http://krijnhoetmer.nl/irc-logs/whatwg/20070626#l-564>.            ## NOTE: See <http://krijnhoetmer.nl/irc-logs/whatwg/20070626#l-564>.
655            !!!cp (28);            !!!cp (28);
656            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
657              $self->{s_kwd} = '';
658            ## Reconsume.            ## Reconsume.
659            !!!emit ({type => CHARACTER_TOKEN, data => '</',            !!!emit ({type => CHARACTER_TOKEN, data => '</',
660                      line => $l, column => $c,                      line => $l, column => $c,
# Line 545  sub _get_next_token ($) { Line 683  sub _get_next_token ($) {
683          !!!next-input-character;          !!!next-input-character;
684          redo A;          redo A;
685        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (31);  
686          !!!parse-error (type => 'empty end tag',          !!!parse-error (type => 'empty end tag',
687                          line => $self->{line_prev}, ## "<" in "</>"                          line => $self->{line_prev}, ## "<" in "</>"
688                          column => $self->{column_prev} - 1);                          column => $self->{column_prev} - 1);
689          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
690          !!!next-input-character;          $self->{s_kwd} = '';
691            if ($self->{is_xml}) {
692              !!!cp (31);
693              ## XML5: No parse error.
694              
695              ## NOTE: This parser raises a parse error, since it supports
696              ## XML1, not XML5.
697    
698              ## NOTE: A short end tag token.
699              my $ct = {type => END_TAG_TOKEN,
700                        tag_name => '',
701                        line => $self->{line_prev},
702                        column => $self->{column_prev} - 1,
703                       };
704              !!!next-input-character;
705              !!!emit ($ct);
706            } else {
707              !!!cp (31.1);
708              !!!next-input-character;
709            }
710          redo A;          redo A;
711        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
712          !!!cp (32);          !!!cp (32);
713          !!!parse-error (type => 'bare etago');          !!!parse-error (type => 'bare etago');
714            $self->{s_kwd} = '';
715          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
716          # reconsume          # reconsume
717    
# Line 563  sub _get_next_token ($) { Line 720  sub _get_next_token ($) {
720                   });                   });
721    
722          redo A;          redo A;
723        } else {        } elsif (not $self->{is_xml} or
724                   $is_space->{$self->{nc}}) {
725          !!!cp (33);          !!!cp (33);
726          !!!parse-error (type => 'bogus end tag');          !!!parse-error (type => 'bogus end tag',
727                            line => $self->{line_prev}, # "<" of "</"
728                            column => $self->{column_prev} - 1);
729          $self->{state} = BOGUS_COMMENT_STATE;          $self->{state} = BOGUS_COMMENT_STATE;
730          $self->{ct} = {type => COMMENT_TOKEN, data => '',          $self->{ct} = {type => COMMENT_TOKEN, data => '',
731                                    line => $self->{line_prev}, # "<" of "</"                                    line => $self->{line_prev}, # "<" of "</"
# Line 578  sub _get_next_token ($) { Line 738  sub _get_next_token ($) {
738          ## generated from the bogus end tag, as defined in the          ## generated from the bogus end tag, as defined in the
739          ## "bogus comment state" entry.          ## "bogus comment state" entry.
740          redo A;          redo A;
741          } else {
742            ## XML5: "</:" is a parse error.
743            !!!cp (30.1);
744            $self->{ct} = {type => END_TAG_TOKEN,
745                           tag_name => chr ($self->{nc}),
746                           line => $l, column => $c};
747            $self->{state} = TAG_NAME_STATE; ## XML5: "end tag name state".
748            !!!next-input-character;
749            redo A;
750        }        }
751      } elsif ($self->{state} == CDATA_RCDATA_CLOSE_TAG_STATE) {      } elsif ($self->{state} == CDATA_RCDATA_CLOSE_TAG_STATE) {
752        my $ch = substr $self->{last_stag_name}, length $self->{s_kwd}, 1;        my $ch = substr $self->{last_stag_name}, length $self->{kwd}, 1;
753        if (length $ch) {        if (length $ch) {
754          my $CH = $ch;          my $CH = $ch;
755          $ch =~ tr/a-z/A-Z/;          $ch =~ tr/a-z/A-Z/;
# Line 588  sub _get_next_token ($) { Line 757  sub _get_next_token ($) {
757          if ($nch eq $ch or $nch eq $CH) {          if ($nch eq $ch or $nch eq $CH) {
758            !!!cp (24);            !!!cp (24);
759            ## Stay in the state.            ## Stay in the state.
760            $self->{s_kwd} .= $nch;            $self->{kwd} .= $nch;
761            !!!next-input-character;            !!!next-input-character;
762            redo A;            redo A;
763          } else {          } else {
764            !!!cp (25);            !!!cp (25);
765            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
766              $self->{s_kwd} = '';
767            ## Reconsume.            ## Reconsume.
768            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
769                      data => '</' . $self->{s_kwd},                      data => '</' . $self->{kwd},
770                      line => $self->{line_prev},                      line => $self->{line_prev},
771                      column => $self->{column_prev} - 1 - length $self->{s_kwd},                      column => $self->{column_prev} - 1 - length $self->{kwd},
772                     });                     });
773            redo A;            redo A;
774          }          }
# Line 612  sub _get_next_token ($) { Line 782  sub _get_next_token ($) {
782            !!!cp (26);            !!!cp (26);
783            ## Reconsume.            ## Reconsume.
784            $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
785              $self->{s_kwd} = '';
786            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
787                      data => '</' . $self->{s_kwd},                      data => '</' . $self->{kwd},
788                      line => $self->{line_prev},                      line => $self->{line_prev},
789                      column => $self->{column_prev} - 1 - length $self->{s_kwd},                      column => $self->{column_prev} - 1 - length $self->{kwd},
790                     });                     });
791            redo A;            redo A;
792          } else {          } else {
# Line 624  sub _get_next_token ($) { Line 795  sub _get_next_token ($) {
795                = {type => END_TAG_TOKEN,                = {type => END_TAG_TOKEN,
796                   tag_name => $self->{last_stag_name},                   tag_name => $self->{last_stag_name},
797                   line => $self->{line_prev},                   line => $self->{line_prev},
798                   column => $self->{column_prev} - 1 - length $self->{s_kwd}};                   column => $self->{column_prev} - 1 - length $self->{kwd}};
799            $self->{state} = TAG_NAME_STATE;            $self->{state} = TAG_NAME_STATE;
800            ## Reconsume.            ## Reconsume.
801            redo A;            redo A;
# Line 653  sub _get_next_token ($) { Line 824  sub _get_next_token ($) {
824            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
825          }          }
826          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
827            $self->{s_kwd} = '';
828          !!!next-input-character;          !!!next-input-character;
829    
830          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 685  sub _get_next_token ($) { Line 857  sub _get_next_token ($) {
857            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
858          }          }
859          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
860            $self->{s_kwd} = '';
861          # reconsume          # reconsume
862    
863          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 704  sub _get_next_token ($) { Line 877  sub _get_next_token ($) {
877          redo A;          redo A;
878        }        }
879      } elsif ($self->{state} == BEFORE_ATTRIBUTE_NAME_STATE) {      } elsif ($self->{state} == BEFORE_ATTRIBUTE_NAME_STATE) {
880          ## XML5: "Tag attribute name before state".
881    
882        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
883          !!!cp (45);          !!!cp (45);
884          ## Stay in the state          ## Stay in the state
# Line 725  sub _get_next_token ($) { Line 900  sub _get_next_token ($) {
900            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
901          }          }
902          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
903            $self->{s_kwd} = '';
904          !!!next-input-character;          !!!next-input-character;
905    
906          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 762  sub _get_next_token ($) { Line 938  sub _get_next_token ($) {
938            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
939          }          }
940          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
941            $self->{s_kwd} = '';
942          # reconsume          # reconsume
943    
944          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 774  sub _get_next_token ($) { Line 951  sub _get_next_token ($) {
951               0x003D => 1, # =               0x003D => 1, # =
952              }->{$self->{nc}}) {              }->{$self->{nc}}) {
953            !!!cp (55);            !!!cp (55);
954              ## XML5: Not a parse error.
955            !!!parse-error (type => 'bad attribute name');            !!!parse-error (type => 'bad attribute name');
956          } else {          } else {
957            !!!cp (56);            !!!cp (56);
958              ## XML5: ":" raises a parse error and is ignored.
959          }          }
960          $self->{ca}          $self->{ca}
961              = {name => chr ($self->{nc}),              = {name => chr ($self->{nc}),
# Line 787  sub _get_next_token ($) { Line 966  sub _get_next_token ($) {
966          redo A;          redo A;
967        }        }
968      } elsif ($self->{state} == ATTRIBUTE_NAME_STATE) {      } elsif ($self->{state} == ATTRIBUTE_NAME_STATE) {
969          ## XML5: "Tag attribute name state".
970    
971        my $before_leave = sub {        my $before_leave = sub {
972          if (exists $self->{ct}->{attributes} # start tag or end tag          if (exists $self->{ct}->{attributes} # start tag or end tag
973              ->{$self->{ca}->{name}}) { # MUST              ->{$self->{ca}->{name}}) { # MUST
# Line 797  sub _get_next_token ($) { Line 978  sub _get_next_token ($) {
978            !!!cp (58);            !!!cp (58);
979            $self->{ct}->{attributes}->{$self->{ca}->{name}}            $self->{ct}->{attributes}->{$self->{ca}->{name}}
980              = $self->{ca};              = $self->{ca};
981              $self->{ca}->{index} = ++$self->{ct}->{last_index};
982          }          }
983        }; # $before_leave        }; # $before_leave
984    
# Line 813  sub _get_next_token ($) { Line 995  sub _get_next_token ($) {
995          !!!next-input-character;          !!!next-input-character;
996          redo A;          redo A;
997        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
998            if ($self->{is_xml}) {
999              !!!cp (60.1);
1000              ## XML5: Not a parse error.
1001              !!!parse-error (type => 'no attr value'); ## TODO: type
1002            } else {
1003              !!!cp (60.2);
1004            }
1005    
1006          $before_leave->();          $before_leave->();
1007          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1008            !!!cp (61);            !!!cp (61);
# Line 827  sub _get_next_token ($) { Line 1017  sub _get_next_token ($) {
1017            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1018          }          }
1019          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1020            $self->{s_kwd} = '';
1021          !!!next-input-character;          !!!next-input-character;
1022    
1023          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 841  sub _get_next_token ($) { Line 1032  sub _get_next_token ($) {
1032          !!!next-input-character;          !!!next-input-character;
1033          redo A;          redo A;
1034        } elsif ($self->{nc} == 0x002F) { # /        } elsif ($self->{nc} == 0x002F) { # /
1035          !!!cp (64);          if ($self->{is_xml}) {
1036              !!!cp (64);
1037              ## XML5: Not a parse error.
1038              !!!parse-error (type => 'no attr value'); ## TODO: type
1039            } else {
1040              !!!cp (64.1);
1041            }
1042            
1043          $before_leave->();          $before_leave->();
1044          $self->{state} = SELF_CLOSING_START_TAG_STATE;          $self->{state} = SELF_CLOSING_START_TAG_STATE;
1045          !!!next-input-character;          !!!next-input-character;
# Line 865  sub _get_next_token ($) { Line 1063  sub _get_next_token ($) {
1063            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1064          }          }
1065          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1066            $self->{s_kwd} = '';
1067          # reconsume          # reconsume
1068    
1069          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 874  sub _get_next_token ($) { Line 1073  sub _get_next_token ($) {
1073          if ($self->{nc} == 0x0022 or # "          if ($self->{nc} == 0x0022 or # "
1074              $self->{nc} == 0x0027) { # '              $self->{nc} == 0x0027) { # '
1075            !!!cp (69);            !!!cp (69);
1076              ## XML5: Not a parse error.
1077            !!!parse-error (type => 'bad attribute name');            !!!parse-error (type => 'bad attribute name');
1078          } else {          } else {
1079            !!!cp (70);            !!!cp (70);
# Line 884  sub _get_next_token ($) { Line 1084  sub _get_next_token ($) {
1084          redo A;          redo A;
1085        }        }
1086      } elsif ($self->{state} == AFTER_ATTRIBUTE_NAME_STATE) {      } elsif ($self->{state} == AFTER_ATTRIBUTE_NAME_STATE) {
1087          ## XML5: "Tag attribute name after state".
1088          
1089        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
1090          !!!cp (71);          !!!cp (71);
1091          ## Stay in the state          ## Stay in the state
# Line 895  sub _get_next_token ($) { Line 1097  sub _get_next_token ($) {
1097          !!!next-input-character;          !!!next-input-character;
1098          redo A;          redo A;
1099        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
1100            if ($self->{is_xml}) {
1101              !!!cp (72.1);
1102              ## XML5: Not a parse error.
1103              !!!parse-error (type => 'no attr value'); ## TODO: type
1104            } else {
1105              !!!cp (72.2);
1106            }
1107    
1108          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1109            !!!cp (73);            !!!cp (73);
1110            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
# Line 911  sub _get_next_token ($) { Line 1121  sub _get_next_token ($) {
1121            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1122          }          }
1123          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1124            $self->{s_kwd} = '';
1125          !!!next-input-character;          !!!next-input-character;
1126    
1127          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 927  sub _get_next_token ($) { Line 1138  sub _get_next_token ($) {
1138          !!!next-input-character;          !!!next-input-character;
1139          redo A;          redo A;
1140        } elsif ($self->{nc} == 0x002F) { # /        } elsif ($self->{nc} == 0x002F) { # /
1141          !!!cp (77);          if ($self->{is_xml}) {
1142              !!!cp (77);
1143              ## XML5: Not a parse error.
1144              !!!parse-error (type => 'no attr value'); ## TODO: type
1145            } else {
1146              !!!cp (77.1);
1147            }
1148            
1149          $self->{state} = SELF_CLOSING_START_TAG_STATE;          $self->{state} = SELF_CLOSING_START_TAG_STATE;
1150          !!!next-input-character;          !!!next-input-character;
1151          redo A;          redo A;
# Line 948  sub _get_next_token ($) { Line 1166  sub _get_next_token ($) {
1166          } else {          } else {
1167            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1168          }          }
1169            $self->{s_kwd} = '';
1170          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1171          # reconsume          # reconsume
1172    
# Line 955  sub _get_next_token ($) { Line 1174  sub _get_next_token ($) {
1174    
1175          redo A;          redo A;
1176        } else {        } else {
1177            if ($self->{is_xml}) {
1178              !!!cp (78.1);
1179              ## XML5: Not a parse error.
1180              !!!parse-error (type => 'no attr value'); ## TODO: type
1181            } else {
1182              !!!cp (78.2);
1183            }
1184    
1185          if ($self->{nc} == 0x0022 or # "          if ($self->{nc} == 0x0022 or # "
1186              $self->{nc} == 0x0027) { # '              $self->{nc} == 0x0027) { # '
1187            !!!cp (78);            !!!cp (78);
1188              ## XML5: Not a parse error.
1189            !!!parse-error (type => 'bad attribute name');            !!!parse-error (type => 'bad attribute name');
1190          } else {          } else {
1191            !!!cp (82);            !!!cp (82);
# Line 971  sub _get_next_token ($) { Line 1199  sub _get_next_token ($) {
1199          redo A;                  redo A;        
1200        }        }
1201      } elsif ($self->{state} == BEFORE_ATTRIBUTE_VALUE_STATE) {      } elsif ($self->{state} == BEFORE_ATTRIBUTE_VALUE_STATE) {
1202          ## XML5: "Tag attribute value before state".
1203    
1204        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
1205          !!!cp (83);          !!!cp (83);
1206          ## Stay in the state          ## Stay in the state
# Line 1009  sub _get_next_token ($) { Line 1239  sub _get_next_token ($) {
1239            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1240          }          }
1241          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1242            $self->{s_kwd} = '';
1243          !!!next-input-character;          !!!next-input-character;
1244    
1245          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 1032  sub _get_next_token ($) { Line 1263  sub _get_next_token ($) {
1263            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1264          }          }
1265          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1266            $self->{s_kwd} = '';
1267          ## reconsume          ## reconsume
1268    
1269          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 1040  sub _get_next_token ($) { Line 1272  sub _get_next_token ($) {
1272        } else {        } else {
1273          if ($self->{nc} == 0x003D) { # =          if ($self->{nc} == 0x003D) { # =
1274            !!!cp (93);            !!!cp (93);
1275              ## XML5: Not a parse error.
1276            !!!parse-error (type => 'bad attribute value');            !!!parse-error (type => 'bad attribute value');
1277            } elsif ($self->{is_xml}) {
1278              !!!cp (93.1);
1279              ## XML5: No parse error.
1280              !!!parse-error (type => 'unquoted attr value'); ## TODO
1281          } else {          } else {
1282            !!!cp (94);            !!!cp (94);
1283          }          }
# Line 1050  sub _get_next_token ($) { Line 1287  sub _get_next_token ($) {
1287          redo A;          redo A;
1288        }        }
1289      } elsif ($self->{state} == ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE) {      } elsif ($self->{state} == ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE) {
1290          ## XML5: "Tag attribute value double quoted state" and "DOCTYPE
1291          ## ATTLIST attribute value double quoted state".
1292          
1293        if ($self->{nc} == 0x0022) { # "        if ($self->{nc} == 0x0022) { # "
1294          !!!cp (95);          if ($self->{ct}->{type} == ATTLIST_TOKEN) {
1295          $self->{state} = AFTER_ATTRIBUTE_VALUE_QUOTED_STATE;            !!!cp (95.1);
1296              ## XML5: "DOCTYPE ATTLIST name after state".
1297              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1298              $self->{state} = AFTER_ATTLIST_ATTR_VALUE_QUOTED_STATE;
1299            } else {
1300              !!!cp (95);
1301              ## XML5: "Tag attribute name before state".
1302              $self->{state} = AFTER_ATTRIBUTE_VALUE_QUOTED_STATE;
1303            }
1304          !!!next-input-character;          !!!next-input-character;
1305          redo A;          redo A;
1306        } elsif ($self->{nc} == 0x0026) { # &        } elsif ($self->{nc} == 0x0026) { # &
1307          !!!cp (96);          !!!cp (96);
1308            ## XML5: Not defined yet.
1309    
1310          ## NOTE: In the spec, the tokenizer is switched to the          ## NOTE: In the spec, the tokenizer is switched to the
1311          ## "entity in attribute value state".  In this implementation, the          ## "entity in attribute value state".  In this implementation, the
1312          ## tokenizer is switched to the |ENTITY_STATE|, which is an          ## tokenizer is switched to the |ENTITY_STATE|, which is an
# Line 1071  sub _get_next_token ($) { Line 1321  sub _get_next_token ($) {
1321          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1322            !!!cp (97);            !!!cp (97);
1323            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
1324    
1325              $self->{state} = DATA_STATE;
1326              $self->{s_kwd} = '';
1327              ## reconsume
1328              !!!emit ($self->{ct}); # start tag
1329              redo A;
1330          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {
1331            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1332            if ($self->{ct}->{attributes}) {            if ($self->{ct}->{attributes}) {
# Line 1080  sub _get_next_token ($) { Line 1336  sub _get_next_token ($) {
1336              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1337              !!!cp (99);              !!!cp (99);
1338            }            }
1339    
1340              $self->{state} = DATA_STATE;
1341              $self->{s_kwd} = '';
1342              ## reconsume
1343              !!!emit ($self->{ct}); # end tag
1344              redo A;
1345            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1346              ## XML5: No parse error above; not defined yet.
1347              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1348              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1349              ## Reconsume.
1350              !!!emit ($self->{ct}); # ATTLIST
1351              redo A;
1352          } else {          } else {
1353            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1354          }          }
         $self->{state} = DATA_STATE;  
         ## reconsume  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1355        } else {        } else {
1356          !!!cp (100);          ## XML5 [ATTLIST]: Not defined yet.
1357            if ($self->{is_xml} and $self->{nc} == 0x003C) { # <
1358              !!!cp (100);
1359              ## XML5: Not a parse error.
1360              !!!parse-error (type => 'lt in attr value'); ## TODO: type
1361            } else {
1362              !!!cp (100.1);
1363            }
1364          $self->{ca}->{value} .= chr ($self->{nc});          $self->{ca}->{value} .= chr ($self->{nc});
1365          $self->{read_until}->($self->{ca}->{value},          $self->{read_until}->($self->{ca}->{value},
1366                                q["&],                                q["&<],
1367                                length $self->{ca}->{value});                                length $self->{ca}->{value});
1368    
1369          ## Stay in the state          ## Stay in the state
# Line 1101  sub _get_next_token ($) { Line 1371  sub _get_next_token ($) {
1371          redo A;          redo A;
1372        }        }
1373      } elsif ($self->{state} == ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE) {      } elsif ($self->{state} == ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE) {
1374          ## XML5: "Tag attribute value single quoted state" and "DOCTYPE
1375          ## ATTLIST attribute value single quoted state".
1376    
1377        if ($self->{nc} == 0x0027) { # '        if ($self->{nc} == 0x0027) { # '
1378          !!!cp (101);          if ($self->{ct}->{type} == ATTLIST_TOKEN) {
1379          $self->{state} = AFTER_ATTRIBUTE_VALUE_QUOTED_STATE;            !!!cp (101.1);
1380              ## XML5: "DOCTYPE ATTLIST name after state".
1381              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1382              $self->{state} = AFTER_ATTLIST_ATTR_VALUE_QUOTED_STATE;
1383            } else {
1384              !!!cp (101);
1385              ## XML5: "Before attribute name state" (sic).
1386              $self->{state} = AFTER_ATTRIBUTE_VALUE_QUOTED_STATE;
1387            }
1388          !!!next-input-character;          !!!next-input-character;
1389          redo A;          redo A;
1390        } elsif ($self->{nc} == 0x0026) { # &        } elsif ($self->{nc} == 0x0026) { # &
1391          !!!cp (102);          !!!cp (102);
1392            ## XML5: Not defined yet.
1393    
1394          ## NOTE: In the spec, the tokenizer is switched to the          ## NOTE: In the spec, the tokenizer is switched to the
1395          ## "entity in attribute value state".  In this implementation, the          ## "entity in attribute value state".  In this implementation, the
1396          ## tokenizer is switched to the |ENTITY_STATE|, which is an          ## tokenizer is switched to the |ENTITY_STATE|, which is an
# Line 1122  sub _get_next_token ($) { Line 1405  sub _get_next_token ($) {
1405          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1406            !!!cp (103);            !!!cp (103);
1407            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
1408    
1409              $self->{state} = DATA_STATE;
1410              $self->{s_kwd} = '';
1411              ## reconsume
1412              !!!emit ($self->{ct}); # start tag
1413              redo A;
1414          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {
1415            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1416            if ($self->{ct}->{attributes}) {            if ($self->{ct}->{attributes}) {
# Line 1131  sub _get_next_token ($) { Line 1420  sub _get_next_token ($) {
1420              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1421              !!!cp (105);              !!!cp (105);
1422            }            }
1423    
1424              $self->{state} = DATA_STATE;
1425              $self->{s_kwd} = '';
1426              ## reconsume
1427              !!!emit ($self->{ct}); # end tag
1428              redo A;
1429            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1430              ## XML5: No parse error above; not defined yet.
1431              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1432              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1433              ## Reconsume.
1434              !!!emit ($self->{ct}); # ATTLIST
1435              redo A;
1436          } else {          } else {
1437            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1438          }          }
         $self->{state} = DATA_STATE;  
         ## reconsume  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1439        } else {        } else {
1440          !!!cp (106);          ## XML5 [ATTLIST]: Not defined yet.
1441            if ($self->{is_xml} and $self->{nc} == 0x003C) { # <
1442              !!!cp (106);
1443              ## XML5: Not a parse error.
1444              !!!parse-error (type => 'lt in attr value'); ## TODO: type
1445            } else {
1446              !!!cp (106.1);
1447            }
1448          $self->{ca}->{value} .= chr ($self->{nc});          $self->{ca}->{value} .= chr ($self->{nc});
1449          $self->{read_until}->($self->{ca}->{value},          $self->{read_until}->($self->{ca}->{value},
1450                                q['&],                                q['&<],
1451                                length $self->{ca}->{value});                                length $self->{ca}->{value});
1452    
1453          ## Stay in the state          ## Stay in the state
# Line 1152  sub _get_next_token ($) { Line 1455  sub _get_next_token ($) {
1455          redo A;          redo A;
1456        }        }
1457      } elsif ($self->{state} == ATTRIBUTE_VALUE_UNQUOTED_STATE) {      } elsif ($self->{state} == ATTRIBUTE_VALUE_UNQUOTED_STATE) {
1458          ## XML5: "Tag attribute value unquoted state".
1459    
1460        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
1461          !!!cp (107);          if ($self->{ct}->{type} == ATTLIST_TOKEN) {
1462          $self->{state} = BEFORE_ATTRIBUTE_NAME_STATE;            !!!cp (107.1);
1463              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1464              $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
1465            } else {
1466              !!!cp (107);
1467              ## XML5: "Tag attribute name before state".
1468              $self->{state} = BEFORE_ATTRIBUTE_NAME_STATE;
1469            }
1470          !!!next-input-character;          !!!next-input-character;
1471          redo A;          redo A;
1472        } elsif ($self->{nc} == 0x0026) { # &        } elsif ($self->{nc} == 0x0026) { # &
1473          !!!cp (108);          !!!cp (108);
1474    
1475            ## XML5: Not defined yet.
1476    
1477          ## NOTE: In the spec, the tokenizer is switched to the          ## NOTE: In the spec, the tokenizer is switched to the
1478          ## "entity in attribute value state".  In this implementation, the          ## "entity in attribute value state".  In this implementation, the
1479          ## tokenizer is switched to the |ENTITY_STATE|, which is an          ## tokenizer is switched to the |ENTITY_STATE|, which is an
# Line 1172  sub _get_next_token ($) { Line 1487  sub _get_next_token ($) {
1487          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1488            !!!cp (109);            !!!cp (109);
1489            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
1490    
1491              $self->{state} = DATA_STATE;
1492              $self->{s_kwd} = '';
1493              !!!next-input-character;
1494              !!!emit ($self->{ct}); # start tag
1495              redo A;
1496          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {
1497            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1498            if ($self->{ct}->{attributes}) {            if ($self->{ct}->{attributes}) {
# Line 1181  sub _get_next_token ($) { Line 1502  sub _get_next_token ($) {
1502              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1503              !!!cp (111);              !!!cp (111);
1504            }            }
1505    
1506              $self->{state} = DATA_STATE;
1507              $self->{s_kwd} = '';
1508              !!!next-input-character;
1509              !!!emit ($self->{ct}); # end tag
1510              redo A;
1511            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1512              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1513              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1514              !!!next-input-character;
1515              !!!emit ($self->{ct}); # ATTLIST
1516              redo A;
1517          } else {          } else {
1518            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1519          }          }
         $self->{state} = DATA_STATE;  
         !!!next-input-character;  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1520        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!parse-error (type => 'unclosed tag');  
1521          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1522            !!!cp (112);            !!!cp (112);
1523              !!!parse-error (type => 'unclosed tag');
1524            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
1525    
1526              $self->{state} = DATA_STATE;
1527              $self->{s_kwd} = '';
1528              ## reconsume
1529              !!!emit ($self->{ct}); # start tag
1530              redo A;
1531          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {
1532              !!!parse-error (type => 'unclosed tag');
1533            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1534            if ($self->{ct}->{attributes}) {            if ($self->{ct}->{attributes}) {
1535              !!!cp (113);              !!!cp (113);
# Line 1204  sub _get_next_token ($) { Line 1538  sub _get_next_token ($) {
1538              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1539              !!!cp (114);              !!!cp (114);
1540            }            }
1541    
1542              $self->{state} = DATA_STATE;
1543              $self->{s_kwd} = '';
1544              ## reconsume
1545              !!!emit ($self->{ct}); # end tag
1546              redo A;
1547            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1548              !!!parse-error (type => 'unclosed md'); ## TODO: type
1549              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1550              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1551              ## Reconsume.
1552              !!!emit ($self->{ct}); # ATTLIST
1553              redo A;
1554          } else {          } else {
1555            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1556          }          }
         $self->{state} = DATA_STATE;  
         ## reconsume  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1557        } else {        } else {
1558          if ({          if ({
1559               0x0022 => 1, # "               0x0022 => 1, # "
# Line 1220  sub _get_next_token ($) { Line 1561  sub _get_next_token ($) {
1561               0x003D => 1, # =               0x003D => 1, # =
1562              }->{$self->{nc}}) {              }->{$self->{nc}}) {
1563            !!!cp (115);            !!!cp (115);
1564              ## XML5: Not a parse error.
1565            !!!parse-error (type => 'bad attribute value');            !!!parse-error (type => 'bad attribute value');
1566          } else {          } else {
1567            !!!cp (116);            !!!cp (116);
# Line 1256  sub _get_next_token ($) { Line 1598  sub _get_next_token ($) {
1598            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1599          }          }
1600          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1601            $self->{s_kwd} = '';
1602          !!!next-input-character;          !!!next-input-character;
1603    
1604          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 1283  sub _get_next_token ($) { Line 1626  sub _get_next_token ($) {
1626            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1627          }          }
1628          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1629            $self->{s_kwd} = '';
1630          ## Reconsume.          ## Reconsume.
1631          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
1632          redo A;          redo A;
# Line 1294  sub _get_next_token ($) { Line 1638  sub _get_next_token ($) {
1638          redo A;          redo A;
1639        }        }
1640      } elsif ($self->{state} == SELF_CLOSING_START_TAG_STATE) {      } elsif ($self->{state} == SELF_CLOSING_START_TAG_STATE) {
1641          ## XML5: "Empty tag state".
1642    
1643        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
1644          if ($self->{ct}->{type} == END_TAG_TOKEN) {          if ($self->{ct}->{type} == END_TAG_TOKEN) {
1645            !!!cp ('124.2');            !!!cp ('124.2');
# Line 1313  sub _get_next_token ($) { Line 1659  sub _get_next_token ($) {
1659          }          }
1660    
1661          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1662            $self->{s_kwd} = '';
1663          !!!next-input-character;          !!!next-input-character;
1664    
1665          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 1334  sub _get_next_token ($) { Line 1681  sub _get_next_token ($) {
1681          } else {          } else {
1682            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1683          }          }
1684            ## XML5: "Tag attribute name before state".
1685          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1686            $self->{s_kwd} = '';
1687          ## Reconsume.          ## Reconsume.
1688          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
1689          redo A;          redo A;
# Line 1347  sub _get_next_token ($) { Line 1696  sub _get_next_token ($) {
1696          redo A;          redo A;
1697        }        }
1698      } elsif ($self->{state} == BOGUS_COMMENT_STATE) {      } elsif ($self->{state} == BOGUS_COMMENT_STATE) {
1699        ## (only happen if PCDATA state)        ## XML5: "Bogus comment state" and "DOCTYPE bogus comment state".
1700    
1701        ## NOTE: Unlike spec's "bogus comment state", this implementation        ## NOTE: Unlike spec's "bogus comment state", this implementation
1702        ## consumes characters one-by-one basis.        ## consumes characters one-by-one basis.
1703                
1704        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
1705          !!!cp (124);          if ($self->{in_subset}) {
1706          $self->{state} = DATA_STATE;            !!!cp (123);
1707              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1708            } else {
1709              !!!cp (124);
1710              $self->{state} = DATA_STATE;
1711              $self->{s_kwd} = '';
1712            }
1713          !!!next-input-character;          !!!next-input-character;
1714    
1715          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
1716          redo A;          redo A;
1717        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
1718          !!!cp (125);          if ($self->{in_subset}) {
1719          $self->{state} = DATA_STATE;            !!!cp (125.1);
1720              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1721            } else {
1722              !!!cp (125);
1723              $self->{state} = DATA_STATE;
1724              $self->{s_kwd} = '';
1725            }
1726          ## reconsume          ## reconsume
1727    
1728          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1378  sub _get_next_token ($) { Line 1739  sub _get_next_token ($) {
1739          redo A;          redo A;
1740        }        }
1741      } elsif ($self->{state} == MARKUP_DECLARATION_OPEN_STATE) {      } elsif ($self->{state} == MARKUP_DECLARATION_OPEN_STATE) {
1742        ## (only happen if PCDATA state)        ## XML5: "Markup declaration state".
1743                
1744        if ($self->{nc} == 0x002D) { # -        if ($self->{nc} == 0x002D) { # -
1745          !!!cp (133);          !!!cp (133);
# Line 1390  sub _get_next_token ($) { Line 1751  sub _get_next_token ($) {
1751          ## ASCII case-insensitive.          ## ASCII case-insensitive.
1752          !!!cp (130);          !!!cp (130);
1753          $self->{state} = MD_DOCTYPE_STATE;          $self->{state} = MD_DOCTYPE_STATE;
1754          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
1755          !!!next-input-character;          !!!next-input-character;
1756          redo A;          redo A;
1757        } elsif ((($self->{insertion_mode} & IN_FOREIGN_CONTENT_IM and        } elsif ((($self->{insertion_mode} & IN_FOREIGN_CONTENT_IM and
# Line 1399  sub _get_next_token ($) { Line 1760  sub _get_next_token ($) {
1760                 $self->{nc} == 0x005B) { # [                 $self->{nc} == 0x005B) { # [
1761          !!!cp (135.4);                          !!!cp (135.4);                
1762          $self->{state} = MD_CDATA_STATE;          $self->{state} = MD_CDATA_STATE;
1763          $self->{s_kwd} = '[';          $self->{kwd} = '[';
1764          !!!next-input-character;          !!!next-input-character;
1765          redo A;          redo A;
1766        } else {        } else {
# Line 1423  sub _get_next_token ($) { Line 1784  sub _get_next_token ($) {
1784                                    line => $self->{line_prev},                                    line => $self->{line_prev},
1785                                    column => $self->{column_prev} - 2,                                    column => $self->{column_prev} - 2,
1786                                   };                                   };
1787          $self->{state} = COMMENT_START_STATE;          $self->{state} = COMMENT_START_STATE; ## XML5: "comment state".
1788          !!!next-input-character;          !!!next-input-character;
1789          redo A;          redo A;
1790        } else {        } else {
# Line 1449  sub _get_next_token ($) { Line 1810  sub _get_next_token ($) {
1810              0x0054, # T              0x0054, # T
1811              0x0059, # Y              0x0059, # Y
1812              0x0050, # P              0x0050, # P
1813            ]->[length $self->{s_kwd}] or            ]->[length $self->{kwd}] or
1814            $self->{nc} == [            $self->{nc} == [
1815              undef,              undef,
1816              0x006F, # o              0x006F, # o
# Line 1457  sub _get_next_token ($) { Line 1818  sub _get_next_token ($) {
1818              0x0074, # t              0x0074, # t
1819              0x0079, # y              0x0079, # y
1820              0x0070, # p              0x0070, # p
1821            ]->[length $self->{s_kwd}]) {            ]->[length $self->{kwd}]) {
1822          !!!cp (131);          !!!cp (131);
1823          ## Stay in the state.          ## Stay in the state.
1824          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
1825          !!!next-input-character;          !!!next-input-character;
1826          redo A;          redo A;
1827        } elsif ((length $self->{s_kwd}) == 6 and        } elsif ((length $self->{kwd}) == 6 and
1828                 ($self->{nc} == 0x0045 or # E                 ($self->{nc} == 0x0045 or # E
1829                  $self->{nc} == 0x0065)) { # e                  $self->{nc} == 0x0065)) { # e
1830          !!!cp (129);          if ($self->{is_xml} and
1831                ($self->{kwd} ne 'DOCTYP' or $self->{nc} == 0x0065)) {
1832              !!!cp (129);
1833              ## XML5: case-sensitive.
1834              !!!parse-error (type => 'lowercase keyword', ## TODO
1835                              text => 'DOCTYPE',
1836                              line => $self->{line_prev},
1837                              column => $self->{column_prev} - 5);
1838            } else {
1839              !!!cp (129.1);
1840            }
1841          $self->{state} = DOCTYPE_STATE;          $self->{state} = DOCTYPE_STATE;
1842          $self->{ct} = {type => DOCTYPE_TOKEN,          $self->{ct} = {type => DOCTYPE_TOKEN,
1843                                    quirks => 1,                                    quirks => 1,
# Line 1479  sub _get_next_token ($) { Line 1850  sub _get_next_token ($) {
1850          !!!cp (132);                  !!!cp (132);        
1851          !!!parse-error (type => 'bogus comment',          !!!parse-error (type => 'bogus comment',
1852                          line => $self->{line_prev},                          line => $self->{line_prev},
1853                          column => $self->{column_prev} - 1 - length $self->{s_kwd});                          column => $self->{column_prev} - 1 - length $self->{kwd});
1854          $self->{state} = BOGUS_COMMENT_STATE;          $self->{state} = BOGUS_COMMENT_STATE;
1855          ## Reconsume.          ## Reconsume.
1856          $self->{ct} = {type => COMMENT_TOKEN,          $self->{ct} = {type => COMMENT_TOKEN,
1857                                    data => $self->{s_kwd},                                    data => $self->{kwd},
1858                                    line => $self->{line_prev},                                    line => $self->{line_prev},
1859                                    column => $self->{column_prev} - 1 - length $self->{s_kwd},                                    column => $self->{column_prev} - 1 - length $self->{kwd},
1860                                   };                                   };
1861          redo A;          redo A;
1862        }        }
# Line 1496  sub _get_next_token ($) { Line 1867  sub _get_next_token ($) {
1867              '[CD' => 0x0041, # A              '[CD' => 0x0041, # A
1868              '[CDA' => 0x0054, # T              '[CDA' => 0x0054, # T
1869              '[CDAT' => 0x0041, # A              '[CDAT' => 0x0041, # A
1870            }->{$self->{s_kwd}}) {            }->{$self->{kwd}}) {
1871          !!!cp (135.1);          !!!cp (135.1);
1872          ## Stay in the state.          ## Stay in the state.
1873          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
1874          !!!next-input-character;          !!!next-input-character;
1875          redo A;          redo A;
1876        } elsif ($self->{s_kwd} eq '[CDATA' and        } elsif ($self->{kwd} eq '[CDATA' and
1877                 $self->{nc} == 0x005B) { # [                 $self->{nc} == 0x005B) { # [
1878          !!!cp (135.2);          if ($self->{is_xml} and
1879                not $self->{tainted} and
1880                @{$self->{open_elements} or []} == 0) {
1881              !!!cp (135.2);
1882              !!!parse-error (type => 'cdata outside of root element',
1883                              line => $self->{line_prev},
1884                              column => $self->{column_prev} - 7);
1885              $self->{tainted} = 1;
1886            } else {
1887              !!!cp (135.21);
1888            }
1889    
1890          $self->{ct} = {type => CHARACTER_TOKEN,          $self->{ct} = {type => CHARACTER_TOKEN,
1891                                    data => '',                                    data => '',
1892                                    line => $self->{line_prev},                                    line => $self->{line_prev},
# Line 1516  sub _get_next_token ($) { Line 1898  sub _get_next_token ($) {
1898          !!!cp (135.3);          !!!cp (135.3);
1899          !!!parse-error (type => 'bogus comment',          !!!parse-error (type => 'bogus comment',
1900                          line => $self->{line_prev},                          line => $self->{line_prev},
1901                          column => $self->{column_prev} - 1 - length $self->{s_kwd});                          column => $self->{column_prev} - 1 - length $self->{kwd});
1902          $self->{state} = BOGUS_COMMENT_STATE;          $self->{state} = BOGUS_COMMENT_STATE;
1903          ## Reconsume.          ## Reconsume.
1904          $self->{ct} = {type => COMMENT_TOKEN,          $self->{ct} = {type => COMMENT_TOKEN,
1905                                    data => $self->{s_kwd},                                    data => $self->{kwd},
1906                                    line => $self->{line_prev},                                    line => $self->{line_prev},
1907                                    column => $self->{column_prev} - 1 - length $self->{s_kwd},                                    column => $self->{column_prev} - 1 - length $self->{kwd},
1908                                   };                                   };
1909          redo A;          redo A;
1910        }        }
# Line 1533  sub _get_next_token ($) { Line 1915  sub _get_next_token ($) {
1915          !!!next-input-character;          !!!next-input-character;
1916          redo A;          redo A;
1917        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (138);  
1918          !!!parse-error (type => 'bogus comment');          !!!parse-error (type => 'bogus comment');
1919          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
1920              !!!cp (138.1);
1921              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1922            } else {
1923              !!!cp (138);
1924              $self->{state} = DATA_STATE;
1925              $self->{s_kwd} = '';
1926            }
1927          !!!next-input-character;          !!!next-input-character;
1928    
1929          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
1930    
1931          redo A;          redo A;
1932        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (139);  
1933          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
1934          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
1935              !!!cp (139.1);
1936              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1937            } else {
1938              !!!cp (139);
1939              $self->{state} = DATA_STATE;
1940              $self->{s_kwd} = '';
1941            }
1942          ## reconsume          ## reconsume
1943    
1944          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1565  sub _get_next_token ($) { Line 1959  sub _get_next_token ($) {
1959          !!!next-input-character;          !!!next-input-character;
1960          redo A;          redo A;
1961        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (142);  
1962          !!!parse-error (type => 'bogus comment');          !!!parse-error (type => 'bogus comment');
1963          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
1964              !!!cp (142.1);
1965              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1966            } else {
1967              !!!cp (142);
1968              $self->{state} = DATA_STATE;
1969              $self->{s_kwd} = '';
1970            }
1971          !!!next-input-character;          !!!next-input-character;
1972    
1973          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
1974    
1975          redo A;          redo A;
1976        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (143);  
1977          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
1978          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
1979              !!!cp (143.1);
1980              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1981            } else {
1982              !!!cp (143);
1983              $self->{state} = DATA_STATE;
1984              $self->{s_kwd} = '';
1985            }
1986          ## reconsume          ## reconsume
1987    
1988          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1591  sub _get_next_token ($) { Line 1997  sub _get_next_token ($) {
1997          redo A;          redo A;
1998        }        }
1999      } elsif ($self->{state} == COMMENT_STATE) {      } elsif ($self->{state} == COMMENT_STATE) {
2000          ## XML5: "Comment state" and "DOCTYPE comment state".
2001    
2002        if ($self->{nc} == 0x002D) { # -        if ($self->{nc} == 0x002D) { # -
2003          !!!cp (145);          !!!cp (145);
2004          $self->{state} = COMMENT_END_DASH_STATE;          $self->{state} = COMMENT_END_DASH_STATE;
2005          !!!next-input-character;          !!!next-input-character;
2006          redo A;          redo A;
2007        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (146);  
2008          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
2009          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
2010              !!!cp (146.1);
2011              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2012            } else {
2013              !!!cp (146);
2014              $self->{state} = DATA_STATE;
2015              $self->{s_kwd} = '';
2016            }
2017          ## reconsume          ## reconsume
2018    
2019          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1617  sub _get_next_token ($) { Line 2031  sub _get_next_token ($) {
2031          redo A;          redo A;
2032        }        }
2033      } elsif ($self->{state} == COMMENT_END_DASH_STATE) {      } elsif ($self->{state} == COMMENT_END_DASH_STATE) {
2034          ## XML5: "Comment dash state" and "DOCTYPE comment dash state".
2035    
2036        if ($self->{nc} == 0x002D) { # -        if ($self->{nc} == 0x002D) { # -
2037          !!!cp (148);          !!!cp (148);
2038          $self->{state} = COMMENT_END_STATE;          $self->{state} = COMMENT_END_STATE;
2039          !!!next-input-character;          !!!next-input-character;
2040          redo A;          redo A;
2041        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (149);  
2042          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
2043          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
2044              !!!cp (149.1);
2045              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2046            } else {
2047              !!!cp (149);
2048              $self->{state} = DATA_STATE;
2049              $self->{s_kwd} = '';
2050            }
2051          ## reconsume          ## reconsume
2052    
2053          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1639  sub _get_next_token ($) { Line 2061  sub _get_next_token ($) {
2061          redo A;          redo A;
2062        }        }
2063      } elsif ($self->{state} == COMMENT_END_STATE) {      } elsif ($self->{state} == COMMENT_END_STATE) {
2064          ## XML5: "Comment end state" and "DOCTYPE comment end state".
2065    
2066        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
2067          !!!cp (151);          if ($self->{in_subset}) {
2068          $self->{state} = DATA_STATE;            !!!cp (151.1);
2069              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2070            } else {
2071              !!!cp (151);
2072              $self->{state} = DATA_STATE;
2073              $self->{s_kwd} = '';
2074            }
2075          !!!next-input-character;          !!!next-input-character;
2076    
2077          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1649  sub _get_next_token ($) { Line 2079  sub _get_next_token ($) {
2079          redo A;          redo A;
2080        } elsif ($self->{nc} == 0x002D) { # -        } elsif ($self->{nc} == 0x002D) { # -
2081          !!!cp (152);          !!!cp (152);
2082            ## XML5: Not a parse error.
2083          !!!parse-error (type => 'dash in comment',          !!!parse-error (type => 'dash in comment',
2084                          line => $self->{line_prev},                          line => $self->{line_prev},
2085                          column => $self->{column_prev});                          column => $self->{column_prev});
# Line 1657  sub _get_next_token ($) { Line 2088  sub _get_next_token ($) {
2088          !!!next-input-character;          !!!next-input-character;
2089          redo A;          redo A;
2090        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (153);  
2091          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
2092          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
2093              !!!cp (153.1);
2094              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2095            } else {
2096              !!!cp (153);
2097              $self->{state} = DATA_STATE;
2098              $self->{s_kwd} = '';
2099            }
2100          ## reconsume          ## reconsume
2101    
2102          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1667  sub _get_next_token ($) { Line 2104  sub _get_next_token ($) {
2104          redo A;          redo A;
2105        } else {        } else {
2106          !!!cp (154);          !!!cp (154);
2107            ## XML5: Not a parse error.
2108          !!!parse-error (type => 'dash in comment',          !!!parse-error (type => 'dash in comment',
2109                          line => $self->{line_prev},                          line => $self->{line_prev},
2110                          column => $self->{column_prev});                          column => $self->{column_prev});
# Line 1683  sub _get_next_token ($) { Line 2121  sub _get_next_token ($) {
2121          redo A;          redo A;
2122        } else {        } else {
2123          !!!cp (156);          !!!cp (156);
2124            ## XML5: Unless EOF, swith to the bogus comment state.
2125          !!!parse-error (type => 'no space before DOCTYPE name');          !!!parse-error (type => 'no space before DOCTYPE name');
2126          $self->{state} = BEFORE_DOCTYPE_NAME_STATE;          $self->{state} = BEFORE_DOCTYPE_NAME_STATE;
2127          ## reconsume          ## reconsume
2128          redo A;          redo A;
2129        }        }
2130      } elsif ($self->{state} == BEFORE_DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == BEFORE_DOCTYPE_NAME_STATE) {
2131          ## XML5: "DOCTYPE root name before state".
2132    
2133        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2134          !!!cp (157);          !!!cp (157);
2135          ## Stay in the state          ## Stay in the state
# Line 1696  sub _get_next_token ($) { Line 2137  sub _get_next_token ($) {
2137          redo A;          redo A;
2138        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2139          !!!cp (158);          !!!cp (158);
2140            ## XML5: No parse error.
2141          !!!parse-error (type => 'no DOCTYPE name');          !!!parse-error (type => 'no DOCTYPE name');
2142          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2143            $self->{s_kwd} = '';
2144          !!!next-input-character;          !!!next-input-character;
2145    
2146          !!!emit ($self->{ct}); # DOCTYPE (quirks)          !!!emit ($self->{ct}); # DOCTYPE (quirks)
# Line 1707  sub _get_next_token ($) { Line 2150  sub _get_next_token ($) {
2150          !!!cp (159);          !!!cp (159);
2151          !!!parse-error (type => 'no DOCTYPE name');          !!!parse-error (type => 'no DOCTYPE name');
2152          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2153            $self->{s_kwd} = '';
2154          ## reconsume          ## reconsume
2155    
2156          !!!emit ($self->{ct}); # DOCTYPE (quirks)          !!!emit ($self->{ct}); # DOCTYPE (quirks)
2157    
2158          redo A;          redo A;
2159          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
2160            !!!cp (159.1);
2161            !!!parse-error (type => 'no DOCTYPE name');
2162            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2163            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2164            $self->{in_subset} = 1;
2165            !!!next-input-character;
2166            !!!emit ($self->{ct}); # DOCTYPE
2167            redo A;
2168        } else {        } else {
2169          !!!cp (160);          !!!cp (160);
2170          $self->{ct}->{name} = chr $self->{nc};          $self->{ct}->{name} = chr $self->{nc};
# Line 1721  sub _get_next_token ($) { Line 2174  sub _get_next_token ($) {
2174          redo A;          redo A;
2175        }        }
2176      } elsif ($self->{state} == DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == DOCTYPE_NAME_STATE) {
2177  ## ISSUE: Redundant "First," in the spec.        ## XML5: "DOCTYPE root name state".
2178    
2179          ## ISSUE: Redundant "First," in the spec.
2180    
2181        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2182          !!!cp (161);          !!!cp (161);
2183          $self->{state} = AFTER_DOCTYPE_NAME_STATE;          $self->{state} = AFTER_DOCTYPE_NAME_STATE;
# Line 1730  sub _get_next_token ($) { Line 2186  sub _get_next_token ($) {
2186        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2187          !!!cp (162);          !!!cp (162);
2188          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2189            $self->{s_kwd} = '';
2190          !!!next-input-character;          !!!next-input-character;
2191    
2192          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
# Line 1739  sub _get_next_token ($) { Line 2196  sub _get_next_token ($) {
2196          !!!cp (163);          !!!cp (163);
2197          !!!parse-error (type => 'unclosed DOCTYPE');          !!!parse-error (type => 'unclosed DOCTYPE');
2198          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2199            $self->{s_kwd} = '';
2200          ## reconsume          ## reconsume
2201    
2202          $self->{ct}->{quirks} = 1;          $self->{ct}->{quirks} = 1;
2203          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2204    
2205          redo A;          redo A;
2206          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
2207            !!!cp (163.1);
2208            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2209            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2210            $self->{in_subset} = 1;
2211            !!!next-input-character;
2212            !!!emit ($self->{ct}); # DOCTYPE
2213            redo A;
2214        } else {        } else {
2215          !!!cp (164);          !!!cp (164);
2216          $self->{ct}->{name}          $self->{ct}->{name}
# Line 1754  sub _get_next_token ($) { Line 2220  sub _get_next_token ($) {
2220          redo A;          redo A;
2221        }        }
2222      } elsif ($self->{state} == AFTER_DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == AFTER_DOCTYPE_NAME_STATE) {
2223          ## XML5: Corresponding to XML5's "DOCTYPE root name after
2224          ## state", but implemented differently.
2225    
2226        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2227          !!!cp (165);          !!!cp (165);
2228          ## Stay in the state          ## Stay in the state
2229          !!!next-input-character;          !!!next-input-character;
2230          redo A;          redo A;
2231        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2232          !!!cp (166);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2233          $self->{state} = DATA_STATE;            !!!cp (166);
2234              $self->{state} = DATA_STATE;
2235              $self->{s_kwd} = '';
2236            } else {
2237              !!!cp (166.1);
2238              !!!parse-error (type => 'no md def'); ## TODO: type
2239              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2240            }
2241            
2242          !!!next-input-character;          !!!next-input-character;
2243            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         !!!emit ($self->{ct}); # DOCTYPE  
   
2244          redo A;          redo A;
2245        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2246          !!!cp (167);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2247          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (167);
2248          $self->{state} = DATA_STATE;            !!!parse-error (type => 'unclosed DOCTYPE');
2249          ## reconsume            $self->{state} = DATA_STATE;
2250              $self->{s_kwd} = '';
2251          $self->{ct}->{quirks} = 1;            $self->{ct}->{quirks} = 1;
2252          !!!emit ($self->{ct}); # DOCTYPE          } else {
2253              !!!cp (167.12);
2254              !!!parse-error (type => 'unclosed md'); ## TODO: type
2255              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2256            }
2257            
2258            ## Reconsume.
2259            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2260          redo A;          redo A;
2261        } elsif ($self->{nc} == 0x0050 or # P        } elsif ($self->{nc} == 0x0050 or # P
2262                 $self->{nc} == 0x0070) { # p                 $self->{nc} == 0x0070) { # p
2263            !!!cp (167.1);
2264          $self->{state} = PUBLIC_STATE;          $self->{state} = PUBLIC_STATE;
2265          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
2266          !!!next-input-character;          !!!next-input-character;
2267          redo A;          redo A;
2268        } elsif ($self->{nc} == 0x0053 or # S        } elsif ($self->{nc} == 0x0053 or # S
2269                 $self->{nc} == 0x0073) { # s                 $self->{nc} == 0x0073) { # s
2270            !!!cp (167.2);
2271          $self->{state} = SYSTEM_STATE;          $self->{state} = SYSTEM_STATE;
2272          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
2273            !!!next-input-character;
2274            redo A;
2275          } elsif ($self->{nc} == 0x0022 and # "
2276                   ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN or
2277                    $self->{ct}->{type} == PARAMETER_ENTITY_TOKEN)) {
2278            !!!cp (167.21);
2279            $self->{state} = DOCTYPE_ENTITY_VALUE_DOUBLE_QUOTED_STATE;
2280            $self->{ct}->{value} = ''; # ENTITY
2281            !!!next-input-character;
2282            redo A;
2283          } elsif ($self->{nc} == 0x0027 and # '
2284                   ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN or
2285                    $self->{ct}->{type} == PARAMETER_ENTITY_TOKEN)) {
2286            !!!cp (167.22);
2287            $self->{state} = DOCTYPE_ENTITY_VALUE_SINGLE_QUOTED_STATE;
2288            $self->{ct}->{value} = ''; # ENTITY
2289          !!!next-input-character;          !!!next-input-character;
2290          redo A;          redo A;
2291          } elsif ($self->{is_xml} and
2292                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2293                   $self->{nc} == 0x005B) { # [
2294            !!!cp (167.3);
2295            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2296            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2297            $self->{in_subset} = 1;
2298            !!!next-input-character;
2299            !!!emit ($self->{ct}); # DOCTYPE
2300            redo A;
2301        } else {        } else {
2302          !!!cp (180);          !!!parse-error (type => 'string after DOCTYPE name'); ## TODO: type
2303          !!!parse-error (type => 'string after DOCTYPE name');  
2304          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2305              !!!cp (180);
2306              $self->{ct}->{quirks} = 1;
2307              $self->{state} = BOGUS_DOCTYPE_STATE;
2308            } else {
2309              !!!cp (180.1);
2310              $self->{state} = BOGUS_MD_STATE;
2311            }
2312    
         $self->{state} = BOGUS_DOCTYPE_STATE;  
2313          !!!next-input-character;          !!!next-input-character;
2314          redo A;          redo A;
2315        }        }
# Line 1806  sub _get_next_token ($) { Line 2321  sub _get_next_token ($) {
2321              0x0042, # B              0x0042, # B
2322              0x004C, # L              0x004C, # L
2323              0x0049, # I              0x0049, # I
2324            ]->[length $self->{s_kwd}] or            ]->[length $self->{kwd}] or
2325            $self->{nc} == [            $self->{nc} == [
2326              undef,              undef,
2327              0x0075, # u              0x0075, # u
2328              0x0062, # b              0x0062, # b
2329              0x006C, # l              0x006C, # l
2330              0x0069, # i              0x0069, # i
2331            ]->[length $self->{s_kwd}]) {            ]->[length $self->{kwd}]) {
2332          !!!cp (175);          !!!cp (175);
2333          ## Stay in the state.          ## Stay in the state.
2334          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
2335          !!!next-input-character;          !!!next-input-character;
2336          redo A;          redo A;
2337        } elsif ((length $self->{s_kwd}) == 5 and        } elsif ((length $self->{kwd}) == 5 and
2338                 ($self->{nc} == 0x0043 or # C                 ($self->{nc} == 0x0043 or # C
2339                  $self->{nc} == 0x0063)) { # c                  $self->{nc} == 0x0063)) { # c
2340          !!!cp (168);          if ($self->{is_xml} and
2341                ($self->{kwd} ne 'PUBLI' or $self->{nc} == 0x0063)) { # c
2342              !!!cp (168.1);
2343              !!!parse-error (type => 'lowercase keyword', ## TODO: type
2344                              text => 'PUBLIC',
2345                              line => $self->{line_prev},
2346                              column => $self->{column_prev} - 4);
2347            } else {
2348              !!!cp (168);
2349            }
2350          $self->{state} = BEFORE_DOCTYPE_PUBLIC_IDENTIFIER_STATE;          $self->{state} = BEFORE_DOCTYPE_PUBLIC_IDENTIFIER_STATE;
2351          !!!next-input-character;          !!!next-input-character;
2352          redo A;          redo A;
2353        } else {        } else {
2354          !!!cp (169);          !!!parse-error (type => 'string after DOCTYPE name', ## TODO: type
         !!!parse-error (type => 'string after DOCTYPE name',  
2355                          line => $self->{line_prev},                          line => $self->{line_prev},
2356                          column => $self->{column_prev} + 1 - length $self->{s_kwd});                          column => $self->{column_prev} + 1 - length $self->{kwd});
2357          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2358              !!!cp (169);
2359          $self->{state} = BOGUS_DOCTYPE_STATE;            $self->{ct}->{quirks} = 1;
2360              $self->{state} = BOGUS_DOCTYPE_STATE;
2361            } else {
2362              !!!cp (169.1);
2363              $self->{state} = BOGUS_MD_STATE;
2364            }
2365          ## Reconsume.          ## Reconsume.
2366          redo A;          redo A;
2367        }        }
# Line 1845  sub _get_next_token ($) { Line 2373  sub _get_next_token ($) {
2373              0x0053, # S              0x0053, # S
2374              0x0054, # T              0x0054, # T
2375              0x0045, # E              0x0045, # E
2376            ]->[length $self->{s_kwd}] or            ]->[length $self->{kwd}] or
2377            $self->{nc} == [            $self->{nc} == [
2378              undef,              undef,
2379              0x0079, # y              0x0079, # y
2380              0x0073, # s              0x0073, # s
2381              0x0074, # t              0x0074, # t
2382              0x0065, # e              0x0065, # e
2383            ]->[length $self->{s_kwd}]) {            ]->[length $self->{kwd}]) {
2384          !!!cp (170);          !!!cp (170);
2385          ## Stay in the state.          ## Stay in the state.
2386          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
2387          !!!next-input-character;          !!!next-input-character;
2388          redo A;          redo A;
2389        } elsif ((length $self->{s_kwd}) == 5 and        } elsif ((length $self->{kwd}) == 5 and
2390                 ($self->{nc} == 0x004D or # M                 ($self->{nc} == 0x004D or # M
2391                  $self->{nc} == 0x006D)) { # m                  $self->{nc} == 0x006D)) { # m
2392          !!!cp (171);          if ($self->{is_xml} and
2393                ($self->{kwd} ne 'SYSTE' or $self->{nc} == 0x006D)) { # m
2394              !!!cp (171.1);
2395              !!!parse-error (type => 'lowercase keyword', ## TODO: type
2396                              text => 'SYSTEM',
2397                              line => $self->{line_prev},
2398                              column => $self->{column_prev} - 4);
2399            } else {
2400              !!!cp (171);
2401            }
2402          $self->{state} = BEFORE_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = BEFORE_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2403          !!!next-input-character;          !!!next-input-character;
2404          redo A;          redo A;
2405        } else {        } else {
2406          !!!cp (172);          !!!parse-error (type => 'string after DOCTYPE name', ## TODO: type
         !!!parse-error (type => 'string after DOCTYPE name',  
2407                          line => $self->{line_prev},                          line => $self->{line_prev},
2408                          column => $self->{column_prev} + 1 - length $self->{s_kwd});                          column => $self->{column_prev} + 1 - length $self->{kwd});
2409          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2410              !!!cp (172);
2411          $self->{state} = BOGUS_DOCTYPE_STATE;            $self->{ct}->{quirks} = 1;
2412              $self->{state} = BOGUS_DOCTYPE_STATE;
2413            } else {
2414              !!!cp (172.1);
2415              $self->{state} = BOGUS_MD_STATE;
2416            }
2417          ## Reconsume.          ## Reconsume.
2418          redo A;          redo A;
2419        }        }
# Line 1895  sub _get_next_token ($) { Line 2436  sub _get_next_token ($) {
2436          !!!next-input-character;          !!!next-input-character;
2437          redo A;          redo A;
2438        } elsif ($self->{nc} eq 0x003E) { # >        } elsif ($self->{nc} eq 0x003E) { # >
         !!!cp (184);  
2439          !!!parse-error (type => 'no PUBLIC literal');          !!!parse-error (type => 'no PUBLIC literal');
2440            
2441          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2442              !!!cp (184);
2443              $self->{state} = DATA_STATE;
2444              $self->{s_kwd} = '';
2445              $self->{ct}->{quirks} = 1;
2446            } else {
2447              !!!cp (184.1);
2448              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2449            }
2450            
2451          !!!next-input-character;          !!!next-input-character;
2452            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2453          redo A;          redo A;
2454        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2455          !!!cp (185);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2456          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (185);
2457              !!!parse-error (type => 'unclosed DOCTYPE');
2458          $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
2459              $self->{s_kwd} = '';
2460              $self->{ct}->{quirks} = 1;
2461            } else {
2462              !!!cp (185.1);
2463              !!!parse-error (type => 'unclosed md'); ## TODO: type
2464              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2465            }
2466            
2467          ## reconsume          ## reconsume
   
         $self->{ct}->{quirks} = 1;  
2468          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2469            redo A;
2470          } elsif ($self->{is_xml} and
2471                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2472                   $self->{nc} == 0x005B) { # [
2473            !!!cp (186.1);
2474            !!!parse-error (type => 'no PUBLIC literal');
2475            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2476            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2477            $self->{in_subset} = 1;
2478            !!!next-input-character;
2479            !!!emit ($self->{ct}); # DOCTYPE
2480          redo A;          redo A;
2481        } else {        } else {
         !!!cp (186);  
2482          !!!parse-error (type => 'string after PUBLIC');          !!!parse-error (type => 'string after PUBLIC');
         $self->{ct}->{quirks} = 1;  
2483    
2484          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2485              !!!cp (186);
2486              $self->{ct}->{quirks} = 1;
2487              $self->{state} = BOGUS_DOCTYPE_STATE;
2488            } else {
2489              !!!cp (186.2);
2490              $self->{state} = BOGUS_MD_STATE;
2491            }
2492    
2493          !!!next-input-character;          !!!next-input-character;
2494          redo A;          redo A;
2495        }        }
# Line 1932  sub _get_next_token ($) { Line 2500  sub _get_next_token ($) {
2500          !!!next-input-character;          !!!next-input-character;
2501          redo A;          redo A;
2502        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (188);  
2503          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2504    
2505          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2506          !!!next-input-character;            !!!cp (188);
2507              $self->{state} = DATA_STATE;
2508          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2509          !!!emit ($self->{ct}); # DOCTYPE            $self->{ct}->{quirks} = 1;
2510            } else {
2511              !!!cp (188.1);
2512              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2513            }
2514    
2515            !!!next-input-character;
2516            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2517          redo A;          redo A;
2518        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (189);  
2519          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2520    
2521          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2522          ## reconsume            !!!cp (189);
2523              $self->{state} = DATA_STATE;
2524          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2525              $self->{ct}->{quirks} = 1;
2526            } else {
2527              !!!cp (189.1);
2528              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2529            }
2530            
2531            ## Reconsume.
2532          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2533          redo A;          redo A;
2534        } else {        } else {
2535          !!!cp (190);          !!!cp (190);
2536          $self->{ct}->{pubid} # DOCTYPE          $self->{ct}->{pubid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2537          $self->{read_until}->($self->{ct}->{pubid}, q[">],          $self->{read_until}->($self->{ct}->{pubid}, q[">],
2538                                length $self->{ct}->{pubid});                                length $self->{ct}->{pubid});
2539    
# Line 1971  sub _get_next_token ($) { Line 2548  sub _get_next_token ($) {
2548          !!!next-input-character;          !!!next-input-character;
2549          redo A;          redo A;
2550        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (192);  
2551          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2552    
2553          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2554          !!!next-input-character;            !!!cp (192);
2555              $self->{state} = DATA_STATE;
2556          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2557          !!!emit ($self->{ct}); # DOCTYPE            $self->{ct}->{quirks} = 1;
2558            } else {
2559              !!!cp (192.1);
2560              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2561            }
2562    
2563            !!!next-input-character;
2564            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2565          redo A;          redo A;
2566        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (193);  
2567          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2568    
2569          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2570              !!!cp (193);
2571              $self->{state} = DATA_STATE;
2572              $self->{s_kwd} = '';
2573              $self->{ct}->{quirks} = 1;
2574            } else {
2575              !!!cp (193.1);
2576              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2577            }
2578          
2579          ## reconsume          ## reconsume
2580            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2581          redo A;          redo A;
2582        } else {        } else {
2583          !!!cp (194);          !!!cp (194);
2584          $self->{ct}->{pubid} # DOCTYPE          $self->{ct}->{pubid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2585          $self->{read_until}->($self->{ct}->{pubid}, q['>],          $self->{read_until}->($self->{ct}->{pubid}, q['>],
2586                                length $self->{ct}->{pubid});                                length $self->{ct}->{pubid});
2587    
# Line 2011  sub _get_next_token ($) { Line 2597  sub _get_next_token ($) {
2597          redo A;          redo A;
2598        } elsif ($self->{nc} == 0x0022) { # "        } elsif ($self->{nc} == 0x0022) { # "
2599          !!!cp (196);          !!!cp (196);
2600          $self->{ct}->{sysid} = ''; # DOCTYPE          $self->{ct}->{sysid} = ''; # DOCTYPE/ENTITY/NOTATION
2601          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_DOUBLE_QUOTED_STATE;          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_DOUBLE_QUOTED_STATE;
2602          !!!next-input-character;          !!!next-input-character;
2603          redo A;          redo A;
2604        } elsif ($self->{nc} == 0x0027) { # '        } elsif ($self->{nc} == 0x0027) { # '
2605          !!!cp (197);          !!!cp (197);
2606          $self->{ct}->{sysid} = ''; # DOCTYPE          $self->{ct}->{sysid} = ''; # DOCTYPE/ENTITY/NOTATION
2607          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_SINGLE_QUOTED_STATE;          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_SINGLE_QUOTED_STATE;
2608          !!!next-input-character;          !!!next-input-character;
2609          redo A;          redo A;
2610        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2611          !!!cp (198);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2612          $self->{state} = DATA_STATE;            if ($self->{is_xml}) {
2613                !!!cp (198.1);
2614                !!!parse-error (type => 'no SYSTEM literal');
2615              } else {
2616                !!!cp (198);
2617              }
2618              $self->{state} = DATA_STATE;
2619              $self->{s_kwd} = '';
2620            } else {
2621              if ($self->{ct}->{type} == NOTATION_TOKEN) {
2622                !!!cp (198.2);
2623              } else {
2624                !!!cp (198.3);
2625                !!!parse-error (type => 'no SYSTEM literal');            
2626              }
2627              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2628            }
2629            
2630          !!!next-input-character;          !!!next-input-character;
2631            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         !!!emit ($self->{ct}); # DOCTYPE  
   
2632          redo A;          redo A;
2633        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2634          !!!cp (199);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2635          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (199);
2636              !!!parse-error (type => 'unclosed DOCTYPE');
2637          $self->{state} = DATA_STATE;            
2638              $self->{state} = DATA_STATE;
2639              $self->{s_kwd} = '';
2640              $self->{ct}->{quirks} = 1;
2641            } else {
2642              !!!parse-error (type => 'unclosed md'); ## TODO: type
2643              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2644            }
2645            
2646          ## reconsume          ## reconsume
2647            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2648          $self->{ct}->{quirks} = 1;          redo A;
2649          } elsif ($self->{is_xml} and
2650                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2651                   $self->{nc} == 0x005B) { # [
2652            !!!cp (200.1);
2653            !!!parse-error (type => 'no SYSTEM literal');
2654            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2655            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2656            $self->{in_subset} = 1;
2657            !!!next-input-character;
2658          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2659          redo A;          redo A;
2660        } else {        } else {
         !!!cp (200);  
2661          !!!parse-error (type => 'string after PUBLIC literal');          !!!parse-error (type => 'string after PUBLIC literal');
         $self->{ct}->{quirks} = 1;  
2662    
2663          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2664              !!!cp (200);
2665              $self->{ct}->{quirks} = 1;
2666              $self->{state} = BOGUS_DOCTYPE_STATE;
2667            } else {
2668              !!!cp (200.2);
2669              $self->{state} = BOGUS_MD_STATE;
2670            }
2671    
2672          !!!next-input-character;          !!!next-input-character;
2673          redo A;          redo A;
2674        }        }
# Line 2068  sub _get_next_token ($) { Line 2691  sub _get_next_token ($) {
2691          !!!next-input-character;          !!!next-input-character;
2692          redo A;          redo A;
2693        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (204);  
2694          !!!parse-error (type => 'no SYSTEM literal');          !!!parse-error (type => 'no SYSTEM literal');
         $self->{state} = DATA_STATE;  
2695          !!!next-input-character;          !!!next-input-character;
2696    
2697          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2698          !!!emit ($self->{ct}); # DOCTYPE            !!!cp (204);
2699              $self->{state} = DATA_STATE;
2700              $self->{s_kwd} = '';
2701              $self->{ct}->{quirks} = 1;
2702            } else {
2703              !!!cp (204.1);
2704              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2705            }
2706    
2707            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2708          redo A;          redo A;
2709        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2710          !!!cp (205);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2711          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (205);
2712              !!!parse-error (type => 'unclosed DOCTYPE');
2713          $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
2714              $self->{s_kwd} = '';
2715              $self->{ct}->{quirks} = 1;
2716            } else {
2717              !!!cp (205.1);
2718              !!!parse-error (type => 'unclosed md'); ## TODO: type
2719              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2720            }
2721            
2722          ## reconsume          ## reconsume
2723            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2724            redo A;
2725          } elsif ($self->{is_xml} and
2726                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2727                   $self->{nc} == 0x005B) { # [
2728            !!!cp (206.1);
2729            !!!parse-error (type => 'no SYSTEM literal');
2730    
2731          $self->{ct}->{quirks} = 1;          $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2732            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2733            $self->{in_subset} = 1;
2734            !!!next-input-character;
2735          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2736          redo A;          redo A;
2737        } else {        } else {
         !!!cp (206);  
2738          !!!parse-error (type => 'string after SYSTEM');          !!!parse-error (type => 'string after SYSTEM');
         $self->{ct}->{quirks} = 1;  
2739    
2740          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2741              !!!cp (206);          
2742              $self->{ct}->{quirks} = 1;
2743              $self->{state} = BOGUS_DOCTYPE_STATE;
2744            } else {
2745              !!!cp (206.2);
2746              $self->{state} = BOGUS_MD_STATE;
2747            }
2748    
2749          !!!next-input-character;          !!!next-input-character;
2750          redo A;          redo A;
2751        }        }
# Line 2103  sub _get_next_token ($) { Line 2755  sub _get_next_token ($) {
2755          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2756          !!!next-input-character;          !!!next-input-character;
2757          redo A;          redo A;
2758        } elsif ($self->{nc} == 0x003E) { # >        } elsif (not $self->{is_xml} and $self->{nc} == 0x003E) { # >
         !!!cp (208);  
2759          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2760    
2761          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2762              !!!cp (208);
2763              $self->{state} = DATA_STATE;
2764              $self->{s_kwd} = '';
2765              $self->{ct}->{quirks} = 1;
2766            } else {
2767              !!!cp (208.1);
2768              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2769            }
2770            
2771          !!!next-input-character;          !!!next-input-character;
2772            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2773          redo A;          redo A;
2774        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (209);  
2775          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2776    
2777          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2778              !!!cp (209);
2779              $self->{state} = DATA_STATE;
2780              $self->{s_kwd} = '';
2781              $self->{ct}->{quirks} = 1;
2782            } else {
2783              !!!cp (209.1);
2784              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2785            }
2786            
2787          ## reconsume          ## reconsume
2788            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2789          redo A;          redo A;
2790        } else {        } else {
2791          !!!cp (210);          !!!cp (210);
2792          $self->{ct}->{sysid} # DOCTYPE          $self->{ct}->{sysid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2793          $self->{read_until}->($self->{ct}->{sysid}, q[">],          $self->{read_until}->($self->{ct}->{sysid}, q[">],
2794                                length $self->{ct}->{sysid});                                length $self->{ct}->{sysid});
2795    
# Line 2142  sub _get_next_token ($) { Line 2803  sub _get_next_token ($) {
2803          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2804          !!!next-input-character;          !!!next-input-character;
2805          redo A;          redo A;
2806        } elsif ($self->{nc} == 0x003E) { # >        } elsif (not $self->{is_xml} and $self->{nc} == 0x003E) { # >
2807          !!!cp (212);          !!!cp (212);
2808          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2809    
2810          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2811            $self->{s_kwd} = '';
2812          !!!next-input-character;          !!!next-input-character;
2813    
2814          $self->{ct}->{quirks} = 1;          $self->{ct}->{quirks} = 1;
# Line 2154  sub _get_next_token ($) { Line 2816  sub _get_next_token ($) {
2816    
2817          redo A;          redo A;
2818        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (213);  
2819          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2820    
2821          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2822          ## reconsume            !!!cp (213);
2823              $self->{state} = DATA_STATE;
2824          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2825          !!!emit ($self->{ct}); # DOCTYPE            $self->{ct}->{quirks} = 1;
2826            } else {
2827              !!!cp (213.1);
2828              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2829            }
2830    
2831            ## reconsume
2832            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2833          redo A;          redo A;
2834        } else {        } else {
2835          !!!cp (214);          !!!cp (214);
2836          $self->{ct}->{sysid} # DOCTYPE          $self->{ct}->{sysid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2837          $self->{read_until}->($self->{ct}->{sysid}, q['>],          $self->{read_until}->($self->{ct}->{sysid}, q['>],
2838                                length $self->{ct}->{sysid});                                length $self->{ct}->{sysid});
2839    
# Line 2177  sub _get_next_token ($) { Line 2843  sub _get_next_token ($) {
2843        }        }
2844      } elsif ($self->{state} == AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE) {      } elsif ($self->{state} == AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE) {
2845        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2846          !!!cp (215);          if ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN) {
2847          ## Stay in the state            !!!cp (215.1);
2848              $self->{state} = BEFORE_NDATA_STATE;
2849            } else {
2850              !!!cp (215);
2851              ## Stay in the state
2852            }
2853          !!!next-input-character;          !!!next-input-character;
2854          redo A;          redo A;
2855        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2856          !!!cp (216);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2857          $self->{state} = DATA_STATE;            !!!cp (216);
2858              $self->{state} = DATA_STATE;
2859              $self->{s_kwd} = '';
2860            } else {
2861              !!!cp (216.1);
2862              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2863            }
2864    
2865          !!!next-input-character;          !!!next-input-character;
2866            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2867            redo A;
2868          } elsif ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN and
2869                   ($self->{nc} == 0x004E or # N
2870                    $self->{nc} == 0x006E)) { # n
2871            !!!cp (216.2);
2872            !!!parse-error (type => 'no space before NDATA'); ## TODO: type
2873            $self->{state} = NDATA_STATE;
2874            $self->{kwd} = chr $self->{nc};
2875            !!!next-input-character;
2876            redo A;
2877          } elsif ($self->{nc} == -1) {
2878            if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2879              !!!cp (217);
2880              !!!parse-error (type => 'unclosed DOCTYPE');
2881              $self->{state} = DATA_STATE;
2882              $self->{s_kwd} = '';
2883              $self->{ct}->{quirks} = 1;
2884            } else {
2885              !!!cp (217.1);
2886              !!!parse-error (type => 'unclosed md'); ## TODO: type
2887              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2888            }
2889    
2890            ## reconsume
2891            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2892            redo A;
2893          } elsif ($self->{is_xml} and
2894                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2895                   $self->{nc} == 0x005B) { # [
2896            !!!cp (218.1);
2897            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2898            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2899            $self->{in_subset} = 1;
2900            !!!next-input-character;
2901          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2902            redo A;
2903          } else {
2904            !!!parse-error (type => 'string after SYSTEM literal');
2905    
2906            if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2907              !!!cp (218);
2908              #$self->{ct}->{quirks} = 1;
2909              $self->{state} = BOGUS_DOCTYPE_STATE;
2910            } else {
2911              !!!cp (218.2);
2912              $self->{state} = BOGUS_MD_STATE;
2913            }
2914    
2915            !!!next-input-character;
2916            redo A;
2917          }
2918        } elsif ($self->{state} == BEFORE_NDATA_STATE) {
2919          if ($is_space->{$self->{nc}}) {
2920            !!!cp (218.3);
2921            ## Stay in the state.
2922            !!!next-input-character;
2923            redo A;
2924          } elsif ($self->{nc} == 0x003E) { # >
2925            !!!cp (218.4);
2926            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2927            !!!next-input-character;
2928            !!!emit ($self->{ct}); # ENTITY
2929            redo A;
2930          } elsif ($self->{nc} == 0x004E or # N
2931                   $self->{nc} == 0x006E) { # n
2932            !!!cp (218.5);
2933            $self->{state} = NDATA_STATE;
2934            $self->{kwd} = chr $self->{nc};
2935            !!!next-input-character;
2936          redo A;          redo A;
2937        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2938          !!!cp (217);          !!!cp (218.6);
2939          !!!parse-error (type => 'unclosed DOCTYPE');          !!!parse-error (type => 'unclosed md'); ## TODO: type
2940          $self->{state} = DATA_STATE;          $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2941          ## reconsume          ## reconsume
2942            !!!emit ($self->{ct}); # ENTITY
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2943          redo A;          redo A;
2944        } else {        } else {
2945          !!!cp (218);          !!!cp (218.7);
2946          !!!parse-error (type => 'string after SYSTEM literal');          !!!parse-error (type => 'string after SYSTEM literal');
2947          #$self->{ct}->{quirks} = 1;          $self->{state} = BOGUS_MD_STATE;
   
         $self->{state} = BOGUS_DOCTYPE_STATE;  
2948          !!!next-input-character;          !!!next-input-character;
2949          redo A;          redo A;
2950        }        }
# Line 2212  sub _get_next_token ($) { Line 2952  sub _get_next_token ($) {
2952        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
2953          !!!cp (219);          !!!cp (219);
2954          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2955            $self->{s_kwd} = '';
2956          !!!next-input-character;          !!!next-input-character;
2957    
2958          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2959    
2960          redo A;          redo A;
2961          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
2962            !!!cp (220.1);
2963            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2964            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2965            $self->{in_subset} = 1;
2966            !!!next-input-character;
2967            !!!emit ($self->{ct}); # DOCTYPE
2968            redo A;
2969        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2970          !!!cp (220);          !!!cp (220);
2971          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2972            $self->{s_kwd} = '';
2973          ## reconsume          ## reconsume
2974    
2975          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
# Line 2228  sub _get_next_token ($) { Line 2978  sub _get_next_token ($) {
2978        } else {        } else {
2979          !!!cp (221);          !!!cp (221);
2980          my $s = '';          my $s = '';
2981          $self->{read_until}->($s, q[>], 0);          $self->{read_until}->($s, q{>[}, 0);
2982    
2983          ## Stay in the state          ## Stay in the state
2984          !!!next-input-character;          !!!next-input-character;
# Line 2238  sub _get_next_token ($) { Line 2988  sub _get_next_token ($) {
2988        ## NOTE: "CDATA section state" in the state is jointly implemented        ## NOTE: "CDATA section state" in the state is jointly implemented
2989        ## by three states, |CDATA_SECTION_STATE|, |CDATA_SECTION_MSE1_STATE|,        ## by three states, |CDATA_SECTION_STATE|, |CDATA_SECTION_MSE1_STATE|,
2990        ## and |CDATA_SECTION_MSE2_STATE|.        ## and |CDATA_SECTION_MSE2_STATE|.
2991    
2992          ## XML5: "CDATA state".
2993                
2994        if ($self->{nc} == 0x005D) { # ]        if ($self->{nc} == 0x005D) { # ]
2995          !!!cp (221.1);          !!!cp (221.1);
# Line 2245  sub _get_next_token ($) { Line 2997  sub _get_next_token ($) {
2997          !!!next-input-character;          !!!next-input-character;
2998          redo A;          redo A;
2999        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
3000            if ($self->{is_xml}) {
3001              !!!cp (221.11);
3002              !!!parse-error (type => 'no mse'); ## TODO: type
3003            } else {
3004              !!!cp (221.12);
3005            }
3006    
3007          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
3008          !!!next-input-character;          $self->{s_kwd} = '';
3009            ## Reconsume.
3010          if (length $self->{ct}->{data}) { # character          if (length $self->{ct}->{data}) { # character
3011            !!!cp (221.2);            !!!cp (221.2);
3012            !!!emit ($self->{ct}); # character            !!!emit ($self->{ct}); # character
# Line 2269  sub _get_next_token ($) { Line 3029  sub _get_next_token ($) {
3029    
3030        ## ISSUE: "text tokens" in spec.        ## ISSUE: "text tokens" in spec.
3031      } elsif ($self->{state} == CDATA_SECTION_MSE1_STATE) {      } elsif ($self->{state} == CDATA_SECTION_MSE1_STATE) {
3032          ## XML5: "CDATA bracket state".
3033    
3034        if ($self->{nc} == 0x005D) { # ]        if ($self->{nc} == 0x005D) { # ]
3035          !!!cp (221.5);          !!!cp (221.5);
3036          $self->{state} = CDATA_SECTION_MSE2_STATE;          $self->{state} = CDATA_SECTION_MSE2_STATE;
# Line 2276  sub _get_next_token ($) { Line 3038  sub _get_next_token ($) {
3038          redo A;          redo A;
3039        } else {        } else {
3040          !!!cp (221.6);          !!!cp (221.6);
3041            ## XML5: If EOF, "]" is not appended and changed to the data state.
3042          $self->{ct}->{data} .= ']';          $self->{ct}->{data} .= ']';
3043          $self->{state} = CDATA_SECTION_STATE;          $self->{state} = CDATA_SECTION_STATE; ## XML5: Stay in the state.
3044          ## Reconsume.          ## Reconsume.
3045          redo A;          redo A;
3046        }        }
3047      } elsif ($self->{state} == CDATA_SECTION_MSE2_STATE) {      } elsif ($self->{state} == CDATA_SECTION_MSE2_STATE) {
3048          ## XML5: "CDATA end state".
3049    
3050        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
3051          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
3052            $self->{s_kwd} = '';
3053          !!!next-input-character;          !!!next-input-character;
3054          if (length $self->{ct}->{data}) { # character          if (length $self->{ct}->{data}) { # character
3055            !!!cp (221.7);            !!!cp (221.7);
# Line 2303  sub _get_next_token ($) { Line 3069  sub _get_next_token ($) {
3069          !!!cp (221.11);          !!!cp (221.11);
3070          $self->{ct}->{data} .= ']]'; # character          $self->{ct}->{data} .= ']]'; # character
3071          $self->{state} = CDATA_SECTION_STATE;          $self->{state} = CDATA_SECTION_STATE;
3072          ## Reconsume.          ## Reconsume. ## XML5: Emit.
3073          redo A;          redo A;
3074        }        }
3075      } elsif ($self->{state} == ENTITY_STATE) {      } elsif ($self->{state} == ENTITY_STATE) {
# Line 2312  sub _get_next_token ($) { Line 3078  sub _get_next_token ($) {
3078              0x003C => 1, 0x0026 => 1, -1 => 1, # <, &              0x003C => 1, 0x0026 => 1, -1 => 1, # <, &
3079              $self->{entity_add} => 1,              $self->{entity_add} => 1,
3080            }->{$self->{nc}}) {            }->{$self->{nc}}) {
3081          !!!cp (1001);          if ($self->{is_xml}) {
3082              !!!cp (1001.1);
3083              !!!parse-error (type => 'bare ero',
3084                              line => $self->{line_prev},
3085                              column => $self->{column_prev}
3086                                  + ($self->{nc} == -1 ? 1 : 0));
3087            } else {
3088              !!!cp (1001);
3089              ## No error
3090            }
3091          ## Don't consume          ## Don't consume
         ## No error  
3092          ## Return nothing.          ## Return nothing.
3093          #          #
3094        } elsif ($self->{nc} == 0x0023) { # #        } elsif ($self->{nc} == 0x0023) { # #
3095          !!!cp (999);          !!!cp (999);
3096          $self->{state} = ENTITY_HASH_STATE;          $self->{state} = ENTITY_HASH_STATE;
3097          $self->{s_kwd} = '#';          $self->{kwd} = '#';
3098          !!!next-input-character;          !!!next-input-character;
3099          redo A;          redo A;
3100        } elsif ((0x0041 <= $self->{nc} and        } elsif ($self->{is_xml} or
3101                   (0x0041 <= $self->{nc} and
3102                  $self->{nc} <= 0x005A) or # A..Z                  $self->{nc} <= 0x005A) or # A..Z
3103                 (0x0061 <= $self->{nc} and                 (0x0061 <= $self->{nc} and
3104                  $self->{nc} <= 0x007A)) { # a..z                  $self->{nc} <= 0x007A)) { # a..z
3105          !!!cp (998);          !!!cp (998);
3106          require Whatpm::_NamedEntityList;          require Whatpm::_NamedEntityList;
3107          $self->{state} = ENTITY_NAME_STATE;          $self->{state} = ENTITY_NAME_STATE;
3108          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
3109          $self->{entity__value} = $self->{s_kwd};          $self->{entity__value} = $self->{kwd};
3110          $self->{entity__match} = 0;          $self->{entity__match} = 0;
3111          !!!next-input-character;          !!!next-input-character;
3112          redo A;          redo A;
# Line 2351  sub _get_next_token ($) { Line 3126  sub _get_next_token ($) {
3126        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3127          !!!cp (997);          !!!cp (997);
3128          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3129            $self->{s_kwd} = '';
3130          ## Reconsume.          ## Reconsume.
3131          !!!emit ({type => CHARACTER_TOKEN, data => '&',          !!!emit ({type => CHARACTER_TOKEN, data => '&',
3132                    line => $self->{line_prev},                    line => $self->{line_prev},
# Line 2361  sub _get_next_token ($) { Line 3137  sub _get_next_token ($) {
3137          !!!cp (996);          !!!cp (996);
3138          $self->{ca}->{value} .= '&';          $self->{ca}->{value} .= '&';
3139          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3140            $self->{s_kwd} = '';
3141          ## Reconsume.          ## Reconsume.
3142          redo A;          redo A;
3143        }        }
3144      } elsif ($self->{state} == ENTITY_HASH_STATE) {      } elsif ($self->{state} == ENTITY_HASH_STATE) {
3145        if ($self->{nc} == 0x0078 or # x        if ($self->{nc} == 0x0078) { # x
           $self->{nc} == 0x0058) { # X  
3146          !!!cp (995);          !!!cp (995);
3147          $self->{state} = HEXREF_X_STATE;          $self->{state} = HEXREF_X_STATE;
3148          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
3149            !!!next-input-character;
3150            redo A;
3151          } elsif ($self->{nc} == 0x0058) { # X
3152            !!!cp (995.1);
3153            if ($self->{is_xml}) {
3154              !!!parse-error (type => 'uppercase hcro'); ## TODO: type
3155            }
3156            $self->{state} = HEXREF_X_STATE;
3157            $self->{kwd} .= chr $self->{nc};
3158          !!!next-input-character;          !!!next-input-character;
3159          redo A;          redo A;
3160        } elsif (0x0030 <= $self->{nc} and        } elsif (0x0030 <= $self->{nc} and
3161                 $self->{nc} <= 0x0039) { # 0..9                 $self->{nc} <= 0x0039) { # 0..9
3162          !!!cp (994);          !!!cp (994);
3163          $self->{state} = NCR_NUM_STATE;          $self->{state} = NCR_NUM_STATE;
3164          $self->{s_kwd} = $self->{nc} - 0x0030;          $self->{kwd} = $self->{nc} - 0x0030;
3165          !!!next-input-character;          !!!next-input-character;
3166          redo A;          redo A;
3167        } else {        } else {
# Line 2391  sub _get_next_token ($) { Line 3176  sub _get_next_token ($) {
3176          if ($self->{prev_state} == DATA_STATE) {          if ($self->{prev_state} == DATA_STATE) {
3177            !!!cp (1019);            !!!cp (1019);
3178            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3179              $self->{s_kwd} = '';
3180            ## Reconsume.            ## Reconsume.
3181            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
3182                      data => '&#',                      data => '&#',
# Line 2402  sub _get_next_token ($) { Line 3188  sub _get_next_token ($) {
3188            !!!cp (993);            !!!cp (993);
3189            $self->{ca}->{value} .= '&#';            $self->{ca}->{value} .= '&#';
3190            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3191              $self->{s_kwd} = '';
3192            ## Reconsume.            ## Reconsume.
3193            redo A;            redo A;
3194          }          }
# Line 2410  sub _get_next_token ($) { Line 3197  sub _get_next_token ($) {
3197        if (0x0030 <= $self->{nc} and        if (0x0030 <= $self->{nc} and
3198            $self->{nc} <= 0x0039) { # 0..9            $self->{nc} <= 0x0039) { # 0..9
3199          !!!cp (1012);          !!!cp (1012);
3200          $self->{s_kwd} *= 10;          $self->{kwd} *= 10;
3201          $self->{s_kwd} += $self->{nc} - 0x0030;          $self->{kwd} += $self->{nc} - 0x0030;
3202                    
3203          ## Stay in the state.          ## Stay in the state.
3204          !!!next-input-character;          !!!next-input-character;
# Line 2427  sub _get_next_token ($) { Line 3214  sub _get_next_token ($) {
3214          #          #
3215        }        }
3216    
3217        my $code = $self->{s_kwd};        my $code = $self->{kwd};
3218        my $l = $self->{line_prev};        my $l = $self->{line_prev};
3219        my $c = $self->{column_prev};        my $c = $self->{column_prev};
3220        if ($charref_map->{$code}) {        if ($charref_map->{$code}) {
# Line 2447  sub _get_next_token ($) { Line 3234  sub _get_next_token ($) {
3234        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3235          !!!cp (992);          !!!cp (992);
3236          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3237            $self->{s_kwd} = '';
3238          ## Reconsume.          ## Reconsume.
3239          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,
3240                      has_reference => 1,
3241                    line => $l, column => $c,                    line => $l, column => $c,
3242                   });                   });
3243          redo A;          redo A;
# Line 2457  sub _get_next_token ($) { Line 3246  sub _get_next_token ($) {
3246          $self->{ca}->{value} .= chr $code;          $self->{ca}->{value} .= chr $code;
3247          $self->{ca}->{has_reference} = 1;          $self->{ca}->{has_reference} = 1;
3248          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3249            $self->{s_kwd} = '';
3250          ## Reconsume.          ## Reconsume.
3251          redo A;          redo A;
3252        }        }
# Line 2467  sub _get_next_token ($) { Line 3257  sub _get_next_token ($) {
3257          # 0..9, A..F, a..f          # 0..9, A..F, a..f
3258          !!!cp (990);          !!!cp (990);
3259          $self->{state} = HEXREF_HEX_STATE;          $self->{state} = HEXREF_HEX_STATE;
3260          $self->{s_kwd} = 0;          $self->{kwd} = 0;
3261          ## Reconsume.          ## Reconsume.
3262          redo A;          redo A;
3263        } else {        } else {
# Line 2482  sub _get_next_token ($) { Line 3272  sub _get_next_token ($) {
3272          if ($self->{prev_state} == DATA_STATE) {          if ($self->{prev_state} == DATA_STATE) {
3273            !!!cp (1005);            !!!cp (1005);
3274            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3275              $self->{s_kwd} = '';
3276            ## Reconsume.            ## Reconsume.
3277            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
3278                      data => '&' . $self->{s_kwd},                      data => '&' . $self->{kwd},
3279                      line => $self->{line_prev},                      line => $self->{line_prev},
3280                      column => $self->{column_prev} - length $self->{s_kwd},                      column => $self->{column_prev} - length $self->{kwd},
3281                     });                     });
3282            redo A;            redo A;
3283          } else {          } else {
3284            !!!cp (989);            !!!cp (989);
3285            $self->{ca}->{value} .= '&' . $self->{s_kwd};            $self->{ca}->{value} .= '&' . $self->{kwd};
3286            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3287              $self->{s_kwd} = '';
3288            ## Reconsume.            ## Reconsume.
3289            redo A;            redo A;
3290          }          }
# Line 2501  sub _get_next_token ($) { Line 3293  sub _get_next_token ($) {
3293        if (0x0030 <= $self->{nc} and $self->{nc} <= 0x0039) {        if (0x0030 <= $self->{nc} and $self->{nc} <= 0x0039) {
3294          # 0..9          # 0..9
3295          !!!cp (1002);          !!!cp (1002);
3296          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3297          $self->{s_kwd} += $self->{nc} - 0x0030;          $self->{kwd} += $self->{nc} - 0x0030;
3298          ## Stay in the state.          ## Stay in the state.
3299          !!!next-input-character;          !!!next-input-character;
3300          redo A;          redo A;
3301        } elsif (0x0061 <= $self->{nc} and        } elsif (0x0061 <= $self->{nc} and
3302                 $self->{nc} <= 0x0066) { # a..f                 $self->{nc} <= 0x0066) { # a..f
3303          !!!cp (1003);          !!!cp (1003);
3304          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3305          $self->{s_kwd} += $self->{nc} - 0x0060 + 9;          $self->{kwd} += $self->{nc} - 0x0060 + 9;
3306          ## Stay in the state.          ## Stay in the state.
3307          !!!next-input-character;          !!!next-input-character;
3308          redo A;          redo A;
3309        } elsif (0x0041 <= $self->{nc} and        } elsif (0x0041 <= $self->{nc} and
3310                 $self->{nc} <= 0x0046) { # A..F                 $self->{nc} <= 0x0046) { # A..F
3311          !!!cp (1004);          !!!cp (1004);
3312          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3313          $self->{s_kwd} += $self->{nc} - 0x0040 + 9;          $self->{kwd} += $self->{nc} - 0x0040 + 9;
3314          ## Stay in the state.          ## Stay in the state.
3315          !!!next-input-character;          !!!next-input-character;
3316          redo A;          redo A;
# Line 2535  sub _get_next_token ($) { Line 3327  sub _get_next_token ($) {
3327          #          #
3328        }        }
3329    
3330        my $code = $self->{s_kwd};        my $code = $self->{kwd};
3331        my $l = $self->{line_prev};        my $l = $self->{line_prev};
3332        my $c = $self->{column_prev};        my $c = $self->{column_prev};
3333        if ($charref_map->{$code}) {        if ($charref_map->{$code}) {
# Line 2555  sub _get_next_token ($) { Line 3347  sub _get_next_token ($) {
3347        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3348          !!!cp (988);          !!!cp (988);
3349          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3350            $self->{s_kwd} = '';
3351          ## Reconsume.          ## Reconsume.
3352          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,
3353                      has_reference => 1,
3354                    line => $l, column => $c,                    line => $l, column => $c,
3355                   });                   });
3356          redo A;          redo A;
# Line 2565  sub _get_next_token ($) { Line 3359  sub _get_next_token ($) {
3359          $self->{ca}->{value} .= chr $code;          $self->{ca}->{value} .= chr $code;
3360          $self->{ca}->{has_reference} = 1;          $self->{ca}->{has_reference} = 1;
3361          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3362            $self->{s_kwd} = '';
3363          ## Reconsume.          ## Reconsume.
3364          redo A;          redo A;
3365        }        }
3366      } elsif ($self->{state} == ENTITY_NAME_STATE) {      } elsif ($self->{state} == ENTITY_NAME_STATE) {
3367        if (length $self->{s_kwd} < 30 and        if ((0x0041 <= $self->{nc} and # a
3368            ## NOTE: Some number greater than the maximum length of entity name             $self->{nc} <= 0x005A) or # x
3369            ((0x0041 <= $self->{nc} and # a            (0x0061 <= $self->{nc} and # a
3370              $self->{nc} <= 0x005A) or # x             $self->{nc} <= 0x007A) or # z
3371             (0x0061 <= $self->{nc} and # a            (0x0030 <= $self->{nc} and # 0
3372              $self->{nc} <= 0x007A) or # z             $self->{nc} <= 0x0039) or # 9
3373             (0x0030 <= $self->{nc} and # 0            $self->{nc} == 0x003B or # ;
3374              $self->{nc} <= 0x0039) or # 9            ($self->{is_xml} and
3375             $self->{nc} == 0x003B)) { # ;             not ($is_space->{$self->{nc}} or
3376                    {
3377                      0x003C => 1, 0x0026 => 1, -1 => 1, # <, &
3378                      $self->{entity_add} => 1,
3379                    }->{$self->{nc}}))) {
3380          our $EntityChar;          our $EntityChar;
3381          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
3382          if (defined $EntityChar->{$self->{s_kwd}}) {          if (defined $EntityChar->{$self->{kwd}} or
3383                $self->{ge}->{$self->{kwd}}) {
3384            if ($self->{nc} == 0x003B) { # ;            if ($self->{nc} == 0x003B) { # ;
3385              !!!cp (1020);              if (defined $self->{ge}->{$self->{kwd}}) {
3386              $self->{entity__value} = $EntityChar->{$self->{s_kwd}};                if ($self->{ge}->{$self->{kwd}}->{only_text}) {
3387                    !!!cp (1020.1);
3388                    $self->{entity__value} = $self->{ge}->{$self->{kwd}}->{value};
3389                  } else {
3390                    if (defined $self->{ge}->{$self->{kwd}}->{notation}) {
3391                      !!!cp (1020.2);
3392                      !!!parse-error (type => 'unparsed entity', ## TODO: type
3393                                      value => $self->{kwd});
3394                    } else {
3395                      !!!cp (1020.3);
3396                    }
3397                    $self->{entity__value} = '&' . $self->{kwd}; ## TODO: expand
3398                  }
3399                } else {
3400                  if ($self->{is_xml}) {
3401                    !!!cp (1020.4);
3402                    !!!parse-error (type => 'entity not declared', ## TODO: type
3403                                    value => $self->{kwd},
3404                                    level => {
3405                                              'amp;' => $self->{level}->{warn},
3406                                              'quot;' => $self->{level}->{warn},
3407                                              'lt;' => $self->{level}->{warn},
3408                                              'gt;' => $self->{level}->{warn},
3409                                              'apos;' => $self->{level}->{warn},
3410                                             }->{$self->{kwd}} ||
3411                                             $self->{level}->{must});
3412                  } else {
3413                    !!!cp (1020);
3414                  }
3415                  $self->{entity__value} = $EntityChar->{$self->{kwd}};
3416                }
3417              $self->{entity__match} = 1;              $self->{entity__match} = 1;
3418              !!!next-input-character;              !!!next-input-character;
3419              #              #
3420            } else {            } else {
3421              !!!cp (1021);              !!!cp (1021);
3422              $self->{entity__value} = $EntityChar->{$self->{s_kwd}};              $self->{entity__value} = $EntityChar->{$self->{kwd}};
3423              $self->{entity__match} = -1;              $self->{entity__match} = -1;
3424              ## Stay in the state.              ## Stay in the state.
3425              !!!next-input-character;              !!!next-input-character;
# Line 2617  sub _get_next_token ($) { Line 3447  sub _get_next_token ($) {
3447          if ($self->{prev_state} != DATA_STATE and # in attribute          if ($self->{prev_state} != DATA_STATE and # in attribute
3448              $self->{entity__match} < -1) {              $self->{entity__match} < -1) {
3449            !!!cp (1024);            !!!cp (1024);
3450            $data = '&' . $self->{s_kwd};            $data = '&' . $self->{kwd};
3451            #            #
3452          } else {          } else {
3453            !!!cp (1025);            !!!cp (1025);
# Line 2629  sub _get_next_token ($) { Line 3459  sub _get_next_token ($) {
3459          !!!cp (1026);          !!!cp (1026);
3460          !!!parse-error (type => 'bare ero',          !!!parse-error (type => 'bare ero',
3461                          line => $self->{line_prev},                          line => $self->{line_prev},
3462                          column => $self->{column_prev} - length $self->{s_kwd});                          column => $self->{column_prev} - length $self->{kwd});
3463          $data = '&' . $self->{s_kwd};          $data = '&' . $self->{kwd};
3464          #          #
3465        }        }
3466        
# Line 2647  sub _get_next_token ($) { Line 3477  sub _get_next_token ($) {
3477        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3478          !!!cp (986);          !!!cp (986);
3479          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3480            $self->{s_kwd} = '';
3481          ## Reconsume.          ## Reconsume.
3482          !!!emit ({type => CHARACTER_TOKEN,          !!!emit ({type => CHARACTER_TOKEN,
3483                    data => $data,                    data => $data,
3484                      has_reference => $has_ref,
3485                    line => $self->{line_prev},                    line => $self->{line_prev},
3486                    column => $self->{column_prev} + 1 - length $self->{s_kwd},                    column => $self->{column_prev} + 1 - length $self->{kwd},
3487                   });                   });
3488          redo A;          redo A;
3489        } else {        } else {
# Line 2659  sub _get_next_token ($) { Line 3491  sub _get_next_token ($) {
3491          $self->{ca}->{value} .= $data;          $self->{ca}->{value} .= $data;
3492          $self->{ca}->{has_reference} = 1 if $has_ref;          $self->{ca}->{has_reference} = 1 if $has_ref;
3493          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3494            $self->{s_kwd} = '';
3495            ## Reconsume.
3496            redo A;
3497          }
3498    
3499        ## XML-only states
3500    
3501        } elsif ($self->{state} == PI_STATE) {
3502          ## XML5: "Pi state" and "DOCTYPE pi state".
3503    
3504          if ($is_space->{$self->{nc}} or
3505              $self->{nc} == 0x003F or # ?
3506              $self->{nc} == -1) {
3507            ## XML5: U+003F: "pi state": Same as "Anything else"; "DOCTYPE
3508            ## pi state": Switch to the "DOCTYPE pi after state".  EOF:
3509            ## "DOCTYPE pi state": Parse error, switch to the "data
3510            ## state".
3511            !!!parse-error (type => 'bare pio', ## TODO: type
3512                            line => $self->{line_prev},
3513                            column => $self->{column_prev}
3514                                - 1 * ($self->{nc} != -1));
3515            $self->{state} = BOGUS_COMMENT_STATE;
3516            ## Reconsume.
3517            $self->{ct} = {type => COMMENT_TOKEN,
3518                           data => '?',
3519                           line => $self->{line_prev},
3520                           column => $self->{column_prev}
3521                               - 1 * ($self->{nc} != -1),
3522                          };
3523            redo A;
3524          } else {
3525            ## XML5: "DOCTYPE pi state": Stay in the state.
3526            $self->{ct} = {type => PI_TOKEN,
3527                           target => chr $self->{nc},
3528                           data => '',
3529                           line => $self->{line_prev},
3530                           column => $self->{column_prev} - 1,
3531                          };
3532            $self->{state} = PI_TARGET_STATE;
3533            !!!next-input-character;
3534            redo A;
3535          }
3536        } elsif ($self->{state} == PI_TARGET_STATE) {
3537          if ($is_space->{$self->{nc}}) {
3538            $self->{state} = PI_TARGET_AFTER_STATE;
3539            !!!next-input-character;
3540            redo A;
3541          } elsif ($self->{nc} == -1) {
3542            !!!parse-error (type => 'no pic'); ## TODO: type
3543            if ($self->{in_subset}) {
3544              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3545            } else {
3546              $self->{state} = DATA_STATE;
3547              $self->{s_kwd} = '';
3548            }
3549          ## Reconsume.          ## Reconsume.
3550            !!!emit ($self->{ct}); # pi
3551            redo A;
3552          } elsif ($self->{nc} == 0x003F) { # ?
3553            $self->{state} = PI_AFTER_STATE;
3554            !!!next-input-character;
3555            redo A;
3556          } else {
3557            ## XML5: typo ("tag name" -> "target")
3558            $self->{ct}->{target} .= chr $self->{nc}; # pi
3559            !!!next-input-character;
3560            redo A;
3561          }
3562        } elsif ($self->{state} == PI_TARGET_AFTER_STATE) {
3563          if ($is_space->{$self->{nc}}) {
3564            ## Stay in the state.
3565            !!!next-input-character;
3566            redo A;
3567          } else {
3568            $self->{state} = PI_DATA_STATE;
3569            ## Reprocess.
3570            redo A;
3571          }
3572        } elsif ($self->{state} == PI_DATA_STATE) {
3573          if ($self->{nc} == 0x003F) { # ?
3574            $self->{state} = PI_DATA_AFTER_STATE;
3575            !!!next-input-character;
3576            redo A;
3577          } elsif ($self->{nc} == -1) {
3578            !!!parse-error (type => 'no pic'); ## TODO: type
3579            if ($self->{in_subset}) {
3580              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state"
3581            } else {
3582              $self->{state} = DATA_STATE;
3583              $self->{s_kwd} = '';
3584            }
3585            ## Reprocess.
3586            !!!emit ($self->{ct}); # pi
3587            redo A;
3588          } else {
3589            $self->{ct}->{data} .= chr $self->{nc}; # pi
3590            $self->{read_until}->($self->{ct}->{data}, q[?],
3591                                  length $self->{ct}->{data});
3592            ## Stay in the state.
3593            !!!next-input-character;
3594            ## Reprocess.
3595            redo A;
3596          }
3597        } elsif ($self->{state} == PI_AFTER_STATE) {
3598          ## XML5: Part of "Pi after state".
3599    
3600          if ($self->{nc} == 0x003E) { # >
3601            if ($self->{in_subset}) {
3602              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3603            } else {
3604              $self->{state} = DATA_STATE;
3605              $self->{s_kwd} = '';
3606            }
3607            !!!next-input-character;
3608            !!!emit ($self->{ct}); # pi
3609            redo A;
3610          } elsif ($self->{nc} == 0x003F) { # ?
3611            !!!parse-error (type => 'no s after target', ## TODO: type
3612                            line => $self->{line_prev},
3613                            column => $self->{column_prev}); ## XML5: no error
3614            $self->{ct}->{data} .= '?';
3615            $self->{state} = PI_DATA_AFTER_STATE;
3616            !!!next-input-character;
3617            redo A;
3618          } else {
3619            !!!parse-error (type => 'no s after target', ## TODO: type
3620                            line => $self->{line_prev},
3621                            column => $self->{column_prev}
3622                                + 1 * ($self->{nc} == -1)); ## XML5: no error
3623            $self->{ct}->{data} .= '?'; ## XML5: not appended
3624            $self->{state} = PI_DATA_STATE;
3625            ## Reprocess.
3626            redo A;
3627          }
3628        } elsif ($self->{state} == PI_DATA_AFTER_STATE) {
3629          ## XML5: Same as "pi after state" and "DOCTYPE pi after state".
3630    
3631          if ($self->{nc} == 0x003E) { # >
3632            if ($self->{in_subset}) {
3633              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3634            } else {
3635              $self->{state} = DATA_STATE;
3636              $self->{s_kwd} = '';
3637            }
3638            !!!next-input-character;
3639            !!!emit ($self->{ct}); # pi
3640            redo A;
3641          } elsif ($self->{nc} == 0x003F) { # ?
3642            $self->{ct}->{data} .= '?';
3643            ## Stay in the state.
3644            !!!next-input-character;
3645            redo A;
3646          } else {
3647            $self->{ct}->{data} .= '?'; ## XML5: not appended
3648            $self->{state} = PI_DATA_STATE;
3649            ## Reprocess.
3650            redo A;
3651          }
3652    
3653        } elsif ($self->{state} == DOCTYPE_INTERNAL_SUBSET_STATE) {
3654          if ($self->{nc} == 0x003C) { # <
3655            $self->{state} = DOCTYPE_TAG_STATE;
3656            !!!next-input-character;
3657            redo A;
3658          } elsif ($self->{nc} == 0x0025) { # %
3659            ## XML5: Not defined yet.
3660    
3661            ## TODO:
3662            !!!next-input-character;
3663            redo A;
3664          } elsif ($self->{nc} == 0x005D) { # ]
3665            delete $self->{in_subset};
3666            $self->{state} = DOCTYPE_INTERNAL_SUBSET_AFTER_STATE;
3667            !!!next-input-character;
3668            redo A;
3669          } elsif ($is_space->{$self->{nc}}) {
3670            ## Stay in the state.
3671            !!!next-input-character;
3672            redo A;
3673          } elsif ($self->{nc} == -1) {
3674            !!!parse-error (type => 'unclosed internal subset'); ## TODO: type
3675            delete $self->{in_subset};
3676            $self->{state} = DATA_STATE;
3677            $self->{s_kwd} = '';
3678            ## Reconsume.
3679            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3680            redo A;
3681          } else {
3682            unless ($self->{internal_subset_tainted}) {
3683              ## XML5: No parse error.
3684              !!!parse-error (type => 'string in internal subset');
3685              $self->{internal_subset_tainted} = 1;
3686            }
3687            ## Stay in the state.
3688            !!!next-input-character;
3689            redo A;
3690          }
3691        } elsif ($self->{state} == DOCTYPE_INTERNAL_SUBSET_AFTER_STATE) {
3692          if ($self->{nc} == 0x003E) { # >
3693            $self->{state} = DATA_STATE;
3694            $self->{s_kwd} = '';
3695            !!!next-input-character;
3696            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3697            redo A;
3698          } elsif ($self->{nc} == -1) {
3699            !!!parse-error (type => 'unclosed DOCTYPE');
3700            $self->{state} = DATA_STATE;
3701            $self->{s_kwd} = '';
3702            ## Reconsume.
3703            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3704            redo A;
3705          } else {
3706            ## XML5: No parse error and stay in the state.
3707            !!!parse-error (type => 'string after internal subset'); ## TODO: type
3708    
3709            $self->{state} = BOGUS_DOCTYPE_INTERNAL_SUBSET_AFTER_STATE;
3710            !!!next-input-character;
3711            redo A;
3712          }
3713        } elsif ($self->{state} == BOGUS_DOCTYPE_INTERNAL_SUBSET_AFTER_STATE) {
3714          if ($self->{nc} == 0x003E) { # >
3715            $self->{state} = DATA_STATE;
3716            $self->{s_kwd} = '';
3717            !!!next-input-character;
3718            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3719            redo A;
3720          } elsif ($self->{nc} == -1) {
3721            $self->{state} = DATA_STATE;
3722            $self->{s_kwd} = '';
3723            ## Reconsume.
3724            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3725            redo A;
3726          } else {
3727            ## Stay in the state.
3728            !!!next-input-character;
3729            redo A;
3730          }
3731        } elsif ($self->{state} == DOCTYPE_TAG_STATE) {
3732          if ($self->{nc} == 0x0021) { # !
3733            $self->{state} = DOCTYPE_MARKUP_DECLARATION_OPEN_STATE;
3734            !!!next-input-character;
3735            redo A;
3736          } elsif ($self->{nc} == 0x003F) { # ?
3737            $self->{state} = PI_STATE;
3738            !!!next-input-character;
3739            redo A;
3740          } elsif ($self->{nc} == -1) {
3741            !!!parse-error (type => 'bare stago');
3742            $self->{state} = DATA_STATE;
3743            $self->{s_kwd} = '';
3744            ## Reconsume.
3745            redo A;
3746          } else {
3747            !!!parse-error (type => 'bare stago', ## XML5: Not a parse error.
3748                            line => $self->{line_prev},
3749                            column => $self->{column_prev});
3750            $self->{state} = BOGUS_COMMENT_STATE;
3751            $self->{ct} = {type => COMMENT_TOKEN,
3752                           data => '',
3753                          }; ## NOTE: Will be discarded.
3754            !!!next-input-character;
3755            redo A;
3756          }
3757        } elsif ($self->{state} == DOCTYPE_MARKUP_DECLARATION_OPEN_STATE) {
3758          ## XML5: "DOCTYPE markup declaration state".
3759          
3760          if ($self->{nc} == 0x002D) { # -
3761            $self->{state} = MD_HYPHEN_STATE;
3762            !!!next-input-character;
3763            redo A;
3764          } elsif ($self->{nc} == 0x0045 or # E
3765                   $self->{nc} == 0x0065) { # e
3766            $self->{state} = MD_E_STATE;
3767            $self->{kwd} = chr $self->{nc};
3768            !!!next-input-character;
3769            redo A;
3770          } elsif ($self->{nc} == 0x0041 or # A
3771                   $self->{nc} == 0x0061) { # a
3772            $self->{state} = MD_ATTLIST_STATE;
3773            $self->{kwd} = chr $self->{nc};
3774            !!!next-input-character;
3775            redo A;
3776          } elsif ($self->{nc} == 0x004E or # N
3777                   $self->{nc} == 0x006E) { # n
3778            $self->{state} = MD_NOTATION_STATE;
3779            $self->{kwd} = chr $self->{nc};
3780            !!!next-input-character;
3781            redo A;
3782          } else {
3783            #
3784          }
3785          
3786          ## XML5: No parse error.
3787          !!!parse-error (type => 'bogus comment',
3788                          line => $self->{line_prev},
3789                          column => $self->{column_prev} - 1);
3790          ## Reconsume.
3791          $self->{state} = BOGUS_COMMENT_STATE;
3792          $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded.
3793          redo A;
3794        } elsif ($self->{state} == MD_E_STATE) {
3795          if ($self->{nc} == 0x004E or # N
3796              $self->{nc} == 0x006E) { # n
3797            $self->{state} = MD_ENTITY_STATE;
3798            $self->{kwd} .= chr $self->{nc};
3799            !!!next-input-character;
3800            redo A;
3801          } elsif ($self->{nc} == 0x004C or # L
3802                   $self->{nc} == 0x006C) { # l
3803            ## XML5: <!ELEMENT> not supported.
3804            $self->{state} = MD_ELEMENT_STATE;
3805            $self->{kwd} .= chr $self->{nc};
3806            !!!next-input-character;
3807            redo A;
3808          } else {
3809            ## XML5: No parse error.
3810            !!!parse-error (type => 'bogus comment',
3811                            line => $self->{line_prev},
3812                            column => $self->{column_prev} - 2
3813                                + 1 * ($self->{nc} == -1));
3814            ## Reconsume.
3815            $self->{state} = BOGUS_COMMENT_STATE;
3816            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3817            redo A;
3818          }
3819        } elsif ($self->{state} == MD_ENTITY_STATE) {
3820          if ($self->{nc} == [
3821                undef,
3822                undef,
3823                0x0054, # T
3824                0x0049, # I
3825                0x0054, # T
3826              ]->[length $self->{kwd}] or
3827              $self->{nc} == [
3828                undef,
3829                undef,
3830                0x0074, # t
3831                0x0069, # i
3832                0x0074, # t
3833              ]->[length $self->{kwd}]) {
3834            ## Stay in the state.
3835            $self->{kwd} .= chr $self->{nc};
3836            !!!next-input-character;
3837            redo A;
3838          } elsif ((length $self->{kwd}) == 5 and
3839                   ($self->{nc} == 0x0059 or # Y
3840                    $self->{nc} == 0x0079)) { # y
3841            if ($self->{kwd} ne 'ENTIT' or $self->{nc} == 0x0079) {
3842              !!!parse-error (type => 'lowercase keyword', ## TODO: type
3843                              text => 'ENTITY',
3844                              line => $self->{line_prev},
3845                              column => $self->{column_prev} - 4);
3846            }
3847            $self->{ct} = {type => GENERAL_ENTITY_TOKEN, name => '',
3848                           line => $self->{line_prev},
3849                           column => $self->{column_prev} - 6};
3850            $self->{state} = DOCTYPE_MD_STATE;
3851            !!!next-input-character;
3852            redo A;
3853          } else {
3854            !!!parse-error (type => 'bogus comment',
3855                            line => $self->{line_prev},
3856                            column => $self->{column_prev} - 1
3857                                - (length $self->{kwd})
3858                                + 1 * ($self->{nc} == -1));
3859            $self->{state} = BOGUS_COMMENT_STATE;
3860            ## Reconsume.
3861            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3862            redo A;
3863          }
3864        } elsif ($self->{state} == MD_ELEMENT_STATE) {
3865          if ($self->{nc} == [
3866               undef,
3867               undef,
3868               0x0045, # E
3869               0x004D, # M
3870               0x0045, # E
3871               0x004E, # N
3872              ]->[length $self->{kwd}] or
3873              $self->{nc} == [
3874               undef,
3875               undef,
3876               0x0065, # e
3877               0x006D, # m
3878               0x0065, # e
3879               0x006E, # n
3880              ]->[length $self->{kwd}]) {
3881            ## Stay in the state.
3882            $self->{kwd} .= chr $self->{nc};
3883            !!!next-input-character;
3884            redo A;
3885          } elsif ((length $self->{kwd}) == 6 and
3886                   ($self->{nc} == 0x0054 or # T
3887                    $self->{nc} == 0x0074)) { # t
3888            if ($self->{kwd} ne 'ELEMEN' or $self->{nc} == 0x0074) {
3889              !!!parse-error (type => 'lowercase keyword', ## TODO: type
3890                              text => 'ELEMENT',
3891                              line => $self->{line_prev},
3892                              column => $self->{column_prev} - 5);
3893            }
3894            $self->{ct} = {type => ELEMENT_TOKEN, name => '',
3895                           line => $self->{line_prev},
3896                           column => $self->{column_prev} - 7};
3897            $self->{state} = DOCTYPE_MD_STATE;
3898            !!!next-input-character;
3899            redo A;
3900          } else {
3901            !!!parse-error (type => 'bogus comment',
3902                            line => $self->{line_prev},
3903                            column => $self->{column_prev} - 1
3904                                - (length $self->{kwd})
3905                                + 1 * ($self->{nc} == -1));
3906            $self->{state} = BOGUS_COMMENT_STATE;
3907            ## Reconsume.
3908            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3909            redo A;
3910          }
3911        } elsif ($self->{state} == MD_ATTLIST_STATE) {
3912          if ($self->{nc} == [
3913               undef,
3914               0x0054, # T
3915               0x0054, # T
3916               0x004C, # L
3917               0x0049, # I
3918               0x0053, # S
3919              ]->[length $self->{kwd}] or
3920              $self->{nc} == [
3921               undef,
3922               0x0074, # t
3923               0x0074, # t
3924               0x006C, # l
3925               0x0069, # i
3926               0x0073, # s
3927              ]->[length $self->{kwd}]) {
3928            ## Stay in the state.
3929            $self->{kwd} .= chr $self->{nc};
3930            !!!next-input-character;
3931            redo A;
3932          } elsif ((length $self->{kwd}) == 6 and
3933                   ($self->{nc} == 0x0054 or # T
3934                    $self->{nc} == 0x0074)) { # t
3935            if ($self->{kwd} ne 'ATTLIS' or $self->{nc} == 0x0074) {
3936              !!!parse-error (type => 'lowercase keyword', ## TODO: type
3937                              text => 'ATTLIST',
3938                              line => $self->{line_prev},
3939                              column => $self->{column_prev} - 5);
3940            }
3941            $self->{ct} = {type => ATTLIST_TOKEN, name => '',
3942                           attrdefs => [],
3943                           line => $self->{line_prev},
3944                           column => $self->{column_prev} - 7};
3945            $self->{state} = DOCTYPE_MD_STATE;
3946            !!!next-input-character;
3947            redo A;
3948          } else {
3949            !!!parse-error (type => 'bogus comment',
3950                            line => $self->{line_prev},
3951                            column => $self->{column_prev} - 1
3952                                 - (length $self->{kwd})
3953                                 + 1 * ($self->{nc} == -1));
3954            $self->{state} = BOGUS_COMMENT_STATE;
3955            ## Reconsume.
3956            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3957            redo A;
3958          }
3959        } elsif ($self->{state} == MD_NOTATION_STATE) {
3960          if ($self->{nc} == [
3961               undef,
3962               0x004F, # O
3963               0x0054, # T
3964               0x0041, # A
3965               0x0054, # T
3966               0x0049, # I
3967               0x004F, # O
3968              ]->[length $self->{kwd}] or
3969              $self->{nc} == [
3970               undef,
3971               0x006F, # o
3972               0x0074, # t
3973               0x0061, # a
3974               0x0074, # t
3975               0x0069, # i
3976               0x006F, # o
3977              ]->[length $self->{kwd}]) {
3978            ## Stay in the state.
3979            $self->{kwd} .= chr $self->{nc};
3980            !!!next-input-character;
3981            redo A;
3982          } elsif ((length $self->{kwd}) == 7 and
3983                   ($self->{nc} == 0x004E or # N
3984                    $self->{nc} == 0x006E)) { # n
3985            if ($self->{kwd} ne 'NOTATIO' or $self->{nc} == 0x006E) {
3986              !!!parse-error (type => 'lowercase keyword', ## TODO: type
3987                              text => 'NOTATION',
3988                              line => $self->{line_prev},
3989                              column => $self->{column_prev} - 6);
3990            }
3991            $self->{ct} = {type => NOTATION_TOKEN, name => '',
3992                           line => $self->{line_prev},
3993                           column => $self->{column_prev} - 8};
3994            $self->{state} = DOCTYPE_MD_STATE;
3995            !!!next-input-character;
3996            redo A;
3997          } else {
3998            !!!parse-error (type => 'bogus comment',
3999                            line => $self->{line_prev},
4000                            column => $self->{column_prev} - 1
4001                                - (length $self->{kwd})
4002                                + 1 * ($self->{nc} == -1));
4003            $self->{state} = BOGUS_COMMENT_STATE;
4004            ## Reconsume.
4005            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
4006            redo A;
4007          }
4008        } elsif ($self->{state} == DOCTYPE_MD_STATE) {
4009          ## XML5: "DOCTYPE ENTITY state", "DOCTYPE ATTLIST state", and
4010          ## "DOCTYPE NOTATION state".
4011    
4012          if ($is_space->{$self->{nc}}) {
4013            ## XML5: [NOTATION] Switch to the "DOCTYPE NOTATION identifier state".
4014            $self->{state} = BEFORE_MD_NAME_STATE;
4015            !!!next-input-character;
4016            redo A;
4017          } elsif ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN and
4018                   $self->{nc} == 0x0025) { # %
4019            ## XML5: Switch to the "DOCTYPE bogus comment state".
4020            !!!parse-error (type => 'no space before md name'); ## TODO: type
4021            $self->{state} = DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE;
4022            !!!next-input-character;
4023            redo A;
4024          } elsif ($self->{nc} == -1) {
4025            !!!parse-error (type => 'unclosed md'); ## TODO: type
4026            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4027            ## Reconsume.
4028            redo A;
4029          } elsif ($self->{nc} == 0x003E) { # >
4030            ## XML5: Switch to the "DOCTYPE bogus comment state".
4031            !!!parse-error (type => 'no md name'); ## TODO: type
4032            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4033            !!!next-input-character;
4034            redo A;
4035          } else {
4036            ## XML5: Switch to the "DOCTYPE bogus comment state".
4037            !!!parse-error (type => 'no space before md name'); ## TODO: type
4038            $self->{state} = BEFORE_MD_NAME_STATE;
4039            redo A;
4040          }
4041        } elsif ($self->{state} == BEFORE_MD_NAME_STATE) {
4042          ## XML5: "DOCTYPE ENTITY parameter state", "DOCTYPE ENTITY type
4043          ## before state", "DOCTYPE ATTLIST name before state".
4044    
4045          if ($is_space->{$self->{nc}}) {
4046            ## Stay in the state.
4047            !!!next-input-character;
4048            redo A;
4049          } elsif ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN and
4050                   $self->{nc} == 0x0025) { # %
4051            $self->{state} = DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE;
4052            !!!next-input-character;
4053            redo A;
4054          } elsif ($self->{nc} == 0x003E) { # >
4055            ## XML5: Same as "Anything else".
4056            !!!parse-error (type => 'no md name'); ## TODO: type
4057            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4058            !!!next-input-character;
4059            redo A;
4060          } elsif ($self->{nc} == -1) {
4061            !!!parse-error (type => 'unclosed md'); ## TODO: type
4062            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4063            ## Reconsume.
4064            redo A;
4065          } else {
4066            ## XML5: [ATTLIST] Not defined yet.
4067            $self->{ct}->{name} .= chr $self->{nc};
4068            $self->{state} = MD_NAME_STATE;
4069            !!!next-input-character;
4070            redo A;
4071          }
4072        } elsif ($self->{state} == DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE) {
4073          if ($is_space->{$self->{nc}}) {
4074            ## XML5: Switch to the "DOCTYPE ENTITY parameter state".
4075            $self->{ct}->{type} = PARAMETER_ENTITY_TOKEN;
4076            $self->{state} = BEFORE_MD_NAME_STATE;
4077            !!!next-input-character;
4078            redo A;
4079          } elsif ($self->{nc} == 0x003E) { # >
4080            ## XML5: Same as "Anything else".
4081            !!!parse-error (type => 'no md name'); ## TODO: type
4082            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4083            !!!next-input-character;
4084            redo A;
4085          } elsif ($self->{nc} == -1) {
4086            !!!parse-error (type => 'unclosed md');
4087            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4088            ## Reconsume.
4089            redo A;
4090          } else {
4091            ## XML5: No parse error.
4092            !!!parse-error (type => 'no space after ENTITY percent'); ## TODO: type
4093            $self->{state} = BOGUS_COMMENT_STATE;
4094            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
4095            ## Reconsume.
4096            redo A;
4097          }
4098        } elsif ($self->{state} == MD_NAME_STATE) {
4099          ## XML5: "DOCTYPE ENTITY name state" and "DOCTYPE ATTLIST name state".
4100          
4101          if ($is_space->{$self->{nc}}) {
4102            if ($self->{ct}->{type} == ATTLIST_TOKEN) {
4103              $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4104            } elsif ($self->{ct}->{type} == ELEMENT_TOKEN) {
4105              $self->{state} = AFTER_ELEMENT_NAME_STATE;
4106            } else { # ENTITY/NOTATION
4107              $self->{state} = AFTER_DOCTYPE_NAME_STATE;
4108            }
4109            !!!next-input-character;
4110            redo A;
4111          } elsif ($self->{nc} == 0x003E) { # >
4112            if ($self->{ct}->{type} == ATTLIST_TOKEN) {
4113              #
4114            } else {
4115              !!!parse-error (type => 'no md def'); ## TODO: type
4116            }
4117            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4118            !!!next-input-character;
4119            !!!emit ($self->{ct}); # ELEMENT/ENTITY/ATTLIST/NOTATION
4120            redo A;
4121          } elsif ($self->{nc} == -1) {
4122            ## XML5: [ATTLIST] No parse error.
4123            !!!parse-error (type => 'unclosed md');
4124            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4125            ## Reconsume.
4126            !!!emit ($self->{ct}); # ELEMENT/ENTITY/ATTLIST/NOTATION
4127            redo A;
4128          } else {
4129            ## XML5: [ATTLIST] Not defined yet.
4130            $self->{ct}->{name} .= chr $self->{nc};
4131            ## Stay in the state.
4132            !!!next-input-character;
4133            redo A;
4134          }
4135        } elsif ($self->{state} == DOCTYPE_ATTLIST_NAME_AFTER_STATE) {
4136          if ($is_space->{$self->{nc}}) {
4137            ## Stay in the state.
4138            !!!next-input-character;
4139            redo A;
4140          } elsif ($self->{nc} == 0x003E) { # >
4141            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4142            !!!next-input-character;
4143            !!!emit ($self->{ct}); # ATTLIST
4144            redo A;
4145          } elsif ($self->{nc} == -1) {
4146            ## XML5: No parse error.
4147            !!!parse-error (type => 'unclosed md'); ## TODO: type
4148            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4149            !!!emit ($self->{ct});
4150            redo A;
4151          } else {
4152            ## XML5: Not defined yet.
4153            $self->{ca} = {name => chr ($self->{nc}), # attrdef
4154                           tokens => [],
4155                           line => $self->{line}, column => $self->{column}};
4156            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_NAME_STATE;
4157            !!!next-input-character;
4158            redo A;
4159          }
4160        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_NAME_STATE) {
4161          if ($is_space->{$self->{nc}}) {
4162            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_NAME_AFTER_STATE;
4163            !!!next-input-character;
4164            redo A;
4165          } elsif ($self->{nc} == 0x003E) { # >
4166            ## XML5: Same as "anything else".
4167            !!!parse-error (type => 'no attr type'); ## TODO: type
4168            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4169            !!!next-input-character;
4170            !!!emit ($self->{ct}); # ATTLIST
4171            redo A;
4172          } elsif ($self->{nc} == 0x0028) { # (
4173            ## XML5: Same as "anything else".
4174            !!!parse-error (type => 'no space before paren'); ## TODO: type
4175            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4176            !!!next-input-character;
4177            redo A;
4178          } elsif ($self->{nc} == -1) {
4179            ## XML5: No parse error.
4180            !!!parse-error (type => 'unclosed md'); ## TODO: type
4181            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4182            !!!next-input-character;
4183            !!!emit ($self->{ct}); # ATTLIST
4184            redo A;
4185          } else {
4186            ## XML5: Not defined yet.
4187            $self->{ca}->{name} .= chr $self->{nc};
4188            ## Stay in the state.
4189            !!!next-input-character;
4190            redo A;
4191          }
4192        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_NAME_AFTER_STATE) {
4193          if ($is_space->{$self->{nc}}) {
4194            ## Stay in the state.
4195            !!!next-input-character;
4196            redo A;
4197          } elsif ($self->{nc} == 0x003E) { # >
4198            ## XML5: Same as "anything else".
4199            !!!parse-error (type => 'no attr type'); ## TODO: type
4200            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4201            !!!next-input-character;
4202            !!!emit ($self->{ct}); # ATTLIST
4203            redo A;
4204          } elsif ($self->{nc} == 0x0028) { # (
4205            ## XML5: Same as "anything else".
4206            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4207            !!!next-input-character;
4208            redo A;
4209          } elsif ($self->{nc} == -1) {
4210            ## XML5: No parse error.
4211            !!!parse-error (type => 'unclosed md'); ## TODO: type
4212            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4213            !!!next-input-character;
4214            !!!emit ($self->{ct});
4215            redo A;
4216          } else {
4217            ## XML5: Not defined yet.
4218            $self->{ca}->{type} = chr $self->{nc};
4219            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_STATE;
4220            !!!next-input-character;
4221            redo A;
4222          }
4223        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_STATE) {
4224          if ($is_space->{$self->{nc}}) {
4225            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_AFTER_STATE;
4226            !!!next-input-character;
4227            redo A;
4228          } elsif ($self->{nc} == 0x0023) { # #
4229            ## XML5: Same as "anything else".
4230            !!!parse-error (type => 'no space before default value'); ## TODO: type
4231            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4232            !!!next-input-character;
4233            redo A;
4234          } elsif ($self->{nc} == 0x0022) { # "
4235            ## XML5: Same as "anything else".
4236            !!!parse-error (type => 'no space before default value'); ## TODO: type
4237            $self->{ca}->{value} = '';
4238            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4239            !!!next-input-character;
4240            redo A;
4241          } elsif ($self->{nc} == 0x0027) { # '
4242            ## XML5: Same as "anything else".
4243            !!!parse-error (type => 'no space before default value'); ## TODO: type
4244            $self->{ca}->{value} = '';
4245            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4246            !!!next-input-character;
4247            redo A;
4248          } elsif ($self->{nc} == 0x003E) { # >
4249            ## XML5: Same as "anything else".
4250            !!!parse-error (type => 'no attr default'); ## TODO: type
4251            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4252            !!!next-input-character;
4253            !!!emit ($self->{ct}); # ATTLIST
4254            redo A;
4255          } elsif ($self->{nc} == 0x0028) { # (
4256            ## XML5: Same as "anything else".
4257            !!!parse-error (type => 'no space before paren'); ## TODO: type
4258            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4259            !!!next-input-character;
4260            redo A;
4261          } elsif ($self->{nc} == -1) {
4262            ## XML5: No parse error.
4263            !!!parse-error (type => 'unclosed md'); ## TODO: type
4264            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4265            !!!next-input-character;
4266            !!!emit ($self->{ct});
4267            redo A;
4268          } else {
4269            ## XML5: Not defined yet.
4270            $self->{ca}->{type} .= chr $self->{nc};
4271            ## Stay in the state.
4272            !!!next-input-character;
4273            redo A;
4274          }
4275        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_AFTER_STATE) {
4276          if ($is_space->{$self->{nc}}) {
4277            ## Stay in the state.
4278            !!!next-input-character;
4279            redo A;
4280          } elsif ($self->{nc} == 0x0028) { # (
4281            ## XML5: Same as "anything else".
4282            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4283            !!!next-input-character;
4284            redo A;
4285          } elsif ($self->{nc} == 0x0023) { # #
4286            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4287            !!!next-input-character;
4288            redo A;
4289          } elsif ($self->{nc} == 0x0022) { # "
4290            ## XML5: Same as "anything else".
4291            $self->{ca}->{value} = '';
4292            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4293            !!!next-input-character;
4294            redo A;
4295          } elsif ($self->{nc} == 0x0027) { # '
4296            ## XML5: Same as "anything else".
4297            $self->{ca}->{value} = '';
4298            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4299            !!!next-input-character;
4300            redo A;
4301          } elsif ($self->{nc} == 0x003E) { # >
4302            ## XML5: Same as "anything else".
4303            !!!parse-error (type => 'no attr default'); ## TODO: type
4304            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4305            !!!next-input-character;
4306            !!!emit ($self->{ct}); # ATTLIST
4307            redo A;
4308          } elsif ($self->{nc} == -1) {
4309            ## XML5: No parse error.
4310            !!!parse-error (type => 'unclosed md'); ## TODO: type
4311            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4312            !!!next-input-character;
4313            !!!emit ($self->{ct});
4314            redo A;
4315          } else {
4316            ## XML5: Switch to the "DOCTYPE bogus comment state".
4317            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4318            $self->{ca}->{value} = '';
4319            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4320            ## Reconsume.
4321            redo A;
4322          }
4323        } elsif ($self->{state} == BEFORE_ALLOWED_TOKEN_STATE) {
4324          if ($is_space->{$self->{nc}}) {
4325            ## Stay in the state.
4326            !!!next-input-character;
4327            redo A;
4328          } elsif ($self->{nc} == 0x007C) { # |
4329            !!!parse-error (type => 'empty allowed token'); ## TODO: type
4330            ## Stay in the state.
4331            !!!next-input-character;
4332            redo A;
4333          } elsif ($self->{nc} == 0x0029) { # )
4334            !!!parse-error (type => 'empty allowed token'); ## TODO: type
4335            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4336            !!!next-input-character;
4337            redo A;
4338          } elsif ($self->{nc} == 0x003E) { # >
4339            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4340            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4341            !!!next-input-character;
4342            !!!emit ($self->{ct}); # ATTLIST
4343            redo A;
4344          } elsif ($self->{nc} == -1) {
4345            ## XML5: No parse error.
4346            !!!parse-error (type => 'unclosed md'); ## TODO: type
4347            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4348            !!!next-input-character;
4349            !!!emit ($self->{ct});
4350            redo A;
4351          } else {
4352            push @{$self->{ca}->{tokens}}, chr $self->{nc};
4353            $self->{state} = ALLOWED_TOKEN_STATE;
4354            !!!next-input-character;
4355            redo A;
4356          }
4357        } elsif ($self->{state} == ALLOWED_TOKEN_STATE) {
4358          if ($is_space->{$self->{nc}}) {
4359            $self->{state} = AFTER_ALLOWED_TOKEN_STATE;
4360            !!!next-input-character;
4361            redo A;
4362          } elsif ($self->{nc} == 0x007C) { # |
4363            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4364            !!!next-input-character;
4365            redo A;
4366          } elsif ($self->{nc} == 0x0029) { # )
4367            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4368            !!!next-input-character;
4369            redo A;
4370          } elsif ($self->{nc} == 0x003E) { # >
4371            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4372            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4373            !!!next-input-character;
4374            !!!emit ($self->{ct}); # ATTLIST
4375            redo A;
4376          } elsif ($self->{nc} == -1) {
4377            ## XML5: No parse error.
4378            !!!parse-error (type => 'unclosed md'); ## TODO: type
4379            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4380            !!!next-input-character;
4381            !!!emit ($self->{ct});
4382            redo A;
4383          } else {
4384            $self->{ca}->{tokens}->[-1] .= chr $self->{nc};
4385            ## Stay in the state.
4386            !!!next-input-character;
4387            redo A;
4388          }
4389        } elsif ($self->{state} == AFTER_ALLOWED_TOKEN_STATE) {
4390          if ($is_space->{$self->{nc}}) {
4391            ## Stay in the state.
4392            !!!next-input-character;
4393            redo A;
4394          } elsif ($self->{nc} == 0x007C) { # |
4395            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4396            !!!next-input-character;
4397            redo A;
4398          } elsif ($self->{nc} == 0x0029) { # )
4399            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4400            !!!next-input-character;
4401            redo A;
4402          } elsif ($self->{nc} == 0x003E) { # >
4403            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4404            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4405            !!!next-input-character;
4406            !!!emit ($self->{ct}); # ATTLIST
4407            redo A;
4408          } elsif ($self->{nc} == -1) {
4409            ## XML5: No parse error.
4410            !!!parse-error (type => 'unclosed md'); ## TODO: type
4411            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4412            !!!next-input-character;
4413            !!!emit ($self->{ct});
4414            redo A;
4415          } else {
4416            !!!parse-error (type => 'space in allowed token', ## TODO: type
4417                            line => $self->{line_prev},
4418                            column => $self->{column_prev});
4419            $self->{ca}->{tokens}->[-1] .= ' ' . chr $self->{nc};
4420            $self->{state} = ALLOWED_TOKEN_STATE;
4421            !!!next-input-character;
4422            redo A;
4423          }
4424        } elsif ($self->{state} == AFTER_ALLOWED_TOKENS_STATE) {
4425          if ($is_space->{$self->{nc}}) {
4426            $self->{state} = BEFORE_ATTR_DEFAULT_STATE;
4427            !!!next-input-character;
4428            redo A;
4429          } elsif ($self->{nc} == 0x0023) { # #
4430            !!!parse-error (type => 'no space before default value'); ## TODO: type
4431            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4432            !!!next-input-character;
4433            redo A;
4434          } elsif ($self->{nc} == 0x0022) { # "
4435            !!!parse-error (type => 'no space before default value'); ## TODO: type
4436            $self->{ca}->{value} = '';
4437            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4438            !!!next-input-character;
4439            redo A;
4440          } elsif ($self->{nc} == 0x0027) { # '
4441            !!!parse-error (type => 'no space before default value'); ## TODO: type
4442            $self->{ca}->{value} = '';
4443            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4444            !!!next-input-character;
4445            redo A;
4446          } elsif ($self->{nc} == 0x003E) { # >
4447            !!!parse-error (type => 'no attr default'); ## TODO: type
4448            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4449            !!!next-input-character;
4450            !!!emit ($self->{ct}); # ATTLIST
4451            redo A;
4452          } elsif ($self->{nc} == -1) {
4453            !!!parse-error (type => 'unclosed md'); ## TODO: type
4454            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4455            !!!next-input-character;
4456            !!!emit ($self->{ct});
4457            redo A;
4458          } else {
4459            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4460            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4461            ## Reconsume.
4462            redo A;
4463          }
4464        } elsif ($self->{state} == BEFORE_ATTR_DEFAULT_STATE) {
4465          if ($is_space->{$self->{nc}}) {
4466            ## Stay in the state.
4467            !!!next-input-character;
4468            redo A;
4469          } elsif ($self->{nc} == 0x0023) { # #
4470            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4471            !!!next-input-character;
4472            redo A;
4473          } elsif ($self->{nc} == 0x0022) { # "
4474            $self->{ca}->{value} = '';
4475            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4476            !!!next-input-character;
4477            redo A;
4478          } elsif ($self->{nc} == 0x0027) { # '
4479            $self->{ca}->{value} = '';
4480            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4481            !!!next-input-character;
4482            redo A;
4483          } elsif ($self->{nc} == 0x003E) { # >
4484            !!!parse-error (type => 'no attr default'); ## TODO: type
4485            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4486            !!!next-input-character;
4487            !!!emit ($self->{ct}); # ATTLIST
4488            redo A;
4489          } elsif ($self->{nc} == -1) {
4490            !!!parse-error (type => 'unclosed md'); ## TODO: type
4491            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4492            !!!next-input-character;
4493            !!!emit ($self->{ct});
4494            redo A;
4495          } else {
4496            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4497            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4498            ## Reconsume.
4499            redo A;
4500          }
4501        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE) {
4502          if ($is_space->{$self->{nc}}) {
4503            ## XML5: No parse error.
4504            !!!parse-error (type => 'no default type'); ## TODO: type
4505            $self->{state} = BOGUS_MD_STATE;
4506            ## Reconsume.
4507            redo A;
4508          } elsif ($self->{nc} == 0x0022) { # "
4509            ## XML5: Same as "anything else".
4510            $self->{ca}->{value} = '';
4511            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4512            !!!next-input-character;
4513            redo A;
4514          } elsif ($self->{nc} == 0x0027) { # '
4515            ## XML5: Same as "anything else".
4516            $self->{ca}->{value} = '';
4517            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4518            !!!next-input-character;
4519            redo A;
4520          } elsif ($self->{nc} == 0x003E) { # >
4521            ## XML5: Same as "anything else".
4522            !!!parse-error (type => 'no attr default'); ## TODO: type
4523            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4524            !!!next-input-character;
4525            !!!emit ($self->{ct}); # ATTLIST
4526            redo A;
4527          } elsif ($self->{nc} == -1) {
4528            ## XML5: No parse error.
4529            !!!parse-error (type => 'unclosed md'); ## TODO: type
4530            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4531            !!!next-input-character;
4532            !!!emit ($self->{ct});
4533            redo A;
4534          } else {
4535            $self->{ca}->{default} = chr $self->{nc};
4536            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_STATE;
4537            !!!next-input-character;
4538            redo A;
4539          }
4540        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_STATE) {
4541          if ($is_space->{$self->{nc}}) {
4542            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_AFTER_STATE;
4543            !!!next-input-character;
4544            redo A;
4545          } elsif ($self->{nc} == 0x0022) { # "
4546            ## XML5: Same as "anything else".
4547            !!!parse-error (type => 'no space before default value'); ## TODO: type
4548            $self->{ca}->{value} = '';
4549            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4550            !!!next-input-character;
4551            redo A;
4552          } elsif ($self->{nc} == 0x0027) { # '
4553            ## XML5: Same as "anything else".
4554            !!!parse-error (type => 'no space before default value'); ## TODO: type
4555            $self->{ca}->{value} = '';
4556            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4557            !!!next-input-character;
4558            redo A;
4559          } elsif ($self->{nc} == 0x003E) { # >
4560            ## XML5: Same as "anything else".
4561            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4562            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4563            !!!next-input-character;
4564            !!!emit ($self->{ct}); # ATTLIST
4565            redo A;
4566          } elsif ($self->{nc} == -1) {
4567            ## XML5: No parse error.
4568            !!!parse-error (type => 'unclosed md'); ## TODO: type
4569            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4570            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4571            !!!next-input-character;
4572            !!!emit ($self->{ct});
4573            redo A;
4574          } else {
4575            $self->{ca}->{default} .= chr $self->{nc};
4576            ## Stay in the state.
4577            !!!next-input-character;
4578            redo A;
4579          }
4580        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_AFTER_STATE) {
4581          if ($is_space->{$self->{nc}}) {
4582            ## Stay in the state.
4583            !!!next-input-character;
4584            redo A;
4585          } elsif ($self->{nc} == 0x0022) { # "
4586            $self->{ca}->{value} = '';
4587            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4588            !!!next-input-character;
4589            redo A;
4590          } elsif ($self->{nc} == 0x0027) { # '
4591            $self->{ca}->{value} = '';
4592            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4593            !!!next-input-character;
4594            redo A;
4595          } elsif ($self->{nc} == 0x003E) { # >
4596            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4597            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4598            !!!next-input-character;
4599            !!!emit ($self->{ct}); # ATTLIST
4600            redo A;
4601          } elsif ($self->{nc} == -1) {
4602            ## XML5: No parse error.
4603            !!!parse-error (type => 'unclosed md'); ## TODO: type
4604            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4605            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4606            !!!next-input-character;
4607            !!!emit ($self->{ct});
4608            redo A;
4609          } else {
4610            ## XML5: Not defined yet.
4611            if ($self->{ca}->{default} eq 'FIXED') {
4612              $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4613            } else {
4614              push @{$self->{ct}->{attrdefs}}, $self->{ca};
4615              $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4616            }
4617            ## Reconsume.
4618            redo A;
4619          }
4620        } elsif ($self->{state} == AFTER_ATTLIST_ATTR_VALUE_QUOTED_STATE) {
4621          if ($is_space->{$self->{nc}} or
4622              $self->{nc} == -1 or
4623              $self->{nc} == 0x003E) { # >
4624            $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4625            ## Reconsume.
4626            redo A;
4627          } else {
4628            !!!parse-error (type => 'no space before attr name'); ## TODO: type
4629            $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4630            ## Reconsume.
4631            redo A;
4632          }
4633        } elsif ($self->{state} == NDATA_STATE) {
4634          ## ASCII case-insensitive
4635          if ($self->{nc} == [
4636                undef,
4637                0x0044, # D
4638                0x0041, # A
4639                0x0054, # T
4640              ]->[length $self->{kwd}] or
4641              $self->{nc} == [
4642                undef,
4643                0x0064, # d
4644                0x0061, # a
4645                0x0074, # t
4646              ]->[length $self->{kwd}]) {
4647            !!!cp (172.2);
4648            ## Stay in the state.
4649            $self->{kwd} .= chr $self->{nc};
4650            !!!next-input-character;
4651            redo A;
4652          } elsif ((length $self->{kwd}) == 4 and
4653                   ($self->{nc} == 0x0041 or # A
4654                    $self->{nc} == 0x0061)) { # a
4655            if ($self->{kwd} ne 'NDAT' or $self->{nc} == 0x0061) { # a
4656              !!!cp (172.3);
4657              !!!parse-error (type => 'lowercase keyword', ## TODO: type
4658                              text => 'NDATA',
4659                              line => $self->{line_prev},
4660                              column => $self->{column_prev} - 4);
4661            } else {
4662              !!!cp (172.4);
4663            }
4664            $self->{state} = AFTER_NDATA_STATE;
4665            !!!next-input-character;
4666            redo A;
4667          } else {
4668            !!!parse-error (type => 'string after literal', ## TODO: type
4669                            line => $self->{line_prev},
4670                            column => $self->{column_prev} + 1
4671                                - length $self->{kwd});
4672            !!!cp (172.5);
4673            $self->{state} = BOGUS_MD_STATE;
4674            ## Reconsume.
4675            redo A;
4676          }
4677        } elsif ($self->{state} == AFTER_NDATA_STATE) {
4678          if ($is_space->{$self->{nc}}) {
4679            $self->{state} = BEFORE_NOTATION_NAME_STATE;
4680            !!!next-input-character;
4681            redo A;
4682          } elsif ($self->{nc} == 0x003E) { # >
4683            !!!parse-error (type => 'no notation name'); ## TODO: type
4684            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4685            !!!next-input-character;
4686            !!!emit ($self->{ct}); # ENTITY
4687            redo A;
4688          } elsif ($self->{nc} == -1) {
4689            !!!parse-error (type => 'unclosed md'); ## TODO: type
4690            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4691            !!!next-input-character;
4692            !!!emit ($self->{ct}); # ENTITY
4693            redo A;
4694          } else {
4695            !!!parse-error (type => 'string after literal', ## TODO: type
4696                            line => $self->{line_prev},
4697                            column => $self->{column_prev} + 1
4698                                - length $self->{kwd});
4699            $self->{state} = BOGUS_MD_STATE;
4700            ## Reconsume.
4701            redo A;
4702          }
4703        } elsif ($self->{state} == BEFORE_NOTATION_NAME_STATE) {
4704          if ($is_space->{$self->{nc}}) {
4705            ## Stay in the state.
4706            !!!next-input-character;
4707            redo A;
4708          } elsif ($self->{nc} == 0x003E) { # >
4709            !!!parse-error (type => 'no notation name'); ## TODO: type
4710            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4711            !!!next-input-character;
4712            !!!emit ($self->{ct}); # ENTITY
4713            redo A;
4714          } elsif ($self->{nc} == -1) {
4715            !!!parse-error (type => 'unclosed md'); ## TODO: type
4716            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4717            !!!next-input-character;
4718            !!!emit ($self->{ct}); # ENTITY
4719            redo A;
4720          } else {
4721            $self->{ct}->{notation} = chr $self->{nc}; # ENTITY
4722            $self->{state} = NOTATION_NAME_STATE;
4723            !!!next-input-character;
4724            redo A;
4725          }
4726        } elsif ($self->{state} == NOTATION_NAME_STATE) {
4727          if ($is_space->{$self->{nc}}) {
4728            $self->{state} = AFTER_MD_DEF_STATE;
4729            !!!next-input-character;
4730            redo A;
4731          } elsif ($self->{nc} == 0x003E) { # >
4732            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4733            !!!next-input-character;
4734            !!!emit ($self->{ct}); # ENTITY
4735            redo A;
4736          } elsif ($self->{nc} == -1) {
4737            !!!parse-error (type => 'unclosed md'); ## TODO: type
4738            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4739            !!!next-input-character;
4740            !!!emit ($self->{ct}); # ENTITY
4741            redo A;
4742          } else {
4743            $self->{ct}->{notation} .= chr $self->{nc}; # ENTITY
4744            ## Stay in the state.
4745            !!!next-input-character;
4746            redo A;
4747          }
4748        } elsif ($self->{state} == DOCTYPE_ENTITY_VALUE_DOUBLE_QUOTED_STATE) {
4749          if ($self->{nc} == 0x0022) { # "
4750            $self->{state} = AFTER_MD_DEF_STATE;
4751            !!!next-input-character;
4752            redo A;
4753          } elsif ($self->{nc} == 0x0026) { # &
4754            $self->{prev_state} = $self->{state};
4755            $self->{state} = ENTITY_VALUE_ENTITY_STATE;
4756            $self->{entity_add} = 0x0022; # "
4757            !!!next-input-character;
4758            redo A;
4759    ## TODO: %
4760          } elsif ($self->{nc} == -1) {
4761            !!!parse-error (type => 'unclosed entity value'); ## TODO: type
4762            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4763            ## Reconsume.
4764            !!!emit ($self->{ct}); # ENTITY
4765            redo A;
4766          } else {
4767            $self->{ct}->{value} .= chr $self->{nc}; # ENTITY
4768            !!!next-input-character;
4769            redo A;
4770          }
4771        } elsif ($self->{state} == DOCTYPE_ENTITY_VALUE_SINGLE_QUOTED_STATE) {
4772          if ($self->{nc} == 0x0027) { # '
4773            $self->{state} = AFTER_MD_DEF_STATE;
4774            !!!next-input-character;
4775            redo A;
4776          } elsif ($self->{nc} == 0x0026) { # &
4777            $self->{prev_state} = $self->{state};
4778            $self->{state} = ENTITY_VALUE_ENTITY_STATE;
4779            $self->{entity_add} = 0x0027; # '
4780            !!!next-input-character;
4781            redo A;
4782    ## TODO: %
4783          } elsif ($self->{nc} == -1) {
4784            !!!parse-error (type => 'unclosed entity value'); ## TODO: type
4785            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4786            ## Reconsume.
4787            !!!emit ($self->{ct}); # ENTITY
4788            redo A;
4789          } else {
4790            $self->{ct}->{value} .= chr $self->{nc}; # ENTITY
4791            !!!next-input-character;
4792            redo A;
4793          }
4794        } elsif ($self->{state} == ENTITY_VALUE_ENTITY_STATE) {
4795          if ($is_space->{$self->{nc}} or
4796              {
4797                0x003C => 1, 0x0026 => 1, -1 => 1, # <, &
4798                $self->{entity_add} => 1,
4799              }->{$self->{nc}}) {
4800            !!!parse-error (type => 'bare ero',
4801                            line => $self->{line_prev},
4802                            column => $self->{column_prev}
4803                                + ($self->{nc} == -1 ? 1 : 0));
4804            ## Don't consume
4805            ## Return nothing.
4806            #
4807          } elsif ($self->{nc} == 0x0023) { # #
4808            $self->{ca} = $self->{ct};
4809            $self->{state} = ENTITY_HASH_STATE;
4810            $self->{kwd} = '#';
4811            !!!next-input-character;
4812            redo A;
4813          } else {
4814            #
4815          }
4816    
4817          $self->{ct}->{value} .= '&';
4818          $self->{state} = $self->{prev_state};
4819          ## Reconsume.
4820          redo A;
4821        } elsif ($self->{state} == AFTER_ELEMENT_NAME_STATE) {
4822          if ($is_space->{$self->{nc}}) {
4823            $self->{state} = BEFORE_ELEMENT_CONTENT_STATE;
4824            !!!next-input-character;
4825            redo A;
4826          } elsif ($self->{nc} == 0x0028) { # (
4827            $self->{state} = AFTER_CM_GROUP_OPEN_STATE;
4828            $self->{ct}->{content} = ['('];
4829            $self->{group_depth} = 1;
4830            !!!next-input-character;
4831            redo A;
4832          } elsif ($self->{nc} == 0x003E) { # >
4833            !!!parse-error (type => 'no md def'); ## TODO: type
4834            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4835            !!!next-input-character;
4836            !!!emit ($self->{ct}); # ELEMENT
4837            redo A;
4838          } elsif ($self->{nc} == -1) {
4839            !!!parse-error (type => 'unclosed md'); ## TODO: type
4840            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4841            !!!next-input-character;
4842            !!!emit ($self->{ct}); # ELEMENT
4843            redo A;
4844          } else {
4845            $self->{ct}->{content} = [chr $self->{nc}];
4846            $self->{state} = CONTENT_KEYWORD_STATE;
4847            !!!next-input-character;
4848            redo A;
4849          }
4850        } elsif ($self->{state} == CONTENT_KEYWORD_STATE) {
4851          if ($is_space->{$self->{nc}}) {
4852            $self->{state} = AFTER_MD_DEF_STATE;
4853            !!!next-input-character;
4854            redo A;
4855          } elsif ($self->{nc} == 0x003E) { # >
4856            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4857            !!!next-input-character;
4858            !!!emit ($self->{ct}); # ELEMENT
4859            redo A;
4860          } elsif ($self->{nc} == -1) {
4861            !!!parse-error (type => 'unclosed md'); ## TODO: type
4862            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4863            !!!next-input-character;
4864            !!!emit ($self->{ct}); # ELEMENT
4865            redo A;
4866          } else {
4867            $self->{ct}->{content}->[-1] .= chr $self->{nc}; # ELEMENT
4868            ## Stay in the state.
4869            !!!next-input-character;
4870            redo A;
4871          }
4872        } elsif ($self->{state} == AFTER_CM_GROUP_OPEN_STATE) {
4873          if ($is_space->{$self->{nc}}) {
4874            ## Stay in the state.
4875            !!!next-input-character;
4876            redo A;
4877          } elsif ($self->{nc} == 0x0028) { # (
4878            $self->{group_depth}++;
4879            push @{$self->{ct}->{content}}, chr $self->{nc};
4880            ## Stay in the state.
4881            !!!next-input-character;
4882            redo A;
4883          } elsif ($self->{nc} == 0x007C or # |
4884                   $self->{nc} == 0x002C) { # ,
4885            !!!parse-error (type => 'empty element name'); ## TODO: type
4886            ## Stay in the state.
4887            !!!next-input-character;
4888            redo A;
4889          } elsif ($self->{nc} == 0x0029) { # )
4890            !!!parse-error (type => 'empty element name'); ## TODO: type
4891            push @{$self->{ct}->{content}}, chr $self->{nc};
4892            $self->{group_depth}--;
4893            $self->{state} = AFTER_CM_GROUP_CLOSE_STATE;
4894            !!!next-input-character;
4895            redo A;
4896          } elsif ($self->{nc} == 0x003E) { # >
4897            !!!parse-error (type => 'unclosed cm group'); ## TODO: type
4898            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4899            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4900            !!!next-input-character;
4901            !!!emit ($self->{ct}); # ELEMENT
4902            redo A;
4903          } elsif ($self->{nc} == -1) {
4904            !!!parse-error (type => 'unclosed md'); ## TODO: type
4905            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4906            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4907            !!!next-input-character;
4908            !!!emit ($self->{ct}); # ELEMENT
4909            redo A;
4910          } else {
4911            push @{$self->{ct}->{content}}, chr $self->{nc};
4912            $self->{state} = CM_ELEMENT_NAME_STATE;
4913            !!!next-input-character;
4914            redo A;
4915          }
4916        } elsif ($self->{state} == CM_ELEMENT_NAME_STATE) {
4917          if ($is_space->{$self->{nc}}) {
4918            $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
4919            !!!next-input-character;
4920            redo A;
4921          } elsif ($self->{nc} == 0x002A or # *
4922                   $self->{nc} == 0x002B or # +
4923                   $self->{nc} == 0x003F) { # ?
4924            push @{$self->{ct}->{content}}, chr $self->{nc};
4925            $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
4926            !!!next-input-character;
4927            redo A;
4928          } elsif ($self->{nc} == 0x007C or # |
4929                   $self->{nc} == 0x002C) { # ,
4930            push @{$self->{ct}->{content}}, $self->{nc} == 0x007C ? ' | ' : ', ';
4931            $self->{state} = AFTER_CM_GROUP_OPEN_STATE;
4932            !!!next-input-character;
4933            redo A;
4934          } elsif ($self->{nc} == 0x0029) { # )
4935            $self->{group_depth}--;
4936            push @{$self->{ct}->{content}}, chr $self->{nc};
4937            $self->{state} = AFTER_CM_GROUP_CLOSE_STATE;
4938            !!!next-input-character;
4939            redo A;
4940          } elsif ($self->{nc} == 0x003E) { # >
4941            !!!parse-error (type => 'unclosed cm group'); ## TODO: type
4942            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4943            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4944            !!!next-input-character;
4945            !!!emit ($self->{ct}); # ELEMENT
4946            redo A;
4947          } elsif ($self->{nc} == -1) {
4948            !!!parse-error (type => 'unclosed md'); ## TODO: type
4949            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4950            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4951            !!!next-input-character;
4952            !!!emit ($self->{ct}); # ELEMENT
4953            redo A;
4954          } else {
4955            $self->{ct}->{content}->[-1] .= chr $self->{nc};
4956            ## Stay in the state.
4957            !!!next-input-character;
4958            redo A;
4959          }
4960        } elsif ($self->{state} == AFTER_CM_ELEMENT_NAME_STATE) {
4961          if ($is_space->{$self->{nc}}) {
4962            ## Stay in the state.
4963            !!!next-input-character;
4964            redo A;
4965          } elsif ($self->{nc} == 0x007C or # |
4966                   $self->{nc} == 0x002C) { # ,
4967            push @{$self->{ct}->{content}}, $self->{nc} == 0x007C ? ' | ' : ', ';
4968            $self->{state} = AFTER_CM_GROUP_OPEN_STATE;
4969            !!!next-input-character;
4970            redo A;
4971          } elsif ($self->{nc} == 0x0029) { # )
4972            $self->{group_depth}--;
4973            push @{$self->{ct}->{content}}, chr $self->{nc};
4974            $self->{state} = AFTER_CM_GROUP_CLOSE_STATE;
4975            !!!next-input-character;
4976            redo A;
4977          } elsif ($self->{nc} == 0x003E) { # >
4978            !!!parse-error (type => 'unclosed cm group'); ## TODO: type
4979            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4980            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4981            !!!next-input-character;
4982            !!!emit ($self->{ct}); # ELEMENT
4983            redo A;
4984          } elsif ($self->{nc} == -1) {
4985            !!!parse-error (type => 'unclosed md'); ## TODO: type
4986            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4987            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4988            !!!next-input-character;
4989            !!!emit ($self->{ct}); # ELEMENT
4990            redo A;
4991          } else {
4992            !!!parse-error (type => 'after element name'); ## TODO: type
4993            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4994            $self->{state} = BOGUS_MD_STATE;
4995            !!!next-input-character;
4996            redo A;
4997          }
4998        } elsif ($self->{state} == AFTER_CM_GROUP_CLOSE_STATE) {
4999          if ($is_space->{$self->{nc}}) {
5000            if ($self->{group_depth}) {
5001              $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
5002            } else {
5003              $self->{state} = AFTER_MD_DEF_STATE;
5004            }
5005            !!!next-input-character;
5006            redo A;
5007          } elsif ($self->{nc} == 0x002A or # *
5008                   $self->{nc} == 0x002B or # +
5009                   $self->{nc} == 0x003F) { # ?
5010            push @{$self->{ct}->{content}}, chr $self->{nc};
5011            if ($self->{group_depth}) {
5012              $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
5013            } else {
5014              $self->{state} = AFTER_MD_DEF_STATE;
5015            }
5016            !!!next-input-character;
5017            redo A;
5018          } elsif ($self->{nc} == 0x0029) { # )
5019            if ($self->{group_depth}) {
5020              $self->{group_depth}--;
5021              push @{$self->{ct}->{content}}, chr $self->{nc};
5022              ## Stay in the state.
5023              !!!next-input-character;
5024              redo A;
5025            } else {
5026              !!!parse-error (type => 'string after md def'); ## TODO: type
5027              $self->{state} = BOGUS_MD_STATE;
5028              ## Reconsume.
5029              redo A;
5030            }
5031          } elsif ($self->{nc} == 0x003E) { # >
5032            if ($self->{group_depth}) {
5033              !!!parse-error (type => 'unclosed cm group'); ## TODO: type
5034              push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5035            }
5036            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5037            !!!next-input-character;
5038            !!!emit ($self->{ct}); # ELEMENT
5039            redo A;
5040          } elsif ($self->{nc} == -1) {
5041            !!!parse-error (type => 'unclosed md'); ## TODO: type
5042            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5043            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5044            !!!next-input-character;
5045            !!!emit ($self->{ct}); # ELEMENT
5046            redo A;
5047          } else {
5048            if ($self->{group_depth}) {
5049              $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
5050            } else {
5051              !!!parse-error (type => 'string after md def'); ## TODO: type
5052              $self->{state} = BOGUS_MD_STATE;
5053            }
5054            ## Reconsume.
5055            redo A;
5056          }
5057        } elsif ($self->{state} == AFTER_MD_DEF_STATE) {
5058          if ($is_space->{$self->{nc}}) {
5059            ## Stay in the state.
5060            !!!next-input-character;
5061            redo A;
5062          } elsif ($self->{nc} == 0x003E) { # >
5063            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5064            !!!next-input-character;
5065            !!!emit ($self->{ct}); # ENTITY/ELEMENT
5066            redo A;
5067          } elsif ($self->{nc} == -1) {
5068            !!!parse-error (type => 'unclosed md'); ## TODO: type
5069            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5070            !!!next-input-character;
5071            !!!emit ($self->{ct}); # ENTITY/ELEMENT
5072            redo A;
5073          } else {
5074            !!!parse-error (type => 'string after md def'); ## TODO: type
5075            $self->{state} = BOGUS_MD_STATE;
5076            ## Reconsume.
5077            redo A;
5078          }
5079        } elsif ($self->{state} == BOGUS_MD_STATE) {
5080          if ($self->{nc} == 0x003E) { # >
5081            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5082            !!!next-input-character;
5083            !!!emit ($self->{ct}); # ATTLIST/ENTITY/NOTATION
5084            redo A;
5085          } elsif ($self->{nc} == -1) {
5086            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5087            ## Reconsume.
5088            !!!emit ($self->{ct}); # ATTLIST/ENTITY/NOTATION
5089            redo A;
5090          } else {
5091            ## Stay in the state.
5092            !!!next-input-character;
5093          redo A;          redo A;
5094        }        }
5095      } else {      } else {
# Line 2672  sub _get_next_token ($) { Line 5102  sub _get_next_token ($) {
5102    
5103  1;  1;
5104  ## $Date$  ## $Date$
5105                                    
Legend:
Removed from v.1.4  
changed lines
  Added in v.1.23
admin@suikawiki.org
 ViewVC Help
Powered by ViewVC 1.1.24