/[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 1.29 by wakaba, Sun Aug 16 04:06:34 2009 UTC
# Line 15  BEGIN { Line 15  BEGIN {
15      CHARACTER_TOKEN      CHARACTER_TOKEN
16      PI_TOKEN      PI_TOKEN
17      ABORT_TOKEN      ABORT_TOKEN
18        END_OF_DOCTYPE_TOKEN
19        ATTLIST_TOKEN
20        ELEMENT_TOKEN
21        GENERAL_ENTITY_TOKEN
22        PARAMETER_ENTITY_TOKEN
23        NOTATION_TOKEN
24    );    );
25        
26    our %EXPORT_TAGS = (    our %EXPORT_TAGS = (
# Line 27  BEGIN { Line 33  BEGIN {
33        CHARACTER_TOKEN        CHARACTER_TOKEN
34        PI_TOKEN        PI_TOKEN
35        ABORT_TOKEN        ABORT_TOKEN
36          END_OF_DOCTYPE_TOKEN
37          ATTLIST_TOKEN
38          ELEMENT_TOKEN
39          GENERAL_ENTITY_TOKEN
40          PARAMETER_ENTITY_TOKEN
41          NOTATION_TOKEN
42      )],      )],
43    );    );
44  }  }
45    
46    ## NOTE: Differences from the XML5 draft are marked as "XML5:".
47    
48  ## Token types  ## Token types
49    
50  sub DOCTYPE_TOKEN () { 1 }  sub DOCTYPE_TOKEN () { 1 } ## XML5: No DOCTYPE token.
51  sub COMMENT_TOKEN () { 2 }  sub COMMENT_TOKEN () { 2 }
52  sub START_TAG_TOKEN () { 3 }  sub START_TAG_TOKEN () { 3 }
53  sub END_TAG_TOKEN () { 4 }  sub END_TAG_TOKEN () { 4 }
54  sub END_OF_FILE_TOKEN () { 5 }  sub END_OF_FILE_TOKEN () { 5 }
55  sub CHARACTER_TOKEN () { 6 }  sub CHARACTER_TOKEN () { 6 }
56  sub PI_TOKEN () { 7 } # XML5  sub PI_TOKEN () { 7 } ## NOTE: XML only.
57  sub ABORT_TOKEN () { 8 } # Not a token actually  sub ABORT_TOKEN () { 8 } ## NOTE: For internal processing.
58    sub END_OF_DOCTYPE_TOKEN () { 9 } ## NOTE: XML only.
59    sub ATTLIST_TOKEN () { 10 } ## NOTE: XML only.
60    sub ELEMENT_TOKEN () { 11 } ## NOTE: XML only.
61    sub GENERAL_ENTITY_TOKEN () { 12 } ## NOTE: XML only.
62    sub PARAMETER_ENTITY_TOKEN () { 13 } ## NOTE: XML only.
63    sub NOTATION_TOKEN () { 14 } ## NOTE: XML only.
64    
65    ## XML5: XML5 has "empty tag token".  In this implementation, it is
66    ## represented as a start tag token with $self->{self_closing} flag
67    ## set to true.
68    
69    ## XML5: XML5 has "short end tag token".  In this implementation, it
70    ## is represented as an end tag token with $token->{tag_name} flag set
71    ## to an empty string.
72    
73  package Whatpm::HTML;  package Whatpm::HTML;
74    
# Line 114  sub HEXREF_HEX_STATE () { 48 } Line 142  sub HEXREF_HEX_STATE () { 48 }
142  sub ENTITY_NAME_STATE () { 49 }  sub ENTITY_NAME_STATE () { 49 }
143  sub PCDATA_STATE () { 50 } # "data state" in the spec  sub PCDATA_STATE () { 50 } # "data state" in the spec
144    
145    ## XML-only states
146    sub PI_STATE () { 51 }
147    sub PI_TARGET_STATE () { 52 }
148    sub PI_TARGET_AFTER_STATE () { 53 }
149    sub PI_DATA_STATE () { 54 }
150    sub PI_AFTER_STATE () { 55 }
151    sub PI_DATA_AFTER_STATE () { 56 }
152    sub DOCTYPE_INTERNAL_SUBSET_STATE () { 57 }
153    sub DOCTYPE_INTERNAL_SUBSET_AFTER_STATE () { 58 }
154    sub BOGUS_DOCTYPE_INTERNAL_SUBSET_AFTER_STATE () { 59 }
155    sub DOCTYPE_TAG_STATE () { 60 }
156    sub DOCTYPE_MARKUP_DECLARATION_OPEN_STATE () { 61 }
157    sub MD_ATTLIST_STATE () { 62 }
158    sub MD_E_STATE () { 63 }
159    sub MD_ELEMENT_STATE () { 64 }
160    sub MD_ENTITY_STATE () { 65 }
161    sub MD_NOTATION_STATE () { 66 }
162    sub DOCTYPE_MD_STATE () { 67 }
163    sub BEFORE_MD_NAME_STATE () { 68 }
164    sub MD_NAME_STATE () { 69 }
165    sub DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE () { 70 }
166    sub DOCTYPE_ATTLIST_NAME_AFTER_STATE () { 71 }
167    sub DOCTYPE_ATTLIST_ATTRIBUTE_NAME_STATE () { 72 }
168    sub DOCTYPE_ATTLIST_ATTRIBUTE_NAME_AFTER_STATE () { 73 }
169    sub DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_STATE () { 74 }
170    sub DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_AFTER_STATE () { 75 }
171    sub BEFORE_ALLOWED_TOKEN_STATE () { 76 }
172    sub ALLOWED_TOKEN_STATE () { 77 }
173    sub AFTER_ALLOWED_TOKEN_STATE () { 78 }
174    sub AFTER_ALLOWED_TOKENS_STATE () { 79 }
175    sub BEFORE_ATTR_DEFAULT_STATE () { 80 }
176    sub DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE () { 81 }
177    sub DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_STATE () { 82 }
178    sub DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_AFTER_STATE () { 83 }
179    sub AFTER_ATTLIST_ATTR_VALUE_QUOTED_STATE () { 84 }
180    sub BEFORE_NDATA_STATE () { 85 }
181    sub NDATA_STATE () { 86 }
182    sub AFTER_NDATA_STATE () { 87 }
183    sub BEFORE_NOTATION_NAME_STATE () { 88 }
184    sub NOTATION_NAME_STATE () { 89 }
185    sub DOCTYPE_ENTITY_VALUE_DOUBLE_QUOTED_STATE () { 90 }
186    sub DOCTYPE_ENTITY_VALUE_SINGLE_QUOTED_STATE () { 91 }
187    sub ENTITY_VALUE_ENTITY_STATE () { 92 }
188    sub AFTER_ELEMENT_NAME_STATE () { 93 }
189    sub BEFORE_ELEMENT_CONTENT_STATE () { 94 }
190    sub CONTENT_KEYWORD_STATE () { 95 }
191    sub AFTER_CM_GROUP_OPEN_STATE () { 96 }
192    sub CM_ELEMENT_NAME_STATE () { 97 }
193    sub AFTER_CM_ELEMENT_NAME_STATE () { 98 }
194    sub AFTER_CM_GROUP_CLOSE_STATE () { 99 }
195    sub AFTER_MD_DEF_STATE () { 100 }
196    sub BOGUS_MD_STATE () { 101 }
197    
198  ## Tree constructor state constants (see Whatpm::HTML for the full  ## Tree constructor state constants (see Whatpm::HTML for the full
199  ## list and descriptions)  ## list and descriptions)
200    
# Line 178  sub _initialize_tokenizer ($) { Line 259  sub _initialize_tokenizer ($) {
259    #$self->{is_xml} (if XML)    #$self->{is_xml} (if XML)
260    
261    $self->{state} = DATA_STATE; # MUST    $self->{state} = DATA_STATE; # MUST
262    #$self->{s_kwd}; # state keyword - 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 ($self->{ct}); # start tag or end tag
1270    
1271          redo A;          redo A;
1272        } else {        } else {
1273          if ($self->{nc} == 0x003D) { # =          if ($self->{nc} == 0x003D or $self->{nc} == 0x003C) { # =, <
1274            !!!cp (93);            !!!cp (93);
1275              ## XML5: Not a parse error.
1276            !!!parse-error (type => 'bad attribute value');            !!!parse-error (type => 'bad attribute value');
1277            } elsif ($self->{is_xml}) {
1278              !!!cp (93.1);
1279              ## XML5: No parse error.
1280              !!!parse-error (type => 'unquoted attr value'); ## TODO
1281          } else {          } else {
1282            !!!cp (94);            !!!cp (94);
1283          }          }
# Line 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 ($self->{nc} == 0x0026) { # &
1307          !!!cp (96);          !!!cp (96);
1308            ## XML5: Not defined yet.
1309    
1310          ## NOTE: In the spec, the tokenizer is switched to the          ## NOTE: In the spec, the tokenizer is switched to the
1311          ## "entity in attribute value state".  In this implementation, the          ## "entity in attribute value state".  In this implementation, the
1312          ## tokenizer is switched to the |ENTITY_STATE|, which is an          ## tokenizer is switched to the |ENTITY_STATE|, which is an
# Line 1066  sub _get_next_token ($) { Line 1316  sub _get_next_token ($) {
1316          $self->{state} = ENTITY_STATE;          $self->{state} = ENTITY_STATE;
1317          !!!next-input-character;          !!!next-input-character;
1318          redo A;          redo A;
1319          } elsif ($self->{is_xml} and
1320                   $is_space->{$self->{nc}}) {
1321            !!!cp (97.1);
1322            $self->{ca}->{value} .= ' ';
1323            ## Stay in the state.
1324            !!!next-input-character;
1325            redo A;
1326        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
1327          !!!parse-error (type => 'unclosed attribute value');          !!!parse-error (type => 'unclosed attribute value');
1328          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1329            !!!cp (97);            !!!cp (97);
1330            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
1331    
1332              $self->{state} = DATA_STATE;
1333              $self->{s_kwd} = '';
1334              ## reconsume
1335              !!!emit ($self->{ct}); # start tag
1336              redo A;
1337          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {
1338            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1339            if ($self->{ct}->{attributes}) {            if ($self->{ct}->{attributes}) {
# Line 1080  sub _get_next_token ($) { Line 1343  sub _get_next_token ($) {
1343              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1344              !!!cp (99);              !!!cp (99);
1345            }            }
1346    
1347              $self->{state} = DATA_STATE;
1348              $self->{s_kwd} = '';
1349              ## reconsume
1350              !!!emit ($self->{ct}); # end tag
1351              redo A;
1352            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1353              ## XML5: No parse error above; not defined yet.
1354              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1355              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1356              ## Reconsume.
1357              !!!emit ($self->{ct}); # ATTLIST
1358              redo A;
1359          } else {          } else {
1360            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1361          }          }
         $self->{state} = DATA_STATE;  
         ## reconsume  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1362        } else {        } else {
1363          !!!cp (100);          ## XML5 [ATTLIST]: Not defined yet.
1364            if ($self->{is_xml} and $self->{nc} == 0x003C) { # <
1365              !!!cp (100);
1366              ## XML5: Not a parse error.
1367              !!!parse-error (type => 'lt in attr value'); ## TODO: type
1368            } else {
1369              !!!cp (100.1);
1370            }
1371          $self->{ca}->{value} .= chr ($self->{nc});          $self->{ca}->{value} .= chr ($self->{nc});
1372          $self->{read_until}->($self->{ca}->{value},          $self->{read_until}->($self->{ca}->{value},
1373                                q["&],                                qq["&<\x09\x0C\x20],
1374                                length $self->{ca}->{value});                                length $self->{ca}->{value});
1375    
1376          ## Stay in the state          ## Stay in the state
# Line 1101  sub _get_next_token ($) { Line 1378  sub _get_next_token ($) {
1378          redo A;          redo A;
1379        }        }
1380      } elsif ($self->{state} == ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE) {      } elsif ($self->{state} == ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE) {
1381          ## XML5: "Tag attribute value single quoted state" and "DOCTYPE
1382          ## ATTLIST attribute value single quoted state".
1383    
1384        if ($self->{nc} == 0x0027) { # '        if ($self->{nc} == 0x0027) { # '
1385          !!!cp (101);          if ($self->{ct}->{type} == ATTLIST_TOKEN) {
1386          $self->{state} = AFTER_ATTRIBUTE_VALUE_QUOTED_STATE;            !!!cp (101.1);
1387              ## XML5: "DOCTYPE ATTLIST name after state".
1388              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1389              $self->{state} = AFTER_ATTLIST_ATTR_VALUE_QUOTED_STATE;
1390            } else {
1391              !!!cp (101);
1392              ## XML5: "Before attribute name state" (sic).
1393              $self->{state} = AFTER_ATTRIBUTE_VALUE_QUOTED_STATE;
1394            }
1395          !!!next-input-character;          !!!next-input-character;
1396          redo A;          redo A;
1397        } elsif ($self->{nc} == 0x0026) { # &        } elsif ($self->{nc} == 0x0026) { # &
1398          !!!cp (102);          !!!cp (102);
1399            ## XML5: Not defined yet.
1400    
1401          ## NOTE: In the spec, the tokenizer is switched to the          ## NOTE: In the spec, the tokenizer is switched to the
1402          ## "entity in attribute value state".  In this implementation, the          ## "entity in attribute value state".  In this implementation, the
1403          ## tokenizer is switched to the |ENTITY_STATE|, which is an          ## tokenizer is switched to the |ENTITY_STATE|, which is an
# Line 1117  sub _get_next_token ($) { Line 1407  sub _get_next_token ($) {
1407          $self->{state} = ENTITY_STATE;          $self->{state} = ENTITY_STATE;
1408          !!!next-input-character;          !!!next-input-character;
1409          redo A;          redo A;
1410          } elsif ($self->{is_xml} and
1411                   $is_space->{$self->{nc}}) {
1412            !!!cp (103.1);
1413            $self->{ca}->{value} .= ' ';
1414            ## Stay in the state.
1415            !!!next-input-character;
1416            redo A;
1417        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
1418          !!!parse-error (type => 'unclosed attribute value');          !!!parse-error (type => 'unclosed attribute value');
1419          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1420            !!!cp (103);            !!!cp (103);
1421            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
1422    
1423              $self->{state} = DATA_STATE;
1424              $self->{s_kwd} = '';
1425              ## reconsume
1426              !!!emit ($self->{ct}); # start tag
1427              redo A;
1428          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {
1429            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1430            if ($self->{ct}->{attributes}) {            if ($self->{ct}->{attributes}) {
# Line 1131  sub _get_next_token ($) { Line 1434  sub _get_next_token ($) {
1434              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1435              !!!cp (105);              !!!cp (105);
1436            }            }
1437    
1438              $self->{state} = DATA_STATE;
1439              $self->{s_kwd} = '';
1440              ## reconsume
1441              !!!emit ($self->{ct}); # end tag
1442              redo A;
1443            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1444              ## XML5: No parse error above; not defined yet.
1445              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1446              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1447              ## Reconsume.
1448              !!!emit ($self->{ct}); # ATTLIST
1449              redo A;
1450          } else {          } else {
1451            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1452          }          }
         $self->{state} = DATA_STATE;  
         ## reconsume  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1453        } else {        } else {
1454          !!!cp (106);          ## XML5 [ATTLIST]: Not defined yet.
1455            if ($self->{is_xml} and $self->{nc} == 0x003C) { # <
1456              !!!cp (106);
1457              ## XML5: Not a parse error.
1458              !!!parse-error (type => 'lt in attr value'); ## TODO: type
1459            } else {
1460              !!!cp (106.1);
1461            }
1462          $self->{ca}->{value} .= chr ($self->{nc});          $self->{ca}->{value} .= chr ($self->{nc});
1463          $self->{read_until}->($self->{ca}->{value},          $self->{read_until}->($self->{ca}->{value},
1464                                q['&],                                qq['&<\x09\x0C\x20],
1465                                length $self->{ca}->{value});                                length $self->{ca}->{value});
1466    
1467          ## Stay in the state          ## Stay in the state
# Line 1152  sub _get_next_token ($) { Line 1469  sub _get_next_token ($) {
1469          redo A;          redo A;
1470        }        }
1471      } elsif ($self->{state} == ATTRIBUTE_VALUE_UNQUOTED_STATE) {      } elsif ($self->{state} == ATTRIBUTE_VALUE_UNQUOTED_STATE) {
1472          ## XML5: "Tag attribute value unquoted state".
1473    
1474        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
1475          !!!cp (107);          if ($self->{ct}->{type} == ATTLIST_TOKEN) {
1476          $self->{state} = BEFORE_ATTRIBUTE_NAME_STATE;            !!!cp (107.1);
1477              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1478              $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
1479            } else {
1480              !!!cp (107);
1481              ## XML5: "Tag attribute name before state".
1482              $self->{state} = BEFORE_ATTRIBUTE_NAME_STATE;
1483            }
1484          !!!next-input-character;          !!!next-input-character;
1485          redo A;          redo A;
1486        } elsif ($self->{nc} == 0x0026) { # &        } elsif ($self->{nc} == 0x0026) { # &
1487          !!!cp (108);          !!!cp (108);
1488    
1489            ## XML5: Not defined yet.
1490    
1491          ## NOTE: In the spec, the tokenizer is switched to the          ## NOTE: In the spec, the tokenizer is switched to the
1492          ## "entity in attribute value state".  In this implementation, the          ## "entity in attribute value state".  In this implementation, the
1493          ## tokenizer is switched to the |ENTITY_STATE|, which is an          ## tokenizer is switched to the |ENTITY_STATE|, which is an
# Line 1172  sub _get_next_token ($) { Line 1501  sub _get_next_token ($) {
1501          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1502            !!!cp (109);            !!!cp (109);
1503            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
1504    
1505              $self->{state} = DATA_STATE;
1506              $self->{s_kwd} = '';
1507              !!!next-input-character;
1508              !!!emit ($self->{ct}); # start tag
1509              redo A;
1510          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {
1511            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1512            if ($self->{ct}->{attributes}) {            if ($self->{ct}->{attributes}) {
# Line 1181  sub _get_next_token ($) { Line 1516  sub _get_next_token ($) {
1516              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1517              !!!cp (111);              !!!cp (111);
1518            }            }
1519    
1520              $self->{state} = DATA_STATE;
1521              $self->{s_kwd} = '';
1522              !!!next-input-character;
1523              !!!emit ($self->{ct}); # end tag
1524              redo A;
1525            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1526              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1527              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1528              !!!next-input-character;
1529              !!!emit ($self->{ct}); # ATTLIST
1530              redo A;
1531          } else {          } else {
1532            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1533          }          }
         $self->{state} = DATA_STATE;  
         !!!next-input-character;  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1534        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!parse-error (type => 'unclosed tag');  
1535          if ($self->{ct}->{type} == START_TAG_TOKEN) {          if ($self->{ct}->{type} == START_TAG_TOKEN) {
1536            !!!cp (112);            !!!cp (112);
1537              !!!parse-error (type => 'unclosed tag');
1538            $self->{last_stag_name} = $self->{ct}->{tag_name};            $self->{last_stag_name} = $self->{ct}->{tag_name};
1539    
1540              $self->{state} = DATA_STATE;
1541              $self->{s_kwd} = '';
1542              ## reconsume
1543              !!!emit ($self->{ct}); # start tag
1544              redo A;
1545          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {          } elsif ($self->{ct}->{type} == END_TAG_TOKEN) {
1546              !!!parse-error (type => 'unclosed tag');
1547            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST            $self->{content_model} = PCDATA_CONTENT_MODEL; # MUST
1548            if ($self->{ct}->{attributes}) {            if ($self->{ct}->{attributes}) {
1549              !!!cp (113);              !!!cp (113);
# Line 1204  sub _get_next_token ($) { Line 1552  sub _get_next_token ($) {
1552              ## NOTE: This state should never be reached.              ## NOTE: This state should never be reached.
1553              !!!cp (114);              !!!cp (114);
1554            }            }
1555    
1556              $self->{state} = DATA_STATE;
1557              $self->{s_kwd} = '';
1558              ## reconsume
1559              !!!emit ($self->{ct}); # end tag
1560              redo A;
1561            } elsif ($self->{ct}->{type} == ATTLIST_TOKEN) {
1562              !!!parse-error (type => 'unclosed md'); ## TODO: type
1563              push @{$self->{ct}->{attrdefs}}, $self->{ca};
1564              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1565              ## Reconsume.
1566              !!!emit ($self->{ct}); # ATTLIST
1567              redo A;
1568          } else {          } else {
1569            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1570          }          }
         $self->{state} = DATA_STATE;  
         ## reconsume  
   
         !!!emit ($self->{ct}); # start tag or end tag  
   
         redo A;  
1571        } else {        } else {
1572          if ({          if ({
1573               0x0022 => 1, # "               0x0022 => 1, # "
1574               0x0027 => 1, # '               0x0027 => 1, # '
1575               0x003D => 1, # =               0x003D => 1, # =
1576                 0x003C => 1, # <
1577              }->{$self->{nc}}) {              }->{$self->{nc}}) {
1578            !!!cp (115);            !!!cp (115);
1579              ## XML5: Not a parse error.
1580            !!!parse-error (type => 'bad attribute value');            !!!parse-error (type => 'bad attribute value');
1581          } else {          } else {
1582            !!!cp (116);            !!!cp (116);
1583          }          }
1584          $self->{ca}->{value} .= chr ($self->{nc});          $self->{ca}->{value} .= chr ($self->{nc});
1585          $self->{read_until}->($self->{ca}->{value},          $self->{read_until}->($self->{ca}->{value},
1586                                q["'=& >],                                qq["'=& \x09\x0C>],
1587                                length $self->{ca}->{value});                                length $self->{ca}->{value});
1588    
1589          ## Stay in the state          ## Stay in the state
# Line 1256  sub _get_next_token ($) { Line 1613  sub _get_next_token ($) {
1613            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1614          }          }
1615          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1616            $self->{s_kwd} = '';
1617          !!!next-input-character;          !!!next-input-character;
1618    
1619          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 1283  sub _get_next_token ($) { Line 1641  sub _get_next_token ($) {
1641            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1642          }          }
1643          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1644            $self->{s_kwd} = '';
1645          ## Reconsume.          ## Reconsume.
1646          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
1647          redo A;          redo A;
# Line 1294  sub _get_next_token ($) { Line 1653  sub _get_next_token ($) {
1653          redo A;          redo A;
1654        }        }
1655      } elsif ($self->{state} == SELF_CLOSING_START_TAG_STATE) {      } elsif ($self->{state} == SELF_CLOSING_START_TAG_STATE) {
1656          ## XML5: "Empty tag state".
1657    
1658        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
1659          if ($self->{ct}->{type} == END_TAG_TOKEN) {          if ($self->{ct}->{type} == END_TAG_TOKEN) {
1660            !!!cp ('124.2');            !!!cp ('124.2');
# Line 1313  sub _get_next_token ($) { Line 1674  sub _get_next_token ($) {
1674          }          }
1675    
1676          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1677            $self->{s_kwd} = '';
1678          !!!next-input-character;          !!!next-input-character;
1679    
1680          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
# Line 1334  sub _get_next_token ($) { Line 1696  sub _get_next_token ($) {
1696          } else {          } else {
1697            die "$0: $self->{ct}->{type}: Unknown token type";            die "$0: $self->{ct}->{type}: Unknown token type";
1698          }          }
1699            ## XML5: "Tag attribute name before state".
1700          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
1701            $self->{s_kwd} = '';
1702          ## Reconsume.          ## Reconsume.
1703          !!!emit ($self->{ct}); # start tag or end tag          !!!emit ($self->{ct}); # start tag or end tag
1704          redo A;          redo A;
# Line 1347  sub _get_next_token ($) { Line 1711  sub _get_next_token ($) {
1711          redo A;          redo A;
1712        }        }
1713      } elsif ($self->{state} == BOGUS_COMMENT_STATE) {      } elsif ($self->{state} == BOGUS_COMMENT_STATE) {
1714        ## (only happen if PCDATA state)        ## XML5: "Bogus comment state" and "DOCTYPE bogus comment state".
1715    
1716        ## NOTE: Unlike spec's "bogus comment state", this implementation        ## NOTE: Unlike spec's "bogus comment state", this implementation
1717        ## consumes characters one-by-one basis.        ## consumes characters one-by-one basis.
1718                
1719        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
1720          !!!cp (124);          if ($self->{in_subset}) {
1721          $self->{state} = DATA_STATE;            !!!cp (123);
1722              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1723            } else {
1724              !!!cp (124);
1725              $self->{state} = DATA_STATE;
1726              $self->{s_kwd} = '';
1727            }
1728          !!!next-input-character;          !!!next-input-character;
1729    
1730          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
1731          redo A;          redo A;
1732        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
1733          !!!cp (125);          if ($self->{in_subset}) {
1734          $self->{state} = DATA_STATE;            !!!cp (125.1);
1735              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1736            } else {
1737              !!!cp (125);
1738              $self->{state} = DATA_STATE;
1739              $self->{s_kwd} = '';
1740            }
1741          ## reconsume          ## reconsume
1742    
1743          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1378  sub _get_next_token ($) { Line 1754  sub _get_next_token ($) {
1754          redo A;          redo A;
1755        }        }
1756      } elsif ($self->{state} == MARKUP_DECLARATION_OPEN_STATE) {      } elsif ($self->{state} == MARKUP_DECLARATION_OPEN_STATE) {
1757        ## (only happen if PCDATA state)        ## XML5: "Markup declaration state".
1758                
1759        if ($self->{nc} == 0x002D) { # -        if ($self->{nc} == 0x002D) { # -
1760          !!!cp (133);          !!!cp (133);
# Line 1390  sub _get_next_token ($) { Line 1766  sub _get_next_token ($) {
1766          ## ASCII case-insensitive.          ## ASCII case-insensitive.
1767          !!!cp (130);          !!!cp (130);
1768          $self->{state} = MD_DOCTYPE_STATE;          $self->{state} = MD_DOCTYPE_STATE;
1769          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
1770          !!!next-input-character;          !!!next-input-character;
1771          redo A;          redo A;
1772        } elsif ((($self->{insertion_mode} & IN_FOREIGN_CONTENT_IM and        } elsif ((($self->{insertion_mode} & IN_FOREIGN_CONTENT_IM and
# Line 1399  sub _get_next_token ($) { Line 1775  sub _get_next_token ($) {
1775                 $self->{nc} == 0x005B) { # [                 $self->{nc} == 0x005B) { # [
1776          !!!cp (135.4);                          !!!cp (135.4);                
1777          $self->{state} = MD_CDATA_STATE;          $self->{state} = MD_CDATA_STATE;
1778          $self->{s_kwd} = '[';          $self->{kwd} = '[';
1779          !!!next-input-character;          !!!next-input-character;
1780          redo A;          redo A;
1781        } else {        } else {
# Line 1423  sub _get_next_token ($) { Line 1799  sub _get_next_token ($) {
1799                                    line => $self->{line_prev},                                    line => $self->{line_prev},
1800                                    column => $self->{column_prev} - 2,                                    column => $self->{column_prev} - 2,
1801                                   };                                   };
1802          $self->{state} = COMMENT_START_STATE;          $self->{state} = COMMENT_START_STATE; ## XML5: "comment state".
1803          !!!next-input-character;          !!!next-input-character;
1804          redo A;          redo A;
1805        } else {        } else {
# Line 1449  sub _get_next_token ($) { Line 1825  sub _get_next_token ($) {
1825              0x0054, # T              0x0054, # T
1826              0x0059, # Y              0x0059, # Y
1827              0x0050, # P              0x0050, # P
1828            ]->[length $self->{s_kwd}] or            ]->[length $self->{kwd}] or
1829            $self->{nc} == [            $self->{nc} == [
1830              undef,              undef,
1831              0x006F, # o              0x006F, # o
# Line 1457  sub _get_next_token ($) { Line 1833  sub _get_next_token ($) {
1833              0x0074, # t              0x0074, # t
1834              0x0079, # y              0x0079, # y
1835              0x0070, # p              0x0070, # p
1836            ]->[length $self->{s_kwd}]) {            ]->[length $self->{kwd}]) {
1837          !!!cp (131);          !!!cp (131);
1838          ## Stay in the state.          ## Stay in the state.
1839          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
1840          !!!next-input-character;          !!!next-input-character;
1841          redo A;          redo A;
1842        } elsif ((length $self->{s_kwd}) == 6 and        } elsif ((length $self->{kwd}) == 6 and
1843                 ($self->{nc} == 0x0045 or # E                 ($self->{nc} == 0x0045 or # E
1844                  $self->{nc} == 0x0065)) { # e                  $self->{nc} == 0x0065)) { # e
1845          !!!cp (129);          if ($self->{is_xml} and
1846                ($self->{kwd} ne 'DOCTYP' or $self->{nc} == 0x0065)) {
1847              !!!cp (129);
1848              ## XML5: case-sensitive.
1849              !!!parse-error (type => 'lowercase keyword', ## TODO
1850                              text => 'DOCTYPE',
1851                              line => $self->{line_prev},
1852                              column => $self->{column_prev} - 5);
1853            } else {
1854              !!!cp (129.1);
1855            }
1856          $self->{state} = DOCTYPE_STATE;          $self->{state} = DOCTYPE_STATE;
1857          $self->{ct} = {type => DOCTYPE_TOKEN,          $self->{ct} = {type => DOCTYPE_TOKEN,
1858                                    quirks => 1,                                    quirks => 1,
# Line 1479  sub _get_next_token ($) { Line 1865  sub _get_next_token ($) {
1865          !!!cp (132);                  !!!cp (132);        
1866          !!!parse-error (type => 'bogus comment',          !!!parse-error (type => 'bogus comment',
1867                          line => $self->{line_prev},                          line => $self->{line_prev},
1868                          column => $self->{column_prev} - 1 - length $self->{s_kwd});                          column => $self->{column_prev} - 1 - length $self->{kwd});
1869          $self->{state} = BOGUS_COMMENT_STATE;          $self->{state} = BOGUS_COMMENT_STATE;
1870          ## Reconsume.          ## Reconsume.
1871          $self->{ct} = {type => COMMENT_TOKEN,          $self->{ct} = {type => COMMENT_TOKEN,
1872                                    data => $self->{s_kwd},                                    data => $self->{kwd},
1873                                    line => $self->{line_prev},                                    line => $self->{line_prev},
1874                                    column => $self->{column_prev} - 1 - length $self->{s_kwd},                                    column => $self->{column_prev} - 1 - length $self->{kwd},
1875                                   };                                   };
1876          redo A;          redo A;
1877        }        }
# Line 1496  sub _get_next_token ($) { Line 1882  sub _get_next_token ($) {
1882              '[CD' => 0x0041, # A              '[CD' => 0x0041, # A
1883              '[CDA' => 0x0054, # T              '[CDA' => 0x0054, # T
1884              '[CDAT' => 0x0041, # A              '[CDAT' => 0x0041, # A
1885            }->{$self->{s_kwd}}) {            }->{$self->{kwd}}) {
1886          !!!cp (135.1);          !!!cp (135.1);
1887          ## Stay in the state.          ## Stay in the state.
1888          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
1889          !!!next-input-character;          !!!next-input-character;
1890          redo A;          redo A;
1891        } elsif ($self->{s_kwd} eq '[CDATA' and        } elsif ($self->{kwd} eq '[CDATA' and
1892                 $self->{nc} == 0x005B) { # [                 $self->{nc} == 0x005B) { # [
1893          !!!cp (135.2);          if ($self->{is_xml} and
1894                not $self->{tainted} and
1895                @{$self->{open_elements} or []} == 0) {
1896              !!!cp (135.2);
1897              !!!parse-error (type => 'cdata outside of root element',
1898                              line => $self->{line_prev},
1899                              column => $self->{column_prev} - 7);
1900              $self->{tainted} = 1;
1901            } else {
1902              !!!cp (135.21);
1903            }
1904    
1905          $self->{ct} = {type => CHARACTER_TOKEN,          $self->{ct} = {type => CHARACTER_TOKEN,
1906                                    data => '',                                    data => '',
1907                                    line => $self->{line_prev},                                    line => $self->{line_prev},
# Line 1516  sub _get_next_token ($) { Line 1913  sub _get_next_token ($) {
1913          !!!cp (135.3);          !!!cp (135.3);
1914          !!!parse-error (type => 'bogus comment',          !!!parse-error (type => 'bogus comment',
1915                          line => $self->{line_prev},                          line => $self->{line_prev},
1916                          column => $self->{column_prev} - 1 - length $self->{s_kwd});                          column => $self->{column_prev} - 1 - length $self->{kwd});
1917          $self->{state} = BOGUS_COMMENT_STATE;          $self->{state} = BOGUS_COMMENT_STATE;
1918          ## Reconsume.          ## Reconsume.
1919          $self->{ct} = {type => COMMENT_TOKEN,          $self->{ct} = {type => COMMENT_TOKEN,
1920                                    data => $self->{s_kwd},                                    data => $self->{kwd},
1921                                    line => $self->{line_prev},                                    line => $self->{line_prev},
1922                                    column => $self->{column_prev} - 1 - length $self->{s_kwd},                                    column => $self->{column_prev} - 1 - length $self->{kwd},
1923                                   };                                   };
1924          redo A;          redo A;
1925        }        }
# Line 1533  sub _get_next_token ($) { Line 1930  sub _get_next_token ($) {
1930          !!!next-input-character;          !!!next-input-character;
1931          redo A;          redo A;
1932        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (138);  
1933          !!!parse-error (type => 'bogus comment');          !!!parse-error (type => 'bogus comment');
1934          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
1935              !!!cp (138.1);
1936              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1937            } else {
1938              !!!cp (138);
1939              $self->{state} = DATA_STATE;
1940              $self->{s_kwd} = '';
1941            }
1942          !!!next-input-character;          !!!next-input-character;
1943    
1944          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
1945    
1946          redo A;          redo A;
1947        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (139);  
1948          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
1949          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
1950              !!!cp (139.1);
1951              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1952            } else {
1953              !!!cp (139);
1954              $self->{state} = DATA_STATE;
1955              $self->{s_kwd} = '';
1956            }
1957          ## reconsume          ## reconsume
1958    
1959          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1565  sub _get_next_token ($) { Line 1974  sub _get_next_token ($) {
1974          !!!next-input-character;          !!!next-input-character;
1975          redo A;          redo A;
1976        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (142);  
1977          !!!parse-error (type => 'bogus comment');          !!!parse-error (type => 'bogus comment');
1978          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
1979              !!!cp (142.1);
1980              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1981            } else {
1982              !!!cp (142);
1983              $self->{state} = DATA_STATE;
1984              $self->{s_kwd} = '';
1985            }
1986          !!!next-input-character;          !!!next-input-character;
1987    
1988          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
1989    
1990          redo A;          redo A;
1991        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (143);  
1992          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
1993          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
1994              !!!cp (143.1);
1995              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
1996            } else {
1997              !!!cp (143);
1998              $self->{state} = DATA_STATE;
1999              $self->{s_kwd} = '';
2000            }
2001          ## reconsume          ## reconsume
2002    
2003          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1591  sub _get_next_token ($) { Line 2012  sub _get_next_token ($) {
2012          redo A;          redo A;
2013        }        }
2014      } elsif ($self->{state} == COMMENT_STATE) {      } elsif ($self->{state} == COMMENT_STATE) {
2015          ## XML5: "Comment state" and "DOCTYPE comment state".
2016    
2017        if ($self->{nc} == 0x002D) { # -        if ($self->{nc} == 0x002D) { # -
2018          !!!cp (145);          !!!cp (145);
2019          $self->{state} = COMMENT_END_DASH_STATE;          $self->{state} = COMMENT_END_DASH_STATE;
2020          !!!next-input-character;          !!!next-input-character;
2021          redo A;          redo A;
2022        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (146);  
2023          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
2024          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
2025              !!!cp (146.1);
2026              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2027            } else {
2028              !!!cp (146);
2029              $self->{state} = DATA_STATE;
2030              $self->{s_kwd} = '';
2031            }
2032          ## reconsume          ## reconsume
2033    
2034          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1617  sub _get_next_token ($) { Line 2046  sub _get_next_token ($) {
2046          redo A;          redo A;
2047        }        }
2048      } elsif ($self->{state} == COMMENT_END_DASH_STATE) {      } elsif ($self->{state} == COMMENT_END_DASH_STATE) {
2049          ## XML5: "Comment dash state" and "DOCTYPE comment dash state".
2050    
2051        if ($self->{nc} == 0x002D) { # -        if ($self->{nc} == 0x002D) { # -
2052          !!!cp (148);          !!!cp (148);
2053          $self->{state} = COMMENT_END_STATE;          $self->{state} = COMMENT_END_STATE;
2054          !!!next-input-character;          !!!next-input-character;
2055          redo A;          redo A;
2056        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (149);  
2057          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
2058          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
2059              !!!cp (149.1);
2060              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2061            } else {
2062              !!!cp (149);
2063              $self->{state} = DATA_STATE;
2064              $self->{s_kwd} = '';
2065            }
2066          ## reconsume          ## reconsume
2067    
2068          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1639  sub _get_next_token ($) { Line 2076  sub _get_next_token ($) {
2076          redo A;          redo A;
2077        }        }
2078      } elsif ($self->{state} == COMMENT_END_STATE) {      } elsif ($self->{state} == COMMENT_END_STATE) {
2079          ## XML5: "Comment end state" and "DOCTYPE comment end state".
2080    
2081        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
2082          !!!cp (151);          if ($self->{in_subset}) {
2083          $self->{state} = DATA_STATE;            !!!cp (151.1);
2084              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2085            } else {
2086              !!!cp (151);
2087              $self->{state} = DATA_STATE;
2088              $self->{s_kwd} = '';
2089            }
2090          !!!next-input-character;          !!!next-input-character;
2091    
2092          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1649  sub _get_next_token ($) { Line 2094  sub _get_next_token ($) {
2094          redo A;          redo A;
2095        } elsif ($self->{nc} == 0x002D) { # -        } elsif ($self->{nc} == 0x002D) { # -
2096          !!!cp (152);          !!!cp (152);
2097            ## XML5: Not a parse error.
2098          !!!parse-error (type => 'dash in comment',          !!!parse-error (type => 'dash in comment',
2099                          line => $self->{line_prev},                          line => $self->{line_prev},
2100                          column => $self->{column_prev});                          column => $self->{column_prev});
# Line 1657  sub _get_next_token ($) { Line 2103  sub _get_next_token ($) {
2103          !!!next-input-character;          !!!next-input-character;
2104          redo A;          redo A;
2105        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (153);  
2106          !!!parse-error (type => 'unclosed comment');          !!!parse-error (type => 'unclosed comment');
2107          $self->{state} = DATA_STATE;          if ($self->{in_subset}) {
2108              !!!cp (153.1);
2109              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2110            } else {
2111              !!!cp (153);
2112              $self->{state} = DATA_STATE;
2113              $self->{s_kwd} = '';
2114            }
2115          ## reconsume          ## reconsume
2116    
2117          !!!emit ($self->{ct}); # comment          !!!emit ($self->{ct}); # comment
# Line 1667  sub _get_next_token ($) { Line 2119  sub _get_next_token ($) {
2119          redo A;          redo A;
2120        } else {        } else {
2121          !!!cp (154);          !!!cp (154);
         !!!parse-error (type => 'dash in comment',  
                         line => $self->{line_prev},  
                         column => $self->{column_prev});  
2122          $self->{ct}->{data} .= '--' . chr ($self->{nc}); # comment          $self->{ct}->{data} .= '--' . chr ($self->{nc}); # comment
2123          $self->{state} = COMMENT_STATE;          $self->{state} = COMMENT_STATE;
2124          !!!next-input-character;          !!!next-input-character;
# Line 1681  sub _get_next_token ($) { Line 2130  sub _get_next_token ($) {
2130          $self->{state} = BEFORE_DOCTYPE_NAME_STATE;          $self->{state} = BEFORE_DOCTYPE_NAME_STATE;
2131          !!!next-input-character;          !!!next-input-character;
2132          redo A;          redo A;
2133          } elsif ($self->{nc} == -1) {
2134            !!!cp (155.1);
2135            !!!parse-error (type => 'unclosed DOCTYPE');
2136            $self->{ct}->{quirks} = 1;
2137    
2138            $self->{state} = DATA_STATE;
2139            ## Reconsume.
2140            !!!emit ($self->{ct}); # DOCTYPE (quirks)
2141    
2142            redo A;
2143        } else {        } else {
2144          !!!cp (156);          !!!cp (156);
2145            ## XML5: Swith to the bogus comment state.
2146          !!!parse-error (type => 'no space before DOCTYPE name');          !!!parse-error (type => 'no space before DOCTYPE name');
2147          $self->{state} = BEFORE_DOCTYPE_NAME_STATE;          $self->{state} = BEFORE_DOCTYPE_NAME_STATE;
2148          ## reconsume          ## reconsume
2149          redo A;          redo A;
2150        }        }
2151      } elsif ($self->{state} == BEFORE_DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == BEFORE_DOCTYPE_NAME_STATE) {
2152          ## XML5: "DOCTYPE root name before state".
2153    
2154        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2155          !!!cp (157);          !!!cp (157);
2156          ## Stay in the state          ## Stay in the state
# Line 1696  sub _get_next_token ($) { Line 2158  sub _get_next_token ($) {
2158          redo A;          redo A;
2159        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2160          !!!cp (158);          !!!cp (158);
2161            ## XML5: No parse error.
2162          !!!parse-error (type => 'no DOCTYPE name');          !!!parse-error (type => 'no DOCTYPE name');
2163          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2164            $self->{s_kwd} = '';
2165          !!!next-input-character;          !!!next-input-character;
2166    
2167          !!!emit ($self->{ct}); # DOCTYPE (quirks)          !!!emit ($self->{ct}); # DOCTYPE (quirks)
2168    
2169          redo A;          redo A;
2170          } elsif (0x0041 <= $self->{nc} and $self->{nc} <= 0x005A) { # A..Z
2171            !!!cp (158.1);
2172            $self->{ct}->{name} # DOCTYPE
2173                = chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020));
2174            delete $self->{ct}->{quirks};
2175            $self->{state} = DOCTYPE_NAME_STATE;
2176            !!!next-input-character;
2177            redo A;
2178        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2179          !!!cp (159);          !!!cp (159);
2180          !!!parse-error (type => 'no DOCTYPE name');          !!!parse-error (type => 'no DOCTYPE name');
2181          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2182            $self->{s_kwd} = '';
2183          ## reconsume          ## reconsume
2184    
2185          !!!emit ($self->{ct}); # DOCTYPE (quirks)          !!!emit ($self->{ct}); # DOCTYPE (quirks)
2186    
2187          redo A;          redo A;
2188          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
2189            !!!cp (159.1);
2190            !!!parse-error (type => 'no DOCTYPE name');
2191            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2192            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2193            $self->{in_subset} = 1;
2194            !!!next-input-character;
2195            !!!emit ($self->{ct}); # DOCTYPE
2196            redo A;
2197        } else {        } else {
2198          !!!cp (160);          !!!cp (160);
2199          $self->{ct}->{name} = chr $self->{nc};          $self->{ct}->{name} = chr $self->{nc};
# Line 1721  sub _get_next_token ($) { Line 2203  sub _get_next_token ($) {
2203          redo A;          redo A;
2204        }        }
2205      } elsif ($self->{state} == DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == DOCTYPE_NAME_STATE) {
2206  ## ISSUE: Redundant "First," in the spec.        ## XML5: "DOCTYPE root name state".
2207    
2208          ## ISSUE: Redundant "First," in the spec.
2209    
2210        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2211          !!!cp (161);          !!!cp (161);
2212          $self->{state} = AFTER_DOCTYPE_NAME_STATE;          $self->{state} = AFTER_DOCTYPE_NAME_STATE;
# Line 1730  sub _get_next_token ($) { Line 2215  sub _get_next_token ($) {
2215        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2216          !!!cp (162);          !!!cp (162);
2217          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2218            $self->{s_kwd} = '';
2219          !!!next-input-character;          !!!next-input-character;
2220    
2221          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2222    
2223          redo A;          redo A;
2224          } elsif (0x0041 <= $self->{nc} and $self->{nc} <= 0x005A) { # A..Z
2225            !!!cp (162.1);
2226            $self->{ct}->{name} # DOCTYPE
2227                .= chr ($self->{nc} + ($self->{is_xml} ? 0 : 0x0020));
2228            delete $self->{ct}->{quirks};
2229            ## Stay in the state.
2230            !!!next-input-character;
2231            redo A;
2232        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2233          !!!cp (163);          !!!cp (163);
2234          !!!parse-error (type => 'unclosed DOCTYPE');          !!!parse-error (type => 'unclosed DOCTYPE');
2235          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2236            $self->{s_kwd} = '';
2237          ## reconsume          ## reconsume
2238    
2239          $self->{ct}->{quirks} = 1;          $self->{ct}->{quirks} = 1;
2240          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2241    
2242          redo A;          redo A;
2243          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
2244            !!!cp (163.1);
2245            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2246            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2247            $self->{in_subset} = 1;
2248            !!!next-input-character;
2249            !!!emit ($self->{ct}); # DOCTYPE
2250            redo A;
2251        } else {        } else {
2252          !!!cp (164);          !!!cp (164);
2253          $self->{ct}->{name}          $self->{ct}->{name} .= chr ($self->{nc}); # DOCTYPE
2254            .= chr ($self->{nc}); # DOCTYPE          ## Stay in the state.
         ## Stay in the state  
2255          !!!next-input-character;          !!!next-input-character;
2256          redo A;          redo A;
2257        }        }
2258      } elsif ($self->{state} == AFTER_DOCTYPE_NAME_STATE) {      } elsif ($self->{state} == AFTER_DOCTYPE_NAME_STATE) {
2259          ## XML5: Corresponding to XML5's "DOCTYPE root name after
2260          ## state", but implemented differently.
2261    
2262        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2263          !!!cp (165);          !!!cp (165);
2264          ## Stay in the state          ## Stay in the state
2265          !!!next-input-character;          !!!next-input-character;
2266          redo A;          redo A;
2267        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2268          !!!cp (166);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2269          $self->{state} = DATA_STATE;            !!!cp (166);
2270              $self->{state} = DATA_STATE;
2271              $self->{s_kwd} = '';
2272            } else {
2273              !!!cp (166.1);
2274              !!!parse-error (type => 'no md def'); ## TODO: type
2275              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2276            }
2277            
2278          !!!next-input-character;          !!!next-input-character;
2279            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         !!!emit ($self->{ct}); # DOCTYPE  
   
2280          redo A;          redo A;
2281        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2282          !!!cp (167);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2283          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (167);
2284          $self->{state} = DATA_STATE;            !!!parse-error (type => 'unclosed DOCTYPE');
2285          ## reconsume            $self->{state} = DATA_STATE;
2286              $self->{s_kwd} = '';
2287          $self->{ct}->{quirks} = 1;            $self->{ct}->{quirks} = 1;
2288          !!!emit ($self->{ct}); # DOCTYPE          } else {
2289              !!!cp (167.12);
2290              !!!parse-error (type => 'unclosed md'); ## TODO: type
2291              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2292            }
2293            
2294            ## Reconsume.
2295            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2296          redo A;          redo A;
2297        } elsif ($self->{nc} == 0x0050 or # P        } elsif ($self->{nc} == 0x0050 or # P
2298                 $self->{nc} == 0x0070) { # p                 $self->{nc} == 0x0070) { # p
2299            !!!cp (167.1);
2300          $self->{state} = PUBLIC_STATE;          $self->{state} = PUBLIC_STATE;
2301          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
2302          !!!next-input-character;          !!!next-input-character;
2303          redo A;          redo A;
2304        } elsif ($self->{nc} == 0x0053 or # S        } elsif ($self->{nc} == 0x0053 or # S
2305                 $self->{nc} == 0x0073) { # s                 $self->{nc} == 0x0073) { # s
2306            !!!cp (167.2);
2307          $self->{state} = SYSTEM_STATE;          $self->{state} = SYSTEM_STATE;
2308          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
2309            !!!next-input-character;
2310            redo A;
2311          } elsif ($self->{nc} == 0x0022 and # "
2312                   ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN or
2313                    $self->{ct}->{type} == PARAMETER_ENTITY_TOKEN)) {
2314            !!!cp (167.21);
2315            $self->{state} = DOCTYPE_ENTITY_VALUE_DOUBLE_QUOTED_STATE;
2316            $self->{ct}->{value} = ''; # ENTITY
2317            !!!next-input-character;
2318            redo A;
2319          } elsif ($self->{nc} == 0x0027 and # '
2320                   ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN or
2321                    $self->{ct}->{type} == PARAMETER_ENTITY_TOKEN)) {
2322            !!!cp (167.22);
2323            $self->{state} = DOCTYPE_ENTITY_VALUE_SINGLE_QUOTED_STATE;
2324            $self->{ct}->{value} = ''; # ENTITY
2325          !!!next-input-character;          !!!next-input-character;
2326          redo A;          redo A;
2327          } elsif ($self->{is_xml} and
2328                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2329                   $self->{nc} == 0x005B) { # [
2330            !!!cp (167.3);
2331            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2332            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2333            $self->{in_subset} = 1;
2334            !!!next-input-character;
2335            !!!emit ($self->{ct}); # DOCTYPE
2336            redo A;
2337        } else {        } else {
2338          !!!cp (180);          !!!parse-error (type => 'string after DOCTYPE name'); ## TODO: type
2339          !!!parse-error (type => 'string after DOCTYPE name');  
2340          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2341              !!!cp (180);
2342              $self->{ct}->{quirks} = 1;
2343              $self->{state} = BOGUS_DOCTYPE_STATE;
2344            } else {
2345              !!!cp (180.1);
2346              $self->{state} = BOGUS_MD_STATE;
2347            }
2348    
         $self->{state} = BOGUS_DOCTYPE_STATE;  
2349          !!!next-input-character;          !!!next-input-character;
2350          redo A;          redo A;
2351        }        }
# Line 1806  sub _get_next_token ($) { Line 2357  sub _get_next_token ($) {
2357              0x0042, # B              0x0042, # B
2358              0x004C, # L              0x004C, # L
2359              0x0049, # I              0x0049, # I
2360            ]->[length $self->{s_kwd}] or            ]->[length $self->{kwd}] or
2361            $self->{nc} == [            $self->{nc} == [
2362              undef,              undef,
2363              0x0075, # u              0x0075, # u
2364              0x0062, # b              0x0062, # b
2365              0x006C, # l              0x006C, # l
2366              0x0069, # i              0x0069, # i
2367            ]->[length $self->{s_kwd}]) {            ]->[length $self->{kwd}]) {
2368          !!!cp (175);          !!!cp (175);
2369          ## Stay in the state.          ## Stay in the state.
2370          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
2371          !!!next-input-character;          !!!next-input-character;
2372          redo A;          redo A;
2373        } elsif ((length $self->{s_kwd}) == 5 and        } elsif ((length $self->{kwd}) == 5 and
2374                 ($self->{nc} == 0x0043 or # C                 ($self->{nc} == 0x0043 or # C
2375                  $self->{nc} == 0x0063)) { # c                  $self->{nc} == 0x0063)) { # c
2376          !!!cp (168);          if ($self->{is_xml} and
2377                ($self->{kwd} ne 'PUBLI' or $self->{nc} == 0x0063)) { # c
2378              !!!cp (168.1);
2379              !!!parse-error (type => 'lowercase keyword', ## TODO: type
2380                              text => 'PUBLIC',
2381                              line => $self->{line_prev},
2382                              column => $self->{column_prev} - 4);
2383            } else {
2384              !!!cp (168);
2385            }
2386          $self->{state} = BEFORE_DOCTYPE_PUBLIC_IDENTIFIER_STATE;          $self->{state} = BEFORE_DOCTYPE_PUBLIC_IDENTIFIER_STATE;
2387          !!!next-input-character;          !!!next-input-character;
2388          redo A;          redo A;
2389        } else {        } else {
2390          !!!cp (169);          !!!parse-error (type => 'string after DOCTYPE name', ## TODO: type
         !!!parse-error (type => 'string after DOCTYPE name',  
2391                          line => $self->{line_prev},                          line => $self->{line_prev},
2392                          column => $self->{column_prev} + 1 - length $self->{s_kwd});                          column => $self->{column_prev} + 1 - length $self->{kwd});
2393          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2394              !!!cp (169);
2395          $self->{state} = BOGUS_DOCTYPE_STATE;            $self->{ct}->{quirks} = 1;
2396              $self->{state} = BOGUS_DOCTYPE_STATE;
2397            } else {
2398              !!!cp (169.1);
2399              $self->{state} = BOGUS_MD_STATE;
2400            }
2401          ## Reconsume.          ## Reconsume.
2402          redo A;          redo A;
2403        }        }
# Line 1845  sub _get_next_token ($) { Line 2409  sub _get_next_token ($) {
2409              0x0053, # S              0x0053, # S
2410              0x0054, # T              0x0054, # T
2411              0x0045, # E              0x0045, # E
2412            ]->[length $self->{s_kwd}] or            ]->[length $self->{kwd}] or
2413            $self->{nc} == [            $self->{nc} == [
2414              undef,              undef,
2415              0x0079, # y              0x0079, # y
2416              0x0073, # s              0x0073, # s
2417              0x0074, # t              0x0074, # t
2418              0x0065, # e              0x0065, # e
2419            ]->[length $self->{s_kwd}]) {            ]->[length $self->{kwd}]) {
2420          !!!cp (170);          !!!cp (170);
2421          ## Stay in the state.          ## Stay in the state.
2422          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
2423          !!!next-input-character;          !!!next-input-character;
2424          redo A;          redo A;
2425        } elsif ((length $self->{s_kwd}) == 5 and        } elsif ((length $self->{kwd}) == 5 and
2426                 ($self->{nc} == 0x004D or # M                 ($self->{nc} == 0x004D or # M
2427                  $self->{nc} == 0x006D)) { # m                  $self->{nc} == 0x006D)) { # m
2428          !!!cp (171);          if ($self->{is_xml} and
2429                ($self->{kwd} ne 'SYSTE' or $self->{nc} == 0x006D)) { # m
2430              !!!cp (171.1);
2431              !!!parse-error (type => 'lowercase keyword', ## TODO: type
2432                              text => 'SYSTEM',
2433                              line => $self->{line_prev},
2434                              column => $self->{column_prev} - 4);
2435            } else {
2436              !!!cp (171);
2437            }
2438          $self->{state} = BEFORE_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = BEFORE_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2439          !!!next-input-character;          !!!next-input-character;
2440          redo A;          redo A;
2441        } else {        } else {
2442          !!!cp (172);          !!!parse-error (type => 'string after DOCTYPE name', ## TODO: type
         !!!parse-error (type => 'string after DOCTYPE name',  
2443                          line => $self->{line_prev},                          line => $self->{line_prev},
2444                          column => $self->{column_prev} + 1 - length $self->{s_kwd});                          column => $self->{column_prev} + 1 - length $self->{kwd});
2445          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2446              !!!cp (172);
2447          $self->{state} = BOGUS_DOCTYPE_STATE;            $self->{ct}->{quirks} = 1;
2448              $self->{state} = BOGUS_DOCTYPE_STATE;
2449            } else {
2450              !!!cp (172.1);
2451              $self->{state} = BOGUS_MD_STATE;
2452            }
2453          ## Reconsume.          ## Reconsume.
2454          redo A;          redo A;
2455        }        }
# Line 1895  sub _get_next_token ($) { Line 2472  sub _get_next_token ($) {
2472          !!!next-input-character;          !!!next-input-character;
2473          redo A;          redo A;
2474        } elsif ($self->{nc} eq 0x003E) { # >        } elsif ($self->{nc} eq 0x003E) { # >
         !!!cp (184);  
2475          !!!parse-error (type => 'no PUBLIC literal');          !!!parse-error (type => 'no PUBLIC literal');
2476            
2477          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2478              !!!cp (184);
2479              $self->{state} = DATA_STATE;
2480              $self->{s_kwd} = '';
2481              $self->{ct}->{quirks} = 1;
2482            } else {
2483              !!!cp (184.1);
2484              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2485            }
2486            
2487          !!!next-input-character;          !!!next-input-character;
2488            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2489          redo A;          redo A;
2490        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2491          !!!cp (185);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2492          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (185);
2493              !!!parse-error (type => 'unclosed DOCTYPE');
2494          $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
2495              $self->{s_kwd} = '';
2496              $self->{ct}->{quirks} = 1;
2497            } else {
2498              !!!cp (185.1);
2499              !!!parse-error (type => 'unclosed md'); ## TODO: type
2500              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2501            }
2502            
2503          ## reconsume          ## reconsume
   
         $self->{ct}->{quirks} = 1;  
2504          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2505            redo A;
2506          } elsif ($self->{is_xml} and
2507                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2508                   $self->{nc} == 0x005B) { # [
2509            !!!cp (186.1);
2510            !!!parse-error (type => 'no PUBLIC literal');
2511            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2512            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2513            $self->{in_subset} = 1;
2514            !!!next-input-character;
2515            !!!emit ($self->{ct}); # DOCTYPE
2516          redo A;          redo A;
2517        } else {        } else {
         !!!cp (186);  
2518          !!!parse-error (type => 'string after PUBLIC');          !!!parse-error (type => 'string after PUBLIC');
         $self->{ct}->{quirks} = 1;  
2519    
2520          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2521              !!!cp (186);
2522              $self->{ct}->{quirks} = 1;
2523              $self->{state} = BOGUS_DOCTYPE_STATE;
2524            } else {
2525              !!!cp (186.2);
2526              $self->{state} = BOGUS_MD_STATE;
2527            }
2528    
2529          !!!next-input-character;          !!!next-input-character;
2530          redo A;          redo A;
2531        }        }
# Line 1932  sub _get_next_token ($) { Line 2536  sub _get_next_token ($) {
2536          !!!next-input-character;          !!!next-input-character;
2537          redo A;          redo A;
2538        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (188);  
2539          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2540    
2541          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2542          !!!next-input-character;            !!!cp (188);
2543              $self->{state} = DATA_STATE;
2544          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2545          !!!emit ($self->{ct}); # DOCTYPE            $self->{ct}->{quirks} = 1;
2546            } else {
2547              !!!cp (188.1);
2548              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2549            }
2550    
2551            !!!next-input-character;
2552            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2553          redo A;          redo A;
2554        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (189);  
2555          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2556    
2557          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2558          ## reconsume            !!!cp (189);
2559              $self->{state} = DATA_STATE;
2560          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2561              $self->{ct}->{quirks} = 1;
2562            } else {
2563              !!!cp (189.1);
2564              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2565            }
2566            
2567            ## Reconsume.
2568          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2569          redo A;          redo A;
2570        } else {        } else {
2571          !!!cp (190);          !!!cp (190);
2572          $self->{ct}->{pubid} # DOCTYPE          $self->{ct}->{pubid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2573          $self->{read_until}->($self->{ct}->{pubid}, q[">],          $self->{read_until}->($self->{ct}->{pubid}, q[">],
2574                                length $self->{ct}->{pubid});                                length $self->{ct}->{pubid});
2575    
# Line 1971  sub _get_next_token ($) { Line 2584  sub _get_next_token ($) {
2584          !!!next-input-character;          !!!next-input-character;
2585          redo A;          redo A;
2586        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (192);  
2587          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2588    
2589          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2590          !!!next-input-character;            !!!cp (192);
2591              $self->{state} = DATA_STATE;
2592          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2593          !!!emit ($self->{ct}); # DOCTYPE            $self->{ct}->{quirks} = 1;
2594            } else {
2595              !!!cp (192.1);
2596              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2597            }
2598    
2599            !!!next-input-character;
2600            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2601          redo A;          redo A;
2602        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (193);  
2603          !!!parse-error (type => 'unclosed PUBLIC literal');          !!!parse-error (type => 'unclosed PUBLIC literal');
2604    
2605          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2606              !!!cp (193);
2607              $self->{state} = DATA_STATE;
2608              $self->{s_kwd} = '';
2609              $self->{ct}->{quirks} = 1;
2610            } else {
2611              !!!cp (193.1);
2612              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2613            }
2614          
2615          ## reconsume          ## reconsume
2616            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2617          redo A;          redo A;
2618        } else {        } else {
2619          !!!cp (194);          !!!cp (194);
2620          $self->{ct}->{pubid} # DOCTYPE          $self->{ct}->{pubid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2621          $self->{read_until}->($self->{ct}->{pubid}, q['>],          $self->{read_until}->($self->{ct}->{pubid}, q['>],
2622                                length $self->{ct}->{pubid});                                length $self->{ct}->{pubid});
2623    
# Line 2011  sub _get_next_token ($) { Line 2633  sub _get_next_token ($) {
2633          redo A;          redo A;
2634        } elsif ($self->{nc} == 0x0022) { # "        } elsif ($self->{nc} == 0x0022) { # "
2635          !!!cp (196);          !!!cp (196);
2636          $self->{ct}->{sysid} = ''; # DOCTYPE          $self->{ct}->{sysid} = ''; # DOCTYPE/ENTITY/NOTATION
2637          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_DOUBLE_QUOTED_STATE;          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_DOUBLE_QUOTED_STATE;
2638          !!!next-input-character;          !!!next-input-character;
2639          redo A;          redo A;
2640        } elsif ($self->{nc} == 0x0027) { # '        } elsif ($self->{nc} == 0x0027) { # '
2641          !!!cp (197);          !!!cp (197);
2642          $self->{ct}->{sysid} = ''; # DOCTYPE          $self->{ct}->{sysid} = ''; # DOCTYPE/ENTITY/NOTATION
2643          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_SINGLE_QUOTED_STATE;          $self->{state} = DOCTYPE_SYSTEM_IDENTIFIER_SINGLE_QUOTED_STATE;
2644          !!!next-input-character;          !!!next-input-character;
2645          redo A;          redo A;
2646        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2647          !!!cp (198);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2648          $self->{state} = DATA_STATE;            if ($self->{is_xml}) {
2649                !!!cp (198.1);
2650                !!!parse-error (type => 'no SYSTEM literal');
2651              } else {
2652                !!!cp (198);
2653              }
2654              $self->{state} = DATA_STATE;
2655              $self->{s_kwd} = '';
2656            } else {
2657              if ($self->{ct}->{type} == NOTATION_TOKEN) {
2658                !!!cp (198.2);
2659              } else {
2660                !!!cp (198.3);
2661                !!!parse-error (type => 'no SYSTEM literal');            
2662              }
2663              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2664            }
2665            
2666          !!!next-input-character;          !!!next-input-character;
2667            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         !!!emit ($self->{ct}); # DOCTYPE  
   
2668          redo A;          redo A;
2669        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2670          !!!cp (199);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2671          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (199);
2672              !!!parse-error (type => 'unclosed DOCTYPE');
2673          $self->{state} = DATA_STATE;            
2674              $self->{state} = DATA_STATE;
2675              $self->{s_kwd} = '';
2676              $self->{ct}->{quirks} = 1;
2677            } else {
2678              !!!parse-error (type => 'unclosed md'); ## TODO: type
2679              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2680            }
2681            
2682          ## reconsume          ## reconsume
2683            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2684          $self->{ct}->{quirks} = 1;          redo A;
2685          } elsif ($self->{is_xml} and
2686                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2687                   $self->{nc} == 0x005B) { # [
2688            !!!cp (200.1);
2689            !!!parse-error (type => 'no SYSTEM literal');
2690            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2691            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2692            $self->{in_subset} = 1;
2693            !!!next-input-character;
2694          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2695          redo A;          redo A;
2696        } else {        } else {
         !!!cp (200);  
2697          !!!parse-error (type => 'string after PUBLIC literal');          !!!parse-error (type => 'string after PUBLIC literal');
         $self->{ct}->{quirks} = 1;  
2698    
2699          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2700              !!!cp (200);
2701              $self->{ct}->{quirks} = 1;
2702              $self->{state} = BOGUS_DOCTYPE_STATE;
2703            } else {
2704              !!!cp (200.2);
2705              $self->{state} = BOGUS_MD_STATE;
2706            }
2707    
2708          !!!next-input-character;          !!!next-input-character;
2709          redo A;          redo A;
2710        }        }
# Line 2068  sub _get_next_token ($) { Line 2727  sub _get_next_token ($) {
2727          !!!next-input-character;          !!!next-input-character;
2728          redo A;          redo A;
2729        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
         !!!cp (204);  
2730          !!!parse-error (type => 'no SYSTEM literal');          !!!parse-error (type => 'no SYSTEM literal');
         $self->{state} = DATA_STATE;  
2731          !!!next-input-character;          !!!next-input-character;
2732    
2733          $self->{ct}->{quirks} = 1;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2734          !!!emit ($self->{ct}); # DOCTYPE            !!!cp (204);
2735              $self->{state} = DATA_STATE;
2736              $self->{s_kwd} = '';
2737              $self->{ct}->{quirks} = 1;
2738            } else {
2739              !!!cp (204.1);
2740              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2741            }
2742    
2743            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2744          redo A;          redo A;
2745        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2746          !!!cp (205);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2747          !!!parse-error (type => 'unclosed DOCTYPE');            !!!cp (205);
2748              !!!parse-error (type => 'unclosed DOCTYPE');
2749          $self->{state} = DATA_STATE;            $self->{state} = DATA_STATE;
2750              $self->{s_kwd} = '';
2751              $self->{ct}->{quirks} = 1;
2752            } else {
2753              !!!cp (205.1);
2754              !!!parse-error (type => 'unclosed md'); ## TODO: type
2755              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2756            }
2757            
2758          ## reconsume          ## reconsume
2759            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2760            redo A;
2761          } elsif ($self->{is_xml} and
2762                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2763                   $self->{nc} == 0x005B) { # [
2764            !!!cp (206.1);
2765            !!!parse-error (type => 'no SYSTEM literal');
2766    
2767          $self->{ct}->{quirks} = 1;          $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2768            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2769            $self->{in_subset} = 1;
2770            !!!next-input-character;
2771          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
   
2772          redo A;          redo A;
2773        } else {        } else {
         !!!cp (206);  
2774          !!!parse-error (type => 'string after SYSTEM');          !!!parse-error (type => 'string after SYSTEM');
         $self->{ct}->{quirks} = 1;  
2775    
2776          $self->{state} = BOGUS_DOCTYPE_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2777              !!!cp (206);          
2778              $self->{ct}->{quirks} = 1;
2779              $self->{state} = BOGUS_DOCTYPE_STATE;
2780            } else {
2781              !!!cp (206.2);
2782              $self->{state} = BOGUS_MD_STATE;
2783            }
2784    
2785          !!!next-input-character;          !!!next-input-character;
2786          redo A;          redo A;
2787        }        }
# Line 2103  sub _get_next_token ($) { Line 2791  sub _get_next_token ($) {
2791          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2792          !!!next-input-character;          !!!next-input-character;
2793          redo A;          redo A;
2794        } elsif ($self->{nc} == 0x003E) { # >        } elsif (not $self->{is_xml} and $self->{nc} == 0x003E) { # >
         !!!cp (208);  
2795          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2796    
2797          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2798              !!!cp (208);
2799              $self->{state} = DATA_STATE;
2800              $self->{s_kwd} = '';
2801              $self->{ct}->{quirks} = 1;
2802            } else {
2803              !!!cp (208.1);
2804              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2805            }
2806            
2807          !!!next-input-character;          !!!next-input-character;
2808            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2809          redo A;          redo A;
2810        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (209);  
2811          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2812    
2813          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2814              !!!cp (209);
2815              $self->{state} = DATA_STATE;
2816              $self->{s_kwd} = '';
2817              $self->{ct}->{quirks} = 1;
2818            } else {
2819              !!!cp (209.1);
2820              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2821            }
2822            
2823          ## reconsume          ## reconsume
2824            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2825          redo A;          redo A;
2826        } else {        } else {
2827          !!!cp (210);          !!!cp (210);
2828          $self->{ct}->{sysid} # DOCTYPE          $self->{ct}->{sysid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2829          $self->{read_until}->($self->{ct}->{sysid}, q[">],          $self->{read_until}->($self->{ct}->{sysid}, q[">],
2830                                length $self->{ct}->{sysid});                                length $self->{ct}->{sysid});
2831    
# Line 2142  sub _get_next_token ($) { Line 2839  sub _get_next_token ($) {
2839          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;          $self->{state} = AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE;
2840          !!!next-input-character;          !!!next-input-character;
2841          redo A;          redo A;
2842        } elsif ($self->{nc} == 0x003E) { # >        } elsif (not $self->{is_xml} and $self->{nc} == 0x003E) { # >
2843          !!!cp (212);          !!!cp (212);
2844          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2845    
2846          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2847            $self->{s_kwd} = '';
2848          !!!next-input-character;          !!!next-input-character;
2849    
2850          $self->{ct}->{quirks} = 1;          $self->{ct}->{quirks} = 1;
# Line 2154  sub _get_next_token ($) { Line 2852  sub _get_next_token ($) {
2852    
2853          redo A;          redo A;
2854        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
         !!!cp (213);  
2855          !!!parse-error (type => 'unclosed SYSTEM literal');          !!!parse-error (type => 'unclosed SYSTEM literal');
2856    
2857          $self->{state} = DATA_STATE;          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2858          ## reconsume            !!!cp (213);
2859              $self->{state} = DATA_STATE;
2860          $self->{ct}->{quirks} = 1;            $self->{s_kwd} = '';
2861          !!!emit ($self->{ct}); # DOCTYPE            $self->{ct}->{quirks} = 1;
2862            } else {
2863              !!!cp (213.1);
2864              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2865            }
2866    
2867            ## reconsume
2868            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2869          redo A;          redo A;
2870        } else {        } else {
2871          !!!cp (214);          !!!cp (214);
2872          $self->{ct}->{sysid} # DOCTYPE          $self->{ct}->{sysid} .= chr $self->{nc}; # DOCTYPE/ENTITY/NOTATION
             .= chr $self->{nc};  
2873          $self->{read_until}->($self->{ct}->{sysid}, q['>],          $self->{read_until}->($self->{ct}->{sysid}, q['>],
2874                                length $self->{ct}->{sysid});                                length $self->{ct}->{sysid});
2875    
# Line 2177  sub _get_next_token ($) { Line 2879  sub _get_next_token ($) {
2879        }        }
2880      } elsif ($self->{state} == AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE) {      } elsif ($self->{state} == AFTER_DOCTYPE_SYSTEM_IDENTIFIER_STATE) {
2881        if ($is_space->{$self->{nc}}) {        if ($is_space->{$self->{nc}}) {
2882          !!!cp (215);          if ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN) {
2883          ## Stay in the state            !!!cp (215.1);
2884              $self->{state} = BEFORE_NDATA_STATE;
2885            } else {
2886              !!!cp (215);
2887              ## Stay in the state
2888            }
2889          !!!next-input-character;          !!!next-input-character;
2890          redo A;          redo A;
2891        } elsif ($self->{nc} == 0x003E) { # >        } elsif ($self->{nc} == 0x003E) { # >
2892          !!!cp (216);          if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2893          $self->{state} = DATA_STATE;            !!!cp (216);
2894              $self->{state} = DATA_STATE;
2895              $self->{s_kwd} = '';
2896            } else {
2897              !!!cp (216.1);
2898              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2899            }
2900    
2901          !!!next-input-character;          !!!next-input-character;
2902            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2903            redo A;
2904          } elsif ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN and
2905                   ($self->{nc} == 0x004E or # N
2906                    $self->{nc} == 0x006E)) { # n
2907            !!!cp (216.2);
2908            !!!parse-error (type => 'no space before NDATA'); ## TODO: type
2909            $self->{state} = NDATA_STATE;
2910            $self->{kwd} = chr $self->{nc};
2911            !!!next-input-character;
2912            redo A;
2913          } elsif ($self->{nc} == -1) {
2914            if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2915              !!!cp (217);
2916              !!!parse-error (type => 'unclosed DOCTYPE');
2917              $self->{state} = DATA_STATE;
2918              $self->{s_kwd} = '';
2919              $self->{ct}->{quirks} = 1;
2920            } else {
2921              !!!cp (217.1);
2922              !!!parse-error (type => 'unclosed md'); ## TODO: type
2923              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2924            }
2925    
2926            ## reconsume
2927            !!!emit ($self->{ct}); # DOCTYPE/ENTITY/NOTATION
2928            redo A;
2929          } elsif ($self->{is_xml} and
2930                   $self->{ct}->{type} == DOCTYPE_TOKEN and
2931                   $self->{nc} == 0x005B) { # [
2932            !!!cp (218.1);
2933            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2934            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
2935            $self->{in_subset} = 1;
2936            !!!next-input-character;
2937          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2938            redo A;
2939          } else {
2940            !!!parse-error (type => 'string after SYSTEM literal');
2941    
2942            if ($self->{ct}->{type} == DOCTYPE_TOKEN) {
2943              !!!cp (218);
2944              #$self->{ct}->{quirks} = 1;
2945              $self->{state} = BOGUS_DOCTYPE_STATE;
2946            } else {
2947              !!!cp (218.2);
2948              $self->{state} = BOGUS_MD_STATE;
2949            }
2950    
2951            !!!next-input-character;
2952            redo A;
2953          }
2954        } elsif ($self->{state} == BEFORE_NDATA_STATE) {
2955          if ($is_space->{$self->{nc}}) {
2956            !!!cp (218.3);
2957            ## Stay in the state.
2958            !!!next-input-character;
2959            redo A;
2960          } elsif ($self->{nc} == 0x003E) { # >
2961            !!!cp (218.4);
2962            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2963            !!!next-input-character;
2964            !!!emit ($self->{ct}); # ENTITY
2965            redo A;
2966          } elsif ($self->{nc} == 0x004E or # N
2967                   $self->{nc} == 0x006E) { # n
2968            !!!cp (218.5);
2969            $self->{state} = NDATA_STATE;
2970            $self->{kwd} = chr $self->{nc};
2971            !!!next-input-character;
2972          redo A;          redo A;
2973        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
2974          !!!cp (217);          !!!cp (218.6);
2975          !!!parse-error (type => 'unclosed DOCTYPE');          !!!parse-error (type => 'unclosed md'); ## TODO: type
2976          $self->{state} = DATA_STATE;          $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
2977          ## reconsume          ## reconsume
2978            !!!emit ($self->{ct}); # ENTITY
         $self->{ct}->{quirks} = 1;  
         !!!emit ($self->{ct}); # DOCTYPE  
   
2979          redo A;          redo A;
2980        } else {        } else {
2981          !!!cp (218);          !!!cp (218.7);
2982          !!!parse-error (type => 'string after SYSTEM literal');          !!!parse-error (type => 'string after SYSTEM literal');
2983          #$self->{ct}->{quirks} = 1;          $self->{state} = BOGUS_MD_STATE;
   
         $self->{state} = BOGUS_DOCTYPE_STATE;  
2984          !!!next-input-character;          !!!next-input-character;
2985          redo A;          redo A;
2986        }        }
# Line 2212  sub _get_next_token ($) { Line 2988  sub _get_next_token ($) {
2988        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
2989          !!!cp (219);          !!!cp (219);
2990          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
2991            $self->{s_kwd} = '';
2992          !!!next-input-character;          !!!next-input-character;
2993    
2994          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
2995    
2996          redo A;          redo A;
2997          } elsif ($self->{is_xml} and $self->{nc} == 0x005B) { # [
2998            !!!cp (220.1);
2999            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3000            $self->{ct}->{has_internal_subset} = 1; # DOCTYPE
3001            $self->{in_subset} = 1;
3002            !!!next-input-character;
3003            !!!emit ($self->{ct}); # DOCTYPE
3004            redo A;
3005        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
3006          !!!cp (220);          !!!cp (220);
3007          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
3008            $self->{s_kwd} = '';
3009          ## reconsume          ## reconsume
3010    
3011          !!!emit ($self->{ct}); # DOCTYPE          !!!emit ($self->{ct}); # DOCTYPE
# Line 2228  sub _get_next_token ($) { Line 3014  sub _get_next_token ($) {
3014        } else {        } else {
3015          !!!cp (221);          !!!cp (221);
3016          my $s = '';          my $s = '';
3017          $self->{read_until}->($s, q[>], 0);          $self->{read_until}->($s, q{>[}, 0);
3018    
3019          ## Stay in the state          ## Stay in the state
3020          !!!next-input-character;          !!!next-input-character;
# Line 2238  sub _get_next_token ($) { Line 3024  sub _get_next_token ($) {
3024        ## NOTE: "CDATA section state" in the state is jointly implemented        ## NOTE: "CDATA section state" in the state is jointly implemented
3025        ## by three states, |CDATA_SECTION_STATE|, |CDATA_SECTION_MSE1_STATE|,        ## by three states, |CDATA_SECTION_STATE|, |CDATA_SECTION_MSE1_STATE|,
3026        ## and |CDATA_SECTION_MSE2_STATE|.        ## and |CDATA_SECTION_MSE2_STATE|.
3027    
3028          ## XML5: "CDATA state".
3029                
3030        if ($self->{nc} == 0x005D) { # ]        if ($self->{nc} == 0x005D) { # ]
3031          !!!cp (221.1);          !!!cp (221.1);
# Line 2245  sub _get_next_token ($) { Line 3033  sub _get_next_token ($) {
3033          !!!next-input-character;          !!!next-input-character;
3034          redo A;          redo A;
3035        } elsif ($self->{nc} == -1) {        } elsif ($self->{nc} == -1) {
3036            if ($self->{is_xml}) {
3037              !!!cp (221.11);
3038              !!!parse-error (type => 'no mse'); ## TODO: type
3039            } else {
3040              !!!cp (221.12);
3041            }
3042    
3043          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
3044          !!!next-input-character;          $self->{s_kwd} = '';
3045            ## Reconsume.
3046          if (length $self->{ct}->{data}) { # character          if (length $self->{ct}->{data}) { # character
3047            !!!cp (221.2);            !!!cp (221.2);
3048            !!!emit ($self->{ct}); # character            !!!emit ($self->{ct}); # character
# Line 2269  sub _get_next_token ($) { Line 3065  sub _get_next_token ($) {
3065    
3066        ## ISSUE: "text tokens" in spec.        ## ISSUE: "text tokens" in spec.
3067      } elsif ($self->{state} == CDATA_SECTION_MSE1_STATE) {      } elsif ($self->{state} == CDATA_SECTION_MSE1_STATE) {
3068          ## XML5: "CDATA bracket state".
3069    
3070        if ($self->{nc} == 0x005D) { # ]        if ($self->{nc} == 0x005D) { # ]
3071          !!!cp (221.5);          !!!cp (221.5);
3072          $self->{state} = CDATA_SECTION_MSE2_STATE;          $self->{state} = CDATA_SECTION_MSE2_STATE;
# Line 2276  sub _get_next_token ($) { Line 3074  sub _get_next_token ($) {
3074          redo A;          redo A;
3075        } else {        } else {
3076          !!!cp (221.6);          !!!cp (221.6);
3077            ## XML5: If EOF, "]" is not appended and changed to the data state.
3078          $self->{ct}->{data} .= ']';          $self->{ct}->{data} .= ']';
3079          $self->{state} = CDATA_SECTION_STATE;          $self->{state} = CDATA_SECTION_STATE; ## XML5: Stay in the state.
3080          ## Reconsume.          ## Reconsume.
3081          redo A;          redo A;
3082        }        }
3083      } elsif ($self->{state} == CDATA_SECTION_MSE2_STATE) {      } elsif ($self->{state} == CDATA_SECTION_MSE2_STATE) {
3084          ## XML5: "CDATA end state".
3085    
3086        if ($self->{nc} == 0x003E) { # >        if ($self->{nc} == 0x003E) { # >
3087          $self->{state} = DATA_STATE;          $self->{state} = DATA_STATE;
3088            $self->{s_kwd} = '';
3089          !!!next-input-character;          !!!next-input-character;
3090          if (length $self->{ct}->{data}) { # character          if (length $self->{ct}->{data}) { # character
3091            !!!cp (221.7);            !!!cp (221.7);
# Line 2303  sub _get_next_token ($) { Line 3105  sub _get_next_token ($) {
3105          !!!cp (221.11);          !!!cp (221.11);
3106          $self->{ct}->{data} .= ']]'; # character          $self->{ct}->{data} .= ']]'; # character
3107          $self->{state} = CDATA_SECTION_STATE;          $self->{state} = CDATA_SECTION_STATE;
3108          ## Reconsume.          ## Reconsume. ## XML5: Emit.
3109          redo A;          redo A;
3110        }        }
3111      } elsif ($self->{state} == ENTITY_STATE) {      } elsif ($self->{state} == ENTITY_STATE) {
# Line 2312  sub _get_next_token ($) { Line 3114  sub _get_next_token ($) {
3114              0x003C => 1, 0x0026 => 1, -1 => 1, # <, &              0x003C => 1, 0x0026 => 1, -1 => 1, # <, &
3115              $self->{entity_add} => 1,              $self->{entity_add} => 1,
3116            }->{$self->{nc}}) {            }->{$self->{nc}}) {
3117          !!!cp (1001);          if ($self->{is_xml}) {
3118              !!!cp (1001.1);
3119              !!!parse-error (type => 'bare ero',
3120                              line => $self->{line_prev},
3121                              column => $self->{column_prev}
3122                                  + ($self->{nc} == -1 ? 1 : 0));
3123            } else {
3124              !!!cp (1001);
3125              ## No error
3126            }
3127          ## Don't consume          ## Don't consume
         ## No error  
3128          ## Return nothing.          ## Return nothing.
3129          #          #
3130        } elsif ($self->{nc} == 0x0023) { # #        } elsif ($self->{nc} == 0x0023) { # #
3131          !!!cp (999);          !!!cp (999);
3132          $self->{state} = ENTITY_HASH_STATE;          $self->{state} = ENTITY_HASH_STATE;
3133          $self->{s_kwd} = '#';          $self->{kwd} = '#';
3134          !!!next-input-character;          !!!next-input-character;
3135          redo A;          redo A;
3136        } elsif ((0x0041 <= $self->{nc} and        } elsif ($self->{is_xml} or
3137                   (0x0041 <= $self->{nc} and
3138                  $self->{nc} <= 0x005A) or # A..Z                  $self->{nc} <= 0x005A) or # A..Z
3139                 (0x0061 <= $self->{nc} and                 (0x0061 <= $self->{nc} and
3140                  $self->{nc} <= 0x007A)) { # a..z                  $self->{nc} <= 0x007A)) { # a..z
3141          !!!cp (998);          !!!cp (998);
3142          require Whatpm::_NamedEntityList;          require Whatpm::_NamedEntityList;
3143          $self->{state} = ENTITY_NAME_STATE;          $self->{state} = ENTITY_NAME_STATE;
3144          $self->{s_kwd} = chr $self->{nc};          $self->{kwd} = chr $self->{nc};
3145          $self->{entity__value} = $self->{s_kwd};          $self->{entity__value} = $self->{kwd};
3146          $self->{entity__match} = 0;          $self->{entity__match} = 0;
3147          !!!next-input-character;          !!!next-input-character;
3148          redo A;          redo A;
# Line 2351  sub _get_next_token ($) { Line 3162  sub _get_next_token ($) {
3162        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3163          !!!cp (997);          !!!cp (997);
3164          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3165            $self->{s_kwd} = '';
3166          ## Reconsume.          ## Reconsume.
3167          !!!emit ({type => CHARACTER_TOKEN, data => '&',          !!!emit ({type => CHARACTER_TOKEN, data => '&',
3168                    line => $self->{line_prev},                    line => $self->{line_prev},
# Line 2361  sub _get_next_token ($) { Line 3173  sub _get_next_token ($) {
3173          !!!cp (996);          !!!cp (996);
3174          $self->{ca}->{value} .= '&';          $self->{ca}->{value} .= '&';
3175          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3176            $self->{s_kwd} = '';
3177          ## Reconsume.          ## Reconsume.
3178          redo A;          redo A;
3179        }        }
3180      } elsif ($self->{state} == ENTITY_HASH_STATE) {      } elsif ($self->{state} == ENTITY_HASH_STATE) {
3181        if ($self->{nc} == 0x0078 or # x        if ($self->{nc} == 0x0078) { # x
           $self->{nc} == 0x0058) { # X  
3182          !!!cp (995);          !!!cp (995);
3183          $self->{state} = HEXREF_X_STATE;          $self->{state} = HEXREF_X_STATE;
3184          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
3185            !!!next-input-character;
3186            redo A;
3187          } elsif ($self->{nc} == 0x0058) { # X
3188            !!!cp (995.1);
3189            if ($self->{is_xml}) {
3190              !!!parse-error (type => 'uppercase hcro'); ## TODO: type
3191            }
3192            $self->{state} = HEXREF_X_STATE;
3193            $self->{kwd} .= chr $self->{nc};
3194          !!!next-input-character;          !!!next-input-character;
3195          redo A;          redo A;
3196        } elsif (0x0030 <= $self->{nc} and        } elsif (0x0030 <= $self->{nc} and
3197                 $self->{nc} <= 0x0039) { # 0..9                 $self->{nc} <= 0x0039) { # 0..9
3198          !!!cp (994);          !!!cp (994);
3199          $self->{state} = NCR_NUM_STATE;          $self->{state} = NCR_NUM_STATE;
3200          $self->{s_kwd} = $self->{nc} - 0x0030;          $self->{kwd} = $self->{nc} - 0x0030;
3201          !!!next-input-character;          !!!next-input-character;
3202          redo A;          redo A;
3203        } else {        } else {
# Line 2391  sub _get_next_token ($) { Line 3212  sub _get_next_token ($) {
3212          if ($self->{prev_state} == DATA_STATE) {          if ($self->{prev_state} == DATA_STATE) {
3213            !!!cp (1019);            !!!cp (1019);
3214            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3215              $self->{s_kwd} = '';
3216            ## Reconsume.            ## Reconsume.
3217            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
3218                      data => '&#',                      data => '&#',
# Line 2402  sub _get_next_token ($) { Line 3224  sub _get_next_token ($) {
3224            !!!cp (993);            !!!cp (993);
3225            $self->{ca}->{value} .= '&#';            $self->{ca}->{value} .= '&#';
3226            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3227              $self->{s_kwd} = '';
3228            ## Reconsume.            ## Reconsume.
3229            redo A;            redo A;
3230          }          }
# Line 2410  sub _get_next_token ($) { Line 3233  sub _get_next_token ($) {
3233        if (0x0030 <= $self->{nc} and        if (0x0030 <= $self->{nc} and
3234            $self->{nc} <= 0x0039) { # 0..9            $self->{nc} <= 0x0039) { # 0..9
3235          !!!cp (1012);          !!!cp (1012);
3236          $self->{s_kwd} *= 10;          $self->{kwd} *= 10;
3237          $self->{s_kwd} += $self->{nc} - 0x0030;          $self->{kwd} += $self->{nc} - 0x0030;
3238                    
3239          ## Stay in the state.          ## Stay in the state.
3240          !!!next-input-character;          !!!next-input-character;
# Line 2427  sub _get_next_token ($) { Line 3250  sub _get_next_token ($) {
3250          #          #
3251        }        }
3252    
3253        my $code = $self->{s_kwd};        my $code = $self->{kwd};
3254        my $l = $self->{line_prev};        my $l = $self->{line_prev};
3255        my $c = $self->{column_prev};        my $c = $self->{column_prev};
3256        if ($charref_map->{$code}) {        if ((not $self->{is_xml} and $charref_map->{$code}) or
3257              ($self->{is_xml} and 0xD800 <= $code and $code <= 0xDFFF) or
3258              ($self->{is_xml} and $code == 0x0000)) {
3259          !!!cp (1015);          !!!cp (1015);
3260          !!!parse-error (type => 'invalid character reference',          !!!parse-error (type => 'invalid character reference',
3261                          text => (sprintf 'U+%04X', $code),                          text => (sprintf 'U+%04X', $code),
# Line 2447  sub _get_next_token ($) { Line 3272  sub _get_next_token ($) {
3272        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3273          !!!cp (992);          !!!cp (992);
3274          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3275            $self->{s_kwd} = '';
3276          ## Reconsume.          ## Reconsume.
3277          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,
3278                      has_reference => 1,
3279                    line => $l, column => $c,                    line => $l, column => $c,
3280                   });                   });
3281          redo A;          redo A;
# Line 2457  sub _get_next_token ($) { Line 3284  sub _get_next_token ($) {
3284          $self->{ca}->{value} .= chr $code;          $self->{ca}->{value} .= chr $code;
3285          $self->{ca}->{has_reference} = 1;          $self->{ca}->{has_reference} = 1;
3286          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3287            $self->{s_kwd} = '';
3288          ## Reconsume.          ## Reconsume.
3289          redo A;          redo A;
3290        }        }
# Line 2467  sub _get_next_token ($) { Line 3295  sub _get_next_token ($) {
3295          # 0..9, A..F, a..f          # 0..9, A..F, a..f
3296          !!!cp (990);          !!!cp (990);
3297          $self->{state} = HEXREF_HEX_STATE;          $self->{state} = HEXREF_HEX_STATE;
3298          $self->{s_kwd} = 0;          $self->{kwd} = 0;
3299          ## Reconsume.          ## Reconsume.
3300          redo A;          redo A;
3301        } else {        } else {
# Line 2482  sub _get_next_token ($) { Line 3310  sub _get_next_token ($) {
3310          if ($self->{prev_state} == DATA_STATE) {          if ($self->{prev_state} == DATA_STATE) {
3311            !!!cp (1005);            !!!cp (1005);
3312            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3313              $self->{s_kwd} = '';
3314            ## Reconsume.            ## Reconsume.
3315            !!!emit ({type => CHARACTER_TOKEN,            !!!emit ({type => CHARACTER_TOKEN,
3316                      data => '&' . $self->{s_kwd},                      data => '&' . $self->{kwd},
3317                      line => $self->{line_prev},                      line => $self->{line_prev},
3318                      column => $self->{column_prev} - length $self->{s_kwd},                      column => $self->{column_prev} - length $self->{kwd},
3319                     });                     });
3320            redo A;            redo A;
3321          } else {          } else {
3322            !!!cp (989);            !!!cp (989);
3323            $self->{ca}->{value} .= '&' . $self->{s_kwd};            $self->{ca}->{value} .= '&' . $self->{kwd};
3324            $self->{state} = $self->{prev_state};            $self->{state} = $self->{prev_state};
3325              $self->{s_kwd} = '';
3326            ## Reconsume.            ## Reconsume.
3327            redo A;            redo A;
3328          }          }
# Line 2501  sub _get_next_token ($) { Line 3331  sub _get_next_token ($) {
3331        if (0x0030 <= $self->{nc} and $self->{nc} <= 0x0039) {        if (0x0030 <= $self->{nc} and $self->{nc} <= 0x0039) {
3332          # 0..9          # 0..9
3333          !!!cp (1002);          !!!cp (1002);
3334          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3335          $self->{s_kwd} += $self->{nc} - 0x0030;          $self->{kwd} += $self->{nc} - 0x0030;
3336          ## Stay in the state.          ## Stay in the state.
3337          !!!next-input-character;          !!!next-input-character;
3338          redo A;          redo A;
3339        } elsif (0x0061 <= $self->{nc} and        } elsif (0x0061 <= $self->{nc} and
3340                 $self->{nc} <= 0x0066) { # a..f                 $self->{nc} <= 0x0066) { # a..f
3341          !!!cp (1003);          !!!cp (1003);
3342          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3343          $self->{s_kwd} += $self->{nc} - 0x0060 + 9;          $self->{kwd} += $self->{nc} - 0x0060 + 9;
3344          ## Stay in the state.          ## Stay in the state.
3345          !!!next-input-character;          !!!next-input-character;
3346          redo A;          redo A;
3347        } elsif (0x0041 <= $self->{nc} and        } elsif (0x0041 <= $self->{nc} and
3348                 $self->{nc} <= 0x0046) { # A..F                 $self->{nc} <= 0x0046) { # A..F
3349          !!!cp (1004);          !!!cp (1004);
3350          $self->{s_kwd} *= 0x10;          $self->{kwd} *= 0x10;
3351          $self->{s_kwd} += $self->{nc} - 0x0040 + 9;          $self->{kwd} += $self->{nc} - 0x0040 + 9;
3352          ## Stay in the state.          ## Stay in the state.
3353          !!!next-input-character;          !!!next-input-character;
3354          redo A;          redo A;
# Line 2535  sub _get_next_token ($) { Line 3365  sub _get_next_token ($) {
3365          #          #
3366        }        }
3367    
3368        my $code = $self->{s_kwd};        my $code = $self->{kwd};
3369        my $l = $self->{line_prev};        my $l = $self->{line_prev};
3370        my $c = $self->{column_prev};        my $c = $self->{column_prev};
3371        if ($charref_map->{$code}) {        if ((not $self->{is_xml} and $charref_map->{$code}) or
3372              ($self->{is_xml} and 0xD800 <= $code and $code <= 0xDFFF) or
3373              ($self->{is_xml} and $code == 0x0000)) {
3374          !!!cp (1008);          !!!cp (1008);
3375          !!!parse-error (type => 'invalid character reference',          !!!parse-error (type => 'invalid character reference',
3376                          text => (sprintf 'U+%04X', $code),                          text => (sprintf 'U+%04X', $code),
# Line 2555  sub _get_next_token ($) { Line 3387  sub _get_next_token ($) {
3387        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3388          !!!cp (988);          !!!cp (988);
3389          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3390            $self->{s_kwd} = '';
3391          ## Reconsume.          ## Reconsume.
3392          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,          !!!emit ({type => CHARACTER_TOKEN, data => chr $code,
3393                      has_reference => 1,
3394                    line => $l, column => $c,                    line => $l, column => $c,
3395                   });                   });
3396          redo A;          redo A;
# Line 2565  sub _get_next_token ($) { Line 3399  sub _get_next_token ($) {
3399          $self->{ca}->{value} .= chr $code;          $self->{ca}->{value} .= chr $code;
3400          $self->{ca}->{has_reference} = 1;          $self->{ca}->{has_reference} = 1;
3401          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3402            $self->{s_kwd} = '';
3403          ## Reconsume.          ## Reconsume.
3404          redo A;          redo A;
3405        }        }
3406      } elsif ($self->{state} == ENTITY_NAME_STATE) {      } elsif ($self->{state} == ENTITY_NAME_STATE) {
3407        if (length $self->{s_kwd} < 30 and        if ((0x0041 <= $self->{nc} and # a
3408            ## NOTE: Some number greater than the maximum length of entity name             $self->{nc} <= 0x005A) or # x
3409            ((0x0041 <= $self->{nc} and # a            (0x0061 <= $self->{nc} and # a
3410              $self->{nc} <= 0x005A) or # x             $self->{nc} <= 0x007A) or # z
3411             (0x0061 <= $self->{nc} and # a            (0x0030 <= $self->{nc} and # 0
3412              $self->{nc} <= 0x007A) or # z             $self->{nc} <= 0x0039) or # 9
3413             (0x0030 <= $self->{nc} and # 0            $self->{nc} == 0x003B or # ;
3414              $self->{nc} <= 0x0039) or # 9            ($self->{is_xml} and
3415             $self->{nc} == 0x003B)) { # ;             not ($is_space->{$self->{nc}} or
3416                    {
3417                      0x003C => 1, 0x0026 => 1, -1 => 1, # <, &
3418                      $self->{entity_add} => 1,
3419                    }->{$self->{nc}}))) {
3420          our $EntityChar;          our $EntityChar;
3421          $self->{s_kwd} .= chr $self->{nc};          $self->{kwd} .= chr $self->{nc};
3422          if (defined $EntityChar->{$self->{s_kwd}}) {          if (defined $EntityChar->{$self->{kwd}} or
3423                $self->{ge}->{$self->{kwd}}) {
3424            if ($self->{nc} == 0x003B) { # ;            if ($self->{nc} == 0x003B) { # ;
3425              !!!cp (1020);              if (defined $self->{ge}->{$self->{kwd}}) {
3426              $self->{entity__value} = $EntityChar->{$self->{s_kwd}};                if ($self->{ge}->{$self->{kwd}}->{only_text}) {
3427                    !!!cp (1020.1);
3428                    $self->{entity__value} = $self->{ge}->{$self->{kwd}}->{value};
3429                  } else {
3430                    if (defined $self->{ge}->{$self->{kwd}}->{notation}) {
3431                      !!!cp (1020.2);
3432                      !!!parse-error (type => 'unparsed entity', ## TODO: type
3433                                      value => $self->{kwd});
3434                    } else {
3435                      !!!cp (1020.3);
3436                    }
3437                    $self->{entity__value} = '&' . $self->{kwd}; ## TODO: expand
3438                  }
3439                } else {
3440                  if ($self->{is_xml}) {
3441                    !!!cp (1020.4);
3442                    !!!parse-error (type => 'entity not declared', ## TODO: type
3443                                    value => $self->{kwd},
3444                                    level => {
3445                                              'amp;' => $self->{level}->{warn},
3446                                              'quot;' => $self->{level}->{warn},
3447                                              'lt;' => $self->{level}->{warn},
3448                                              'gt;' => $self->{level}->{warn},
3449                                              'apos;' => $self->{level}->{warn},
3450                                             }->{$self->{kwd}} ||
3451                                             $self->{level}->{must});
3452                  } else {
3453                    !!!cp (1020);
3454                  }
3455                  $self->{entity__value} = $EntityChar->{$self->{kwd}};
3456                }
3457              $self->{entity__match} = 1;              $self->{entity__match} = 1;
3458              !!!next-input-character;              !!!next-input-character;
3459              #              #
3460            } else {            } else {
3461              !!!cp (1021);              !!!cp (1021);
3462              $self->{entity__value} = $EntityChar->{$self->{s_kwd}};              $self->{entity__value} = $EntityChar->{$self->{kwd}};
3463              $self->{entity__match} = -1;              $self->{entity__match} = -1;
3464              ## Stay in the state.              ## Stay in the state.
3465              !!!next-input-character;              !!!next-input-character;
# Line 2617  sub _get_next_token ($) { Line 3487  sub _get_next_token ($) {
3487          if ($self->{prev_state} != DATA_STATE and # in attribute          if ($self->{prev_state} != DATA_STATE and # in attribute
3488              $self->{entity__match} < -1) {              $self->{entity__match} < -1) {
3489            !!!cp (1024);            !!!cp (1024);
3490            $data = '&' . $self->{s_kwd};            $data = '&' . $self->{kwd};
3491            #            #
3492          } else {          } else {
3493            !!!cp (1025);            !!!cp (1025);
# Line 2629  sub _get_next_token ($) { Line 3499  sub _get_next_token ($) {
3499          !!!cp (1026);          !!!cp (1026);
3500          !!!parse-error (type => 'bare ero',          !!!parse-error (type => 'bare ero',
3501                          line => $self->{line_prev},                          line => $self->{line_prev},
3502                          column => $self->{column_prev} - length $self->{s_kwd});                          column => $self->{column_prev} - length $self->{kwd});
3503          $data = '&' . $self->{s_kwd};          $data = '&' . $self->{kwd};
3504          #          #
3505        }        }
3506        
# Line 2647  sub _get_next_token ($) { Line 3517  sub _get_next_token ($) {
3517        if ($self->{prev_state} == DATA_STATE) {        if ($self->{prev_state} == DATA_STATE) {
3518          !!!cp (986);          !!!cp (986);
3519          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3520            $self->{s_kwd} = '';
3521          ## Reconsume.          ## Reconsume.
3522          !!!emit ({type => CHARACTER_TOKEN,          !!!emit ({type => CHARACTER_TOKEN,
3523                    data => $data,                    data => $data,
3524                      has_reference => $has_ref,
3525                    line => $self->{line_prev},                    line => $self->{line_prev},
3526                    column => $self->{column_prev} + 1 - length $self->{s_kwd},                    column => $self->{column_prev} + 1 - length $self->{kwd},
3527                   });                   });
3528          redo A;          redo A;
3529        } else {        } else {
# Line 2659  sub _get_next_token ($) { Line 3531  sub _get_next_token ($) {
3531          $self->{ca}->{value} .= $data;          $self->{ca}->{value} .= $data;
3532          $self->{ca}->{has_reference} = 1 if $has_ref;          $self->{ca}->{has_reference} = 1 if $has_ref;
3533          $self->{state} = $self->{prev_state};          $self->{state} = $self->{prev_state};
3534            $self->{s_kwd} = '';
3535          ## Reconsume.          ## Reconsume.
3536          redo A;          redo A;
3537        }        }
3538    
3539        ## XML-only states
3540    
3541        } elsif ($self->{state} == PI_STATE) {
3542          ## XML5: "Pi state" and "DOCTYPE pi state".
3543    
3544          if ($is_space->{$self->{nc}} or
3545              $self->{nc} == 0x003F or # ?
3546              $self->{nc} == -1) {
3547            ## XML5: U+003F: "pi state": Same as "Anything else"; "DOCTYPE
3548            ## pi state": Switch to the "DOCTYPE pi after state".  EOF:
3549            ## "DOCTYPE pi state": Parse error, switch to the "data
3550            ## state".
3551            !!!parse-error (type => 'bare pio', ## TODO: type
3552                            line => $self->{line_prev},
3553                            column => $self->{column_prev}
3554                                - 1 * ($self->{nc} != -1));
3555            $self->{state} = BOGUS_COMMENT_STATE;
3556            ## Reconsume.
3557            $self->{ct} = {type => COMMENT_TOKEN,
3558                           data => '?',
3559                           line => $self->{line_prev},
3560                           column => $self->{column_prev}
3561                               - 1 * ($self->{nc} != -1),
3562                          };
3563            redo A;
3564          } else {
3565            ## XML5: "DOCTYPE pi state": Stay in the state.
3566            $self->{ct} = {type => PI_TOKEN,
3567                           target => chr $self->{nc},
3568                           data => '',
3569                           line => $self->{line_prev},
3570                           column => $self->{column_prev} - 1,
3571                          };
3572            $self->{state} = PI_TARGET_STATE;
3573            !!!next-input-character;
3574            redo A;
3575          }
3576        } elsif ($self->{state} == PI_TARGET_STATE) {
3577          if ($is_space->{$self->{nc}}) {
3578            $self->{state} = PI_TARGET_AFTER_STATE;
3579            !!!next-input-character;
3580            redo A;
3581          } elsif ($self->{nc} == -1) {
3582            !!!parse-error (type => 'no pic'); ## TODO: type
3583            if ($self->{in_subset}) {
3584              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3585            } else {
3586              $self->{state} = DATA_STATE;
3587              $self->{s_kwd} = '';
3588            }
3589            ## Reconsume.
3590            !!!emit ($self->{ct}); # pi
3591            redo A;
3592          } elsif ($self->{nc} == 0x003F) { # ?
3593            $self->{state} = PI_AFTER_STATE;
3594            !!!next-input-character;
3595            redo A;
3596          } else {
3597            ## XML5: typo ("tag name" -> "target")
3598            $self->{ct}->{target} .= chr $self->{nc}; # pi
3599            !!!next-input-character;
3600            redo A;
3601          }
3602        } elsif ($self->{state} == PI_TARGET_AFTER_STATE) {
3603          if ($is_space->{$self->{nc}}) {
3604            ## Stay in the state.
3605            !!!next-input-character;
3606            redo A;
3607          } else {
3608            $self->{state} = PI_DATA_STATE;
3609            ## Reprocess.
3610            redo A;
3611          }
3612        } elsif ($self->{state} == PI_DATA_STATE) {
3613          if ($self->{nc} == 0x003F) { # ?
3614            $self->{state} = PI_DATA_AFTER_STATE;
3615            !!!next-input-character;
3616            redo A;
3617          } elsif ($self->{nc} == -1) {
3618            !!!parse-error (type => 'no pic'); ## TODO: type
3619            if ($self->{in_subset}) {
3620              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state"
3621            } else {
3622              $self->{state} = DATA_STATE;
3623              $self->{s_kwd} = '';
3624            }
3625            ## Reprocess.
3626            !!!emit ($self->{ct}); # pi
3627            redo A;
3628          } else {
3629            $self->{ct}->{data} .= chr $self->{nc}; # pi
3630            $self->{read_until}->($self->{ct}->{data}, q[?],
3631                                  length $self->{ct}->{data});
3632            ## Stay in the state.
3633            !!!next-input-character;
3634            ## Reprocess.
3635            redo A;
3636          }
3637        } elsif ($self->{state} == PI_AFTER_STATE) {
3638          ## XML5: Part of "Pi after state".
3639    
3640          if ($self->{nc} == 0x003E) { # >
3641            if ($self->{in_subset}) {
3642              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3643            } else {
3644              $self->{state} = DATA_STATE;
3645              $self->{s_kwd} = '';
3646            }
3647            !!!next-input-character;
3648            !!!emit ($self->{ct}); # pi
3649            redo A;
3650          } elsif ($self->{nc} == 0x003F) { # ?
3651            !!!parse-error (type => 'no s after target', ## TODO: type
3652                            line => $self->{line_prev},
3653                            column => $self->{column_prev}); ## XML5: no error
3654            $self->{ct}->{data} .= '?';
3655            $self->{state} = PI_DATA_AFTER_STATE;
3656            !!!next-input-character;
3657            redo A;
3658          } else {
3659            !!!parse-error (type => 'no s after target', ## TODO: type
3660                            line => $self->{line_prev},
3661                            column => $self->{column_prev}
3662                                + 1 * ($self->{nc} == -1)); ## XML5: no error
3663            $self->{ct}->{data} .= '?'; ## XML5: not appended
3664            $self->{state} = PI_DATA_STATE;
3665            ## Reprocess.
3666            redo A;
3667          }
3668        } elsif ($self->{state} == PI_DATA_AFTER_STATE) {
3669          ## XML5: Same as "pi after state" and "DOCTYPE pi after state".
3670    
3671          if ($self->{nc} == 0x003E) { # >
3672            if ($self->{in_subset}) {
3673              $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
3674            } else {
3675              $self->{state} = DATA_STATE;
3676              $self->{s_kwd} = '';
3677            }
3678            !!!next-input-character;
3679            !!!emit ($self->{ct}); # pi
3680            redo A;
3681          } elsif ($self->{nc} == 0x003F) { # ?
3682            $self->{ct}->{data} .= '?';
3683            ## Stay in the state.
3684            !!!next-input-character;
3685            redo A;
3686          } else {
3687            $self->{ct}->{data} .= '?'; ## XML5: not appended
3688            $self->{state} = PI_DATA_STATE;
3689            ## Reprocess.
3690            redo A;
3691          }
3692    
3693        } elsif ($self->{state} == DOCTYPE_INTERNAL_SUBSET_STATE) {
3694          if ($self->{nc} == 0x003C) { # <
3695            $self->{state} = DOCTYPE_TAG_STATE;
3696            !!!next-input-character;
3697            redo A;
3698          } elsif ($self->{nc} == 0x0025) { # %
3699            ## XML5: Not defined yet.
3700    
3701            ## TODO:
3702    
3703            if (not $self->{stop_processing} and
3704                not $self->{document}->xml_standalone) {
3705              !!!parse-error (type => 'stop processing', ## TODO: type
3706                              level => $self->{level}->{info});
3707              $self->{stop_processing} = 1;
3708            }
3709    
3710            !!!next-input-character;
3711            redo A;
3712          } elsif ($self->{nc} == 0x005D) { # ]
3713            delete $self->{in_subset};
3714            $self->{state} = DOCTYPE_INTERNAL_SUBSET_AFTER_STATE;
3715            !!!next-input-character;
3716            redo A;
3717          } elsif ($is_space->{$self->{nc}}) {
3718            ## Stay in the state.
3719            !!!next-input-character;
3720            redo A;
3721          } elsif ($self->{nc} == -1) {
3722            !!!parse-error (type => 'unclosed internal subset'); ## TODO: type
3723            delete $self->{in_subset};
3724            $self->{state} = DATA_STATE;
3725            $self->{s_kwd} = '';
3726            ## Reconsume.
3727            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3728            redo A;
3729          } else {
3730            unless ($self->{internal_subset_tainted}) {
3731              ## XML5: No parse error.
3732              !!!parse-error (type => 'string in internal subset');
3733              $self->{internal_subset_tainted} = 1;
3734            }
3735            ## Stay in the state.
3736            !!!next-input-character;
3737            redo A;
3738          }
3739        } elsif ($self->{state} == DOCTYPE_INTERNAL_SUBSET_AFTER_STATE) {
3740          if ($self->{nc} == 0x003E) { # >
3741            $self->{state} = DATA_STATE;
3742            $self->{s_kwd} = '';
3743            !!!next-input-character;
3744            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3745            redo A;
3746          } elsif ($self->{nc} == -1) {
3747            !!!parse-error (type => 'unclosed DOCTYPE');
3748            $self->{state} = DATA_STATE;
3749            $self->{s_kwd} = '';
3750            ## Reconsume.
3751            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3752            redo A;
3753          } else {
3754            ## XML5: No parse error and stay in the state.
3755            !!!parse-error (type => 'string after internal subset'); ## TODO: type
3756    
3757            $self->{state} = BOGUS_DOCTYPE_INTERNAL_SUBSET_AFTER_STATE;
3758            !!!next-input-character;
3759            redo A;
3760          }
3761        } elsif ($self->{state} == BOGUS_DOCTYPE_INTERNAL_SUBSET_AFTER_STATE) {
3762          if ($self->{nc} == 0x003E) { # >
3763            $self->{state} = DATA_STATE;
3764            $self->{s_kwd} = '';
3765            !!!next-input-character;
3766            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3767            redo A;
3768          } elsif ($self->{nc} == -1) {
3769            $self->{state} = DATA_STATE;
3770            $self->{s_kwd} = '';
3771            ## Reconsume.
3772            !!!emit ({type => END_OF_DOCTYPE_TOKEN});
3773            redo A;
3774          } else {
3775            ## Stay in the state.
3776            !!!next-input-character;
3777            redo A;
3778          }
3779        } elsif ($self->{state} == DOCTYPE_TAG_STATE) {
3780          if ($self->{nc} == 0x0021) { # !
3781            $self->{state} = DOCTYPE_MARKUP_DECLARATION_OPEN_STATE;
3782            !!!next-input-character;
3783            redo A;
3784          } elsif ($self->{nc} == 0x003F) { # ?
3785            $self->{state} = PI_STATE;
3786            !!!next-input-character;
3787            redo A;
3788          } elsif ($self->{nc} == -1) {
3789            !!!parse-error (type => 'bare stago');
3790            $self->{state} = DATA_STATE;
3791            $self->{s_kwd} = '';
3792            ## Reconsume.
3793            redo A;
3794          } else {
3795            !!!parse-error (type => 'bare stago', ## XML5: Not a parse error.
3796                            line => $self->{line_prev},
3797                            column => $self->{column_prev});
3798            $self->{state} = BOGUS_COMMENT_STATE;
3799            $self->{ct} = {type => COMMENT_TOKEN,
3800                           data => '',
3801                          }; ## NOTE: Will be discarded.
3802            !!!next-input-character;
3803            redo A;
3804          }
3805        } elsif ($self->{state} == DOCTYPE_MARKUP_DECLARATION_OPEN_STATE) {
3806          ## XML5: "DOCTYPE markup declaration state".
3807          
3808          if ($self->{nc} == 0x002D) { # -
3809            $self->{state} = MD_HYPHEN_STATE;
3810            !!!next-input-character;
3811            redo A;
3812          } elsif ($self->{nc} == 0x0045 or # E
3813                   $self->{nc} == 0x0065) { # e
3814            $self->{state} = MD_E_STATE;
3815            $self->{kwd} = chr $self->{nc};
3816            !!!next-input-character;
3817            redo A;
3818          } elsif ($self->{nc} == 0x0041 or # A
3819                   $self->{nc} == 0x0061) { # a
3820            $self->{state} = MD_ATTLIST_STATE;
3821            $self->{kwd} = chr $self->{nc};
3822            !!!next-input-character;
3823            redo A;
3824          } elsif ($self->{nc} == 0x004E or # N
3825                   $self->{nc} == 0x006E) { # n
3826            $self->{state} = MD_NOTATION_STATE;
3827            $self->{kwd} = chr $self->{nc};
3828            !!!next-input-character;
3829            redo A;
3830          } else {
3831            #
3832          }
3833          
3834          ## XML5: No parse error.
3835          !!!parse-error (type => 'bogus comment',
3836                          line => $self->{line_prev},
3837                          column => $self->{column_prev} - 1);
3838          ## Reconsume.
3839          $self->{state} = BOGUS_COMMENT_STATE;
3840          $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded.
3841          redo A;
3842        } elsif ($self->{state} == MD_E_STATE) {
3843          if ($self->{nc} == 0x004E or # N
3844              $self->{nc} == 0x006E) { # n
3845            $self->{state} = MD_ENTITY_STATE;
3846            $self->{kwd} .= chr $self->{nc};
3847            !!!next-input-character;
3848            redo A;
3849          } elsif ($self->{nc} == 0x004C or # L
3850                   $self->{nc} == 0x006C) { # l
3851            ## XML5: <!ELEMENT> not supported.
3852            $self->{state} = MD_ELEMENT_STATE;
3853            $self->{kwd} .= chr $self->{nc};
3854            !!!next-input-character;
3855            redo A;
3856          } else {
3857            ## XML5: No parse error.
3858            !!!parse-error (type => 'bogus comment',
3859                            line => $self->{line_prev},
3860                            column => $self->{column_prev} - 2
3861                                + 1 * ($self->{nc} == -1));
3862            ## Reconsume.
3863            $self->{state} = BOGUS_COMMENT_STATE;
3864            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3865            redo A;
3866          }
3867        } elsif ($self->{state} == MD_ENTITY_STATE) {
3868          if ($self->{nc} == [
3869                undef,
3870                undef,
3871                0x0054, # T
3872                0x0049, # I
3873                0x0054, # T
3874              ]->[length $self->{kwd}] or
3875              $self->{nc} == [
3876                undef,
3877                undef,
3878                0x0074, # t
3879                0x0069, # i
3880                0x0074, # t
3881              ]->[length $self->{kwd}]) {
3882            ## Stay in the state.
3883            $self->{kwd} .= chr $self->{nc};
3884            !!!next-input-character;
3885            redo A;
3886          } elsif ((length $self->{kwd}) == 5 and
3887                   ($self->{nc} == 0x0059 or # Y
3888                    $self->{nc} == 0x0079)) { # y
3889            if ($self->{kwd} ne 'ENTIT' or $self->{nc} == 0x0079) {
3890              !!!parse-error (type => 'lowercase keyword', ## TODO: type
3891                              text => 'ENTITY',
3892                              line => $self->{line_prev},
3893                              column => $self->{column_prev} - 4);
3894            }
3895            $self->{ct} = {type => GENERAL_ENTITY_TOKEN, name => '',
3896                           line => $self->{line_prev},
3897                           column => $self->{column_prev} - 6};
3898            $self->{state} = DOCTYPE_MD_STATE;
3899            !!!next-input-character;
3900            redo A;
3901          } else {
3902            !!!parse-error (type => 'bogus comment',
3903                            line => $self->{line_prev},
3904                            column => $self->{column_prev} - 1
3905                                - (length $self->{kwd})
3906                                + 1 * ($self->{nc} == -1));
3907            $self->{state} = BOGUS_COMMENT_STATE;
3908            ## Reconsume.
3909            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
3910            redo A;
3911          }
3912        } elsif ($self->{state} == MD_ELEMENT_STATE) {
3913          if ($self->{nc} == [
3914               undef,
3915               undef,
3916               0x0045, # E
3917               0x004D, # M
3918               0x0045, # E
3919               0x004E, # N
3920              ]->[length $self->{kwd}] or
3921              $self->{nc} == [
3922               undef,
3923               undef,
3924               0x0065, # e
3925               0x006D, # m
3926               0x0065, # e
3927               0x006E, # n
3928              ]->[length $self->{kwd}]) {
3929            ## Stay in the state.
3930            $self->{kwd} .= chr $self->{nc};
3931            !!!next-input-character;
3932            redo A;
3933          } elsif ((length $self->{kwd}) == 6 and
3934                   ($self->{nc} == 0x0054 or # T
3935                    $self->{nc} == 0x0074)) { # t
3936            if ($self->{kwd} ne 'ELEMEN' or $self->{nc} == 0x0074) {
3937              !!!parse-error (type => 'lowercase keyword', ## TODO: type
3938                              text => 'ELEMENT',
3939                              line => $self->{line_prev},
3940                              column => $self->{column_prev} - 5);
3941            }
3942            $self->{ct} = {type => ELEMENT_TOKEN, name => '',
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_ATTLIST_STATE) {
3960          if ($self->{nc} == [
3961               undef,
3962               0x0054, # T
3963               0x0054, # T
3964               0x004C, # L
3965               0x0049, # I
3966               0x0053, # S
3967              ]->[length $self->{kwd}] or
3968              $self->{nc} == [
3969               undef,
3970               0x0074, # t
3971               0x0074, # t
3972               0x006C, # l
3973               0x0069, # i
3974               0x0073, # s
3975              ]->[length $self->{kwd}]) {
3976            ## Stay in the state.
3977            $self->{kwd} .= chr $self->{nc};
3978            !!!next-input-character;
3979            redo A;
3980          } elsif ((length $self->{kwd}) == 6 and
3981                   ($self->{nc} == 0x0054 or # T
3982                    $self->{nc} == 0x0074)) { # t
3983            if ($self->{kwd} ne 'ATTLIS' or $self->{nc} == 0x0074) {
3984              !!!parse-error (type => 'lowercase keyword', ## TODO: type
3985                              text => 'ATTLIST',
3986                              line => $self->{line_prev},
3987                              column => $self->{column_prev} - 5);
3988            }
3989            $self->{ct} = {type => ATTLIST_TOKEN, name => '',
3990                           attrdefs => [],
3991                           line => $self->{line_prev},
3992                           column => $self->{column_prev} - 7};
3993            $self->{state} = DOCTYPE_MD_STATE;
3994            !!!next-input-character;
3995            redo A;
3996          } else {
3997            !!!parse-error (type => 'bogus comment',
3998                            line => $self->{line_prev},
3999                            column => $self->{column_prev} - 1
4000                                 - (length $self->{kwd})
4001                                 + 1 * ($self->{nc} == -1));
4002            $self->{state} = BOGUS_COMMENT_STATE;
4003            ## Reconsume.
4004            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
4005            redo A;
4006          }
4007        } elsif ($self->{state} == MD_NOTATION_STATE) {
4008          if ($self->{nc} == [
4009               undef,
4010               0x004F, # O
4011               0x0054, # T
4012               0x0041, # A
4013               0x0054, # T
4014               0x0049, # I
4015               0x004F, # O
4016              ]->[length $self->{kwd}] or
4017              $self->{nc} == [
4018               undef,
4019               0x006F, # o
4020               0x0074, # t
4021               0x0061, # a
4022               0x0074, # t
4023               0x0069, # i
4024               0x006F, # o
4025              ]->[length $self->{kwd}]) {
4026            ## Stay in the state.
4027            $self->{kwd} .= chr $self->{nc};
4028            !!!next-input-character;
4029            redo A;
4030          } elsif ((length $self->{kwd}) == 7 and
4031                   ($self->{nc} == 0x004E or # N
4032                    $self->{nc} == 0x006E)) { # n
4033            if ($self->{kwd} ne 'NOTATIO' or $self->{nc} == 0x006E) {
4034              !!!parse-error (type => 'lowercase keyword', ## TODO: type
4035                              text => 'NOTATION',
4036                              line => $self->{line_prev},
4037                              column => $self->{column_prev} - 6);
4038            }
4039            $self->{ct} = {type => NOTATION_TOKEN, name => '',
4040                           line => $self->{line_prev},
4041                           column => $self->{column_prev} - 8};
4042            $self->{state} = DOCTYPE_MD_STATE;
4043            !!!next-input-character;
4044            redo A;
4045          } else {
4046            !!!parse-error (type => 'bogus comment',
4047                            line => $self->{line_prev},
4048                            column => $self->{column_prev} - 1
4049                                - (length $self->{kwd})
4050                                + 1 * ($self->{nc} == -1));
4051            $self->{state} = BOGUS_COMMENT_STATE;
4052            ## Reconsume.
4053            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
4054            redo A;
4055          }
4056        } elsif ($self->{state} == DOCTYPE_MD_STATE) {
4057          ## XML5: "DOCTYPE ENTITY state", "DOCTYPE ATTLIST state", and
4058          ## "DOCTYPE NOTATION state".
4059    
4060          if ($is_space->{$self->{nc}}) {
4061            ## XML5: [NOTATION] Switch to the "DOCTYPE NOTATION identifier state".
4062            $self->{state} = BEFORE_MD_NAME_STATE;
4063            !!!next-input-character;
4064            redo A;
4065          } elsif ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN and
4066                   $self->{nc} == 0x0025) { # %
4067            ## XML5: Switch to the "DOCTYPE bogus comment state".
4068            !!!parse-error (type => 'no space before md name'); ## TODO: type
4069            $self->{state} = DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE;
4070            !!!next-input-character;
4071            redo A;
4072          } elsif ($self->{nc} == -1) {
4073            !!!parse-error (type => 'unclosed md'); ## TODO: type
4074            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4075            ## Reconsume.
4076            redo A;
4077          } elsif ($self->{nc} == 0x003E) { # >
4078            ## XML5: Switch to the "DOCTYPE bogus comment state".
4079            !!!parse-error (type => 'no md name'); ## TODO: type
4080            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4081            !!!next-input-character;
4082            redo A;
4083          } else {
4084            ## XML5: Switch to the "DOCTYPE bogus comment state".
4085            !!!parse-error (type => 'no space before md name'); ## TODO: type
4086            $self->{state} = BEFORE_MD_NAME_STATE;
4087            redo A;
4088          }
4089        } elsif ($self->{state} == BEFORE_MD_NAME_STATE) {
4090          ## XML5: "DOCTYPE ENTITY parameter state", "DOCTYPE ENTITY type
4091          ## before state", "DOCTYPE ATTLIST name before state".
4092    
4093          if ($is_space->{$self->{nc}}) {
4094            ## Stay in the state.
4095            !!!next-input-character;
4096            redo A;
4097          } elsif ($self->{ct}->{type} == GENERAL_ENTITY_TOKEN and
4098                   $self->{nc} == 0x0025) { # %
4099            $self->{state} = DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE;
4100            !!!next-input-character;
4101            redo A;
4102          } elsif ($self->{nc} == 0x003E) { # >
4103            ## XML5: Same as "Anything else".
4104            !!!parse-error (type => 'no md name'); ## TODO: type
4105            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4106            !!!next-input-character;
4107            redo A;
4108          } elsif ($self->{nc} == -1) {
4109            !!!parse-error (type => 'unclosed md'); ## TODO: type
4110            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4111            ## Reconsume.
4112            redo A;
4113          } else {
4114            ## XML5: [ATTLIST] Not defined yet.
4115            $self->{ct}->{name} .= chr $self->{nc};
4116            $self->{state} = MD_NAME_STATE;
4117            !!!next-input-character;
4118            redo A;
4119          }
4120        } elsif ($self->{state} == DOCTYPE_ENTITY_PARAMETER_BEFORE_STATE) {
4121          if ($is_space->{$self->{nc}}) {
4122            ## XML5: Switch to the "DOCTYPE ENTITY parameter state".
4123            $self->{ct}->{type} = PARAMETER_ENTITY_TOKEN;
4124            $self->{state} = BEFORE_MD_NAME_STATE;
4125            !!!next-input-character;
4126            redo A;
4127          } elsif ($self->{nc} == 0x003E) { # >
4128            ## XML5: Same as "Anything else".
4129            !!!parse-error (type => 'no md name'); ## TODO: type
4130            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4131            !!!next-input-character;
4132            redo A;
4133          } elsif ($self->{nc} == -1) {
4134            !!!parse-error (type => 'unclosed md');
4135            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4136            ## Reconsume.
4137            redo A;
4138          } else {
4139            ## XML5: No parse error.
4140            !!!parse-error (type => 'no space after ENTITY percent'); ## TODO: type
4141            $self->{state} = BOGUS_COMMENT_STATE;
4142            $self->{ct} = {type => COMMENT_TOKEN, data => ''}; ## Will be discarded
4143            ## Reconsume.
4144            redo A;
4145          }
4146        } elsif ($self->{state} == MD_NAME_STATE) {
4147          ## XML5: "DOCTYPE ENTITY name state" and "DOCTYPE ATTLIST name state".
4148          
4149          if ($is_space->{$self->{nc}}) {
4150            if ($self->{ct}->{type} == ATTLIST_TOKEN) {
4151              $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4152            } elsif ($self->{ct}->{type} == ELEMENT_TOKEN) {
4153              $self->{state} = AFTER_ELEMENT_NAME_STATE;
4154            } else { # ENTITY/NOTATION
4155              $self->{state} = AFTER_DOCTYPE_NAME_STATE;
4156            }
4157            !!!next-input-character;
4158            redo A;
4159          } elsif ($self->{nc} == 0x003E) { # >
4160            if ($self->{ct}->{type} == ATTLIST_TOKEN) {
4161              #
4162            } else {
4163              !!!parse-error (type => 'no md def'); ## TODO: type
4164            }
4165            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4166            !!!next-input-character;
4167            !!!emit ($self->{ct}); # ELEMENT/ENTITY/ATTLIST/NOTATION
4168            redo A;
4169          } elsif ($self->{nc} == -1) {
4170            ## XML5: [ATTLIST] No parse error.
4171            !!!parse-error (type => 'unclosed md');
4172            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4173            ## Reconsume.
4174            !!!emit ($self->{ct}); # ELEMENT/ENTITY/ATTLIST/NOTATION
4175            redo A;
4176          } else {
4177            ## XML5: [ATTLIST] Not defined yet.
4178            $self->{ct}->{name} .= chr $self->{nc};
4179            ## Stay in the state.
4180            !!!next-input-character;
4181            redo A;
4182          }
4183        } elsif ($self->{state} == DOCTYPE_ATTLIST_NAME_AFTER_STATE) {
4184          if ($is_space->{$self->{nc}}) {
4185            ## Stay in the state.
4186            !!!next-input-character;
4187            redo A;
4188          } elsif ($self->{nc} == 0x003E) { # >
4189            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4190            !!!next-input-character;
4191            !!!emit ($self->{ct}); # ATTLIST
4192            redo A;
4193          } elsif ($self->{nc} == -1) {
4194            ## XML5: No parse error.
4195            !!!parse-error (type => 'unclosed md'); ## TODO: type
4196            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4197            !!!emit ($self->{ct});
4198            redo A;
4199          } else {
4200            ## XML5: Not defined yet.
4201            $self->{ca} = {name => chr ($self->{nc}), # attrdef
4202                           tokens => [],
4203                           line => $self->{line}, column => $self->{column}};
4204            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_NAME_STATE;
4205            !!!next-input-character;
4206            redo A;
4207          }
4208        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_NAME_STATE) {
4209          if ($is_space->{$self->{nc}}) {
4210            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_NAME_AFTER_STATE;
4211            !!!next-input-character;
4212            redo A;
4213          } elsif ($self->{nc} == 0x003E) { # >
4214            ## XML5: Same as "anything else".
4215            !!!parse-error (type => 'no attr type'); ## TODO: type
4216            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4217            !!!next-input-character;
4218            !!!emit ($self->{ct}); # ATTLIST
4219            redo A;
4220          } elsif ($self->{nc} == 0x0028) { # (
4221            ## XML5: Same as "anything else".
4222            !!!parse-error (type => 'no space before paren'); ## TODO: type
4223            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4224            !!!next-input-character;
4225            redo A;
4226          } elsif ($self->{nc} == -1) {
4227            ## XML5: No parse error.
4228            !!!parse-error (type => 'unclosed md'); ## TODO: type
4229            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4230            !!!next-input-character;
4231            !!!emit ($self->{ct}); # ATTLIST
4232            redo A;
4233          } else {
4234            ## XML5: Not defined yet.
4235            $self->{ca}->{name} .= chr $self->{nc};
4236            ## Stay in the state.
4237            !!!next-input-character;
4238            redo A;
4239          }
4240        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_NAME_AFTER_STATE) {
4241          if ($is_space->{$self->{nc}}) {
4242            ## Stay in the state.
4243            !!!next-input-character;
4244            redo A;
4245          } elsif ($self->{nc} == 0x003E) { # >
4246            ## XML5: Same as "anything else".
4247            !!!parse-error (type => 'no attr type'); ## TODO: type
4248            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4249            !!!next-input-character;
4250            !!!emit ($self->{ct}); # ATTLIST
4251            redo A;
4252          } elsif ($self->{nc} == 0x0028) { # (
4253            ## XML5: Same as "anything else".
4254            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4255            !!!next-input-character;
4256            redo A;
4257          } elsif ($self->{nc} == -1) {
4258            ## XML5: No parse error.
4259            !!!parse-error (type => 'unclosed md'); ## TODO: type
4260            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4261            !!!next-input-character;
4262            !!!emit ($self->{ct});
4263            redo A;
4264          } else {
4265            ## XML5: Not defined yet.
4266            $self->{ca}->{type} = chr $self->{nc};
4267            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_STATE;
4268            !!!next-input-character;
4269            redo A;
4270          }
4271        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_STATE) {
4272          if ($is_space->{$self->{nc}}) {
4273            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_AFTER_STATE;
4274            !!!next-input-character;
4275            redo A;
4276          } elsif ($self->{nc} == 0x0023) { # #
4277            ## XML5: Same as "anything else".
4278            !!!parse-error (type => 'no space before default value'); ## TODO: type
4279            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4280            !!!next-input-character;
4281            redo A;
4282          } elsif ($self->{nc} == 0x0022) { # "
4283            ## XML5: Same as "anything else".
4284            !!!parse-error (type => 'no space before default value'); ## TODO: type
4285            $self->{ca}->{value} = '';
4286            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4287            !!!next-input-character;
4288            redo A;
4289          } elsif ($self->{nc} == 0x0027) { # '
4290            ## XML5: Same as "anything else".
4291            !!!parse-error (type => 'no space before default value'); ## TODO: type
4292            $self->{ca}->{value} = '';
4293            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4294            !!!next-input-character;
4295            redo A;
4296          } elsif ($self->{nc} == 0x003E) { # >
4297            ## XML5: Same as "anything else".
4298            !!!parse-error (type => 'no attr default'); ## TODO: type
4299            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4300            !!!next-input-character;
4301            !!!emit ($self->{ct}); # ATTLIST
4302            redo A;
4303          } elsif ($self->{nc} == 0x0028) { # (
4304            ## XML5: Same as "anything else".
4305            !!!parse-error (type => 'no space before paren'); ## TODO: type
4306            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4307            !!!next-input-character;
4308            redo A;
4309          } elsif ($self->{nc} == -1) {
4310            ## XML5: No parse error.
4311            !!!parse-error (type => 'unclosed md'); ## TODO: type
4312            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4313            !!!next-input-character;
4314            !!!emit ($self->{ct});
4315            redo A;
4316          } else {
4317            ## XML5: Not defined yet.
4318            $self->{ca}->{type} .= chr $self->{nc};
4319            ## Stay in the state.
4320            !!!next-input-character;
4321            redo A;
4322          }
4323        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_TYPE_AFTER_STATE) {
4324          if ($is_space->{$self->{nc}}) {
4325            ## Stay in the state.
4326            !!!next-input-character;
4327            redo A;
4328          } elsif ($self->{nc} == 0x0028) { # (
4329            ## XML5: Same as "anything else".
4330            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4331            !!!next-input-character;
4332            redo A;
4333          } elsif ($self->{nc} == 0x0023) { # #
4334            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4335            !!!next-input-character;
4336            redo A;
4337          } elsif ($self->{nc} == 0x0022) { # "
4338            ## XML5: Same as "anything else".
4339            $self->{ca}->{value} = '';
4340            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4341            !!!next-input-character;
4342            redo A;
4343          } elsif ($self->{nc} == 0x0027) { # '
4344            ## XML5: Same as "anything else".
4345            $self->{ca}->{value} = '';
4346            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4347            !!!next-input-character;
4348            redo A;
4349          } elsif ($self->{nc} == 0x003E) { # >
4350            ## XML5: Same as "anything else".
4351            !!!parse-error (type => 'no attr default'); ## TODO: type
4352            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4353            !!!next-input-character;
4354            !!!emit ($self->{ct}); # ATTLIST
4355            redo A;
4356          } elsif ($self->{nc} == -1) {
4357            ## XML5: No parse error.
4358            !!!parse-error (type => 'unclosed md'); ## TODO: type
4359            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4360            !!!next-input-character;
4361            !!!emit ($self->{ct});
4362            redo A;
4363          } else {
4364            ## XML5: Switch to the "DOCTYPE bogus comment state".
4365            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4366            $self->{ca}->{value} = '';
4367            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4368            ## Reconsume.
4369            redo A;
4370          }
4371        } elsif ($self->{state} == BEFORE_ALLOWED_TOKEN_STATE) {
4372          if ($is_space->{$self->{nc}}) {
4373            ## Stay in the state.
4374            !!!next-input-character;
4375            redo A;
4376          } elsif ($self->{nc} == 0x007C) { # |
4377            !!!parse-error (type => 'empty allowed token'); ## TODO: type
4378            ## Stay in the state.
4379            !!!next-input-character;
4380            redo A;
4381          } elsif ($self->{nc} == 0x0029) { # )
4382            !!!parse-error (type => 'empty allowed token'); ## TODO: type
4383            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4384            !!!next-input-character;
4385            redo A;
4386          } elsif ($self->{nc} == 0x003E) { # >
4387            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4388            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4389            !!!next-input-character;
4390            !!!emit ($self->{ct}); # ATTLIST
4391            redo A;
4392          } elsif ($self->{nc} == -1) {
4393            ## XML5: No parse error.
4394            !!!parse-error (type => 'unclosed md'); ## TODO: type
4395            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4396            !!!next-input-character;
4397            !!!emit ($self->{ct});
4398            redo A;
4399          } else {
4400            push @{$self->{ca}->{tokens}}, chr $self->{nc};
4401            $self->{state} = ALLOWED_TOKEN_STATE;
4402            !!!next-input-character;
4403            redo A;
4404          }
4405        } elsif ($self->{state} == ALLOWED_TOKEN_STATE) {
4406          if ($is_space->{$self->{nc}}) {
4407            $self->{state} = AFTER_ALLOWED_TOKEN_STATE;
4408            !!!next-input-character;
4409            redo A;
4410          } elsif ($self->{nc} == 0x007C) { # |
4411            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4412            !!!next-input-character;
4413            redo A;
4414          } elsif ($self->{nc} == 0x0029) { # )
4415            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4416            !!!next-input-character;
4417            redo A;
4418          } elsif ($self->{nc} == 0x003E) { # >
4419            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4420            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4421            !!!next-input-character;
4422            !!!emit ($self->{ct}); # ATTLIST
4423            redo A;
4424          } elsif ($self->{nc} == -1) {
4425            ## XML5: No parse error.
4426            !!!parse-error (type => 'unclosed md'); ## TODO: type
4427            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4428            !!!next-input-character;
4429            !!!emit ($self->{ct});
4430            redo A;
4431          } else {
4432            $self->{ca}->{tokens}->[-1] .= chr $self->{nc};
4433            ## Stay in the state.
4434            !!!next-input-character;
4435            redo A;
4436          }
4437        } elsif ($self->{state} == AFTER_ALLOWED_TOKEN_STATE) {
4438          if ($is_space->{$self->{nc}}) {
4439            ## Stay in the state.
4440            !!!next-input-character;
4441            redo A;
4442          } elsif ($self->{nc} == 0x007C) { # |
4443            $self->{state} = BEFORE_ALLOWED_TOKEN_STATE;
4444            !!!next-input-character;
4445            redo A;
4446          } elsif ($self->{nc} == 0x0029) { # )
4447            $self->{state} = AFTER_ALLOWED_TOKENS_STATE;
4448            !!!next-input-character;
4449            redo A;
4450          } elsif ($self->{nc} == 0x003E) { # >
4451            !!!parse-error (type => 'unclosed allowed tokens'); ## TODO: type
4452            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4453            !!!next-input-character;
4454            !!!emit ($self->{ct}); # ATTLIST
4455            redo A;
4456          } elsif ($self->{nc} == -1) {
4457            ## XML5: No parse error.
4458            !!!parse-error (type => 'unclosed md'); ## TODO: type
4459            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4460            !!!next-input-character;
4461            !!!emit ($self->{ct});
4462            redo A;
4463          } else {
4464            !!!parse-error (type => 'space in allowed token', ## TODO: type
4465                            line => $self->{line_prev},
4466                            column => $self->{column_prev});
4467            $self->{ca}->{tokens}->[-1] .= ' ' . chr $self->{nc};
4468            $self->{state} = ALLOWED_TOKEN_STATE;
4469            !!!next-input-character;
4470            redo A;
4471          }
4472        } elsif ($self->{state} == AFTER_ALLOWED_TOKENS_STATE) {
4473          if ($is_space->{$self->{nc}}) {
4474            $self->{state} = BEFORE_ATTR_DEFAULT_STATE;
4475            !!!next-input-character;
4476            redo A;
4477          } elsif ($self->{nc} == 0x0023) { # #
4478            !!!parse-error (type => 'no space before default value'); ## TODO: type
4479            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4480            !!!next-input-character;
4481            redo A;
4482          } elsif ($self->{nc} == 0x0022) { # "
4483            !!!parse-error (type => 'no space before default value'); ## TODO: type
4484            $self->{ca}->{value} = '';
4485            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4486            !!!next-input-character;
4487            redo A;
4488          } elsif ($self->{nc} == 0x0027) { # '
4489            !!!parse-error (type => 'no space before default value'); ## TODO: type
4490            $self->{ca}->{value} = '';
4491            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4492            !!!next-input-character;
4493            redo A;
4494          } elsif ($self->{nc} == 0x003E) { # >
4495            !!!parse-error (type => 'no attr default'); ## TODO: type
4496            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4497            !!!next-input-character;
4498            !!!emit ($self->{ct}); # ATTLIST
4499            redo A;
4500          } elsif ($self->{nc} == -1) {
4501            !!!parse-error (type => 'unclosed md'); ## TODO: type
4502            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4503            !!!next-input-character;
4504            !!!emit ($self->{ct});
4505            redo A;
4506          } else {
4507            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4508            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4509            ## Reconsume.
4510            redo A;
4511          }
4512        } elsif ($self->{state} == BEFORE_ATTR_DEFAULT_STATE) {
4513          if ($is_space->{$self->{nc}}) {
4514            ## Stay in the state.
4515            !!!next-input-character;
4516            redo A;
4517          } elsif ($self->{nc} == 0x0023) { # #
4518            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE;
4519            !!!next-input-character;
4520            redo A;
4521          } elsif ($self->{nc} == 0x0022) { # "
4522            $self->{ca}->{value} = '';
4523            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4524            !!!next-input-character;
4525            redo A;
4526          } elsif ($self->{nc} == 0x0027) { # '
4527            $self->{ca}->{value} = '';
4528            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4529            !!!next-input-character;
4530            redo A;
4531          } elsif ($self->{nc} == 0x003E) { # >
4532            !!!parse-error (type => 'no attr default'); ## TODO: type
4533            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4534            !!!next-input-character;
4535            !!!emit ($self->{ct}); # ATTLIST
4536            redo A;
4537          } elsif ($self->{nc} == -1) {
4538            !!!parse-error (type => 'unclosed md'); ## TODO: type
4539            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4540            !!!next-input-character;
4541            !!!emit ($self->{ct});
4542            redo A;
4543          } else {
4544            !!!parse-error (type => 'unquoted attr value'); ## TODO: type
4545            $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4546            ## Reconsume.
4547            redo A;
4548          }
4549        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_BEFORE_STATE) {
4550          if ($is_space->{$self->{nc}}) {
4551            ## XML5: No parse error.
4552            !!!parse-error (type => 'no default type'); ## TODO: type
4553            $self->{state} = BOGUS_MD_STATE;
4554            ## Reconsume.
4555            redo A;
4556          } elsif ($self->{nc} == 0x0022) { # "
4557            ## XML5: Same as "anything else".
4558            $self->{ca}->{value} = '';
4559            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4560            !!!next-input-character;
4561            redo A;
4562          } elsif ($self->{nc} == 0x0027) { # '
4563            ## XML5: Same as "anything else".
4564            $self->{ca}->{value} = '';
4565            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4566            !!!next-input-character;
4567            redo A;
4568          } elsif ($self->{nc} == 0x003E) { # >
4569            ## XML5: Same as "anything else".
4570            !!!parse-error (type => 'no attr default'); ## TODO: type
4571            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4572            !!!next-input-character;
4573            !!!emit ($self->{ct}); # ATTLIST
4574            redo A;
4575          } elsif ($self->{nc} == -1) {
4576            ## XML5: No parse error.
4577            !!!parse-error (type => 'unclosed md'); ## TODO: type
4578            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4579            !!!next-input-character;
4580            !!!emit ($self->{ct});
4581            redo A;
4582          } else {
4583            $self->{ca}->{default} = chr $self->{nc};
4584            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_STATE;
4585            !!!next-input-character;
4586            redo A;
4587          }
4588        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_STATE) {
4589          if ($is_space->{$self->{nc}}) {
4590            $self->{state} = DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_AFTER_STATE;
4591            !!!next-input-character;
4592            redo A;
4593          } elsif ($self->{nc} == 0x0022) { # "
4594            ## XML5: Same as "anything else".
4595            !!!parse-error (type => 'no space before default value'); ## TODO: type
4596            $self->{ca}->{value} = '';
4597            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4598            !!!next-input-character;
4599            redo A;
4600          } elsif ($self->{nc} == 0x0027) { # '
4601            ## XML5: Same as "anything else".
4602            !!!parse-error (type => 'no space before default value'); ## TODO: type
4603            $self->{ca}->{value} = '';
4604            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4605            !!!next-input-character;
4606            redo A;
4607          } elsif ($self->{nc} == 0x003E) { # >
4608            ## XML5: Same as "anything else".
4609            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4610            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4611            !!!next-input-character;
4612            !!!emit ($self->{ct}); # ATTLIST
4613            redo A;
4614          } elsif ($self->{nc} == -1) {
4615            ## XML5: No parse error.
4616            !!!parse-error (type => 'unclosed md'); ## TODO: type
4617            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4618            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4619            !!!next-input-character;
4620            !!!emit ($self->{ct});
4621            redo A;
4622          } else {
4623            $self->{ca}->{default} .= chr $self->{nc};
4624            ## Stay in the state.
4625            !!!next-input-character;
4626            redo A;
4627          }
4628        } elsif ($self->{state} == DOCTYPE_ATTLIST_ATTRIBUTE_DECLARATION_AFTER_STATE) {
4629          if ($is_space->{$self->{nc}}) {
4630            ## Stay in the state.
4631            !!!next-input-character;
4632            redo A;
4633          } elsif ($self->{nc} == 0x0022) { # "
4634            $self->{ca}->{value} = '';
4635            $self->{state} = ATTRIBUTE_VALUE_DOUBLE_QUOTED_STATE;
4636            !!!next-input-character;
4637            redo A;
4638          } elsif ($self->{nc} == 0x0027) { # '
4639            $self->{ca}->{value} = '';
4640            $self->{state} = ATTRIBUTE_VALUE_SINGLE_QUOTED_STATE;
4641            !!!next-input-character;
4642            redo A;
4643          } elsif ($self->{nc} == 0x003E) { # >
4644            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4645            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4646            !!!next-input-character;
4647            !!!emit ($self->{ct}); # ATTLIST
4648            redo A;
4649          } elsif ($self->{nc} == -1) {
4650            ## XML5: No parse error.
4651            !!!parse-error (type => 'unclosed md'); ## TODO: type
4652            push @{$self->{ct}->{attrdefs}}, $self->{ca};
4653            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE; ## XML5: "Data state".
4654            !!!next-input-character;
4655            !!!emit ($self->{ct});
4656            redo A;
4657          } else {
4658            ## XML5: Not defined yet.
4659            if ($self->{ca}->{default} eq 'FIXED') {
4660              $self->{state} = ATTRIBUTE_VALUE_UNQUOTED_STATE;
4661            } else {
4662              push @{$self->{ct}->{attrdefs}}, $self->{ca};
4663              $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4664            }
4665            ## Reconsume.
4666            redo A;
4667          }
4668        } elsif ($self->{state} == AFTER_ATTLIST_ATTR_VALUE_QUOTED_STATE) {
4669          if ($is_space->{$self->{nc}} or
4670              $self->{nc} == -1 or
4671              $self->{nc} == 0x003E) { # >
4672            $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4673            ## Reconsume.
4674            redo A;
4675          } else {
4676            !!!parse-error (type => 'no space before attr name'); ## TODO: type
4677            $self->{state} = DOCTYPE_ATTLIST_NAME_AFTER_STATE;
4678            ## Reconsume.
4679            redo A;
4680          }
4681        } elsif ($self->{state} == NDATA_STATE) {
4682          ## ASCII case-insensitive
4683          if ($self->{nc} == [
4684                undef,
4685                0x0044, # D
4686                0x0041, # A
4687                0x0054, # T
4688              ]->[length $self->{kwd}] or
4689              $self->{nc} == [
4690                undef,
4691                0x0064, # d
4692                0x0061, # a
4693                0x0074, # t
4694              ]->[length $self->{kwd}]) {
4695            !!!cp (172.2);
4696            ## Stay in the state.
4697            $self->{kwd} .= chr $self->{nc};
4698            !!!next-input-character;
4699            redo A;
4700          } elsif ((length $self->{kwd}) == 4 and
4701                   ($self->{nc} == 0x0041 or # A
4702                    $self->{nc} == 0x0061)) { # a
4703            if ($self->{kwd} ne 'NDAT' or $self->{nc} == 0x0061) { # a
4704              !!!cp (172.3);
4705              !!!parse-error (type => 'lowercase keyword', ## TODO: type
4706                              text => 'NDATA',
4707                              line => $self->{line_prev},
4708                              column => $self->{column_prev} - 4);
4709            } else {
4710              !!!cp (172.4);
4711            }
4712            $self->{state} = AFTER_NDATA_STATE;
4713            !!!next-input-character;
4714            redo A;
4715          } else {
4716            !!!parse-error (type => 'string after literal', ## TODO: type
4717                            line => $self->{line_prev},
4718                            column => $self->{column_prev} + 1
4719                                - length $self->{kwd});
4720            !!!cp (172.5);
4721            $self->{state} = BOGUS_MD_STATE;
4722            ## Reconsume.
4723            redo A;
4724          }
4725        } elsif ($self->{state} == AFTER_NDATA_STATE) {
4726          if ($is_space->{$self->{nc}}) {
4727            $self->{state} = BEFORE_NOTATION_NAME_STATE;
4728            !!!next-input-character;
4729            redo A;
4730          } elsif ($self->{nc} == 0x003E) { # >
4731            !!!parse-error (type => 'no notation name'); ## TODO: type
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            !!!parse-error (type => 'string after literal', ## TODO: type
4744                            line => $self->{line_prev},
4745                            column => $self->{column_prev} + 1
4746                                - length $self->{kwd});
4747            $self->{state} = BOGUS_MD_STATE;
4748            ## Reconsume.
4749            redo A;
4750          }
4751        } elsif ($self->{state} == BEFORE_NOTATION_NAME_STATE) {
4752          if ($is_space->{$self->{nc}}) {
4753            ## Stay in the state.
4754            !!!next-input-character;
4755            redo A;
4756          } elsif ($self->{nc} == 0x003E) { # >
4757            !!!parse-error (type => 'no notation name'); ## TODO: type
4758            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4759            !!!next-input-character;
4760            !!!emit ($self->{ct}); # ENTITY
4761            redo A;
4762          } elsif ($self->{nc} == -1) {
4763            !!!parse-error (type => 'unclosed md'); ## TODO: type
4764            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4765            !!!next-input-character;
4766            !!!emit ($self->{ct}); # ENTITY
4767            redo A;
4768          } else {
4769            $self->{ct}->{notation} = chr $self->{nc}; # ENTITY
4770            $self->{state} = NOTATION_NAME_STATE;
4771            !!!next-input-character;
4772            redo A;
4773          }
4774        } elsif ($self->{state} == NOTATION_NAME_STATE) {
4775          if ($is_space->{$self->{nc}}) {
4776            $self->{state} = AFTER_MD_DEF_STATE;
4777            !!!next-input-character;
4778            redo A;
4779          } elsif ($self->{nc} == 0x003E) { # >
4780            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4781            !!!next-input-character;
4782            !!!emit ($self->{ct}); # ENTITY
4783            redo A;
4784          } elsif ($self->{nc} == -1) {
4785            !!!parse-error (type => 'unclosed md'); ## TODO: type
4786            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4787            !!!next-input-character;
4788            !!!emit ($self->{ct}); # ENTITY
4789            redo A;
4790          } else {
4791            $self->{ct}->{notation} .= chr $self->{nc}; # ENTITY
4792            ## Stay in the state.
4793            !!!next-input-character;
4794            redo A;
4795          }
4796        } elsif ($self->{state} == DOCTYPE_ENTITY_VALUE_DOUBLE_QUOTED_STATE) {
4797          if ($self->{nc} == 0x0022) { # "
4798            $self->{state} = AFTER_MD_DEF_STATE;
4799            !!!next-input-character;
4800            redo A;
4801          } elsif ($self->{nc} == 0x0026) { # &
4802            $self->{prev_state} = $self->{state};
4803            $self->{state} = ENTITY_VALUE_ENTITY_STATE;
4804            $self->{entity_add} = 0x0022; # "
4805            !!!next-input-character;
4806            redo A;
4807    ## TODO: %
4808          } elsif ($self->{nc} == -1) {
4809            !!!parse-error (type => 'unclosed entity value'); ## TODO: type
4810            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4811            ## Reconsume.
4812            !!!emit ($self->{ct}); # ENTITY
4813            redo A;
4814          } else {
4815            $self->{ct}->{value} .= chr $self->{nc}; # ENTITY
4816            !!!next-input-character;
4817            redo A;
4818          }
4819        } elsif ($self->{state} == DOCTYPE_ENTITY_VALUE_SINGLE_QUOTED_STATE) {
4820          if ($self->{nc} == 0x0027) { # '
4821            $self->{state} = AFTER_MD_DEF_STATE;
4822            !!!next-input-character;
4823            redo A;
4824          } elsif ($self->{nc} == 0x0026) { # &
4825            $self->{prev_state} = $self->{state};
4826            $self->{state} = ENTITY_VALUE_ENTITY_STATE;
4827            $self->{entity_add} = 0x0027; # '
4828            !!!next-input-character;
4829            redo A;
4830    ## TODO: %
4831          } elsif ($self->{nc} == -1) {
4832            !!!parse-error (type => 'unclosed entity value'); ## TODO: type
4833            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4834            ## Reconsume.
4835            !!!emit ($self->{ct}); # ENTITY
4836            redo A;
4837          } else {
4838            $self->{ct}->{value} .= chr $self->{nc}; # ENTITY
4839            !!!next-input-character;
4840            redo A;
4841          }
4842        } elsif ($self->{state} == ENTITY_VALUE_ENTITY_STATE) {
4843          if ($is_space->{$self->{nc}} or
4844              {
4845                0x003C => 1, 0x0026 => 1, -1 => 1, # <, &
4846                $self->{entity_add} => 1,
4847              }->{$self->{nc}}) {
4848            !!!parse-error (type => 'bare ero',
4849                            line => $self->{line_prev},
4850                            column => $self->{column_prev}
4851                                + ($self->{nc} == -1 ? 1 : 0));
4852            ## Don't consume
4853            ## Return nothing.
4854            #
4855          } elsif ($self->{nc} == 0x0023) { # #
4856            $self->{ca} = $self->{ct};
4857            $self->{state} = ENTITY_HASH_STATE;
4858            $self->{kwd} = '#';
4859            !!!next-input-character;
4860            redo A;
4861          } else {
4862            #
4863          }
4864    
4865          $self->{ct}->{value} .= '&';
4866          $self->{state} = $self->{prev_state};
4867          ## Reconsume.
4868          redo A;
4869        } elsif ($self->{state} == AFTER_ELEMENT_NAME_STATE) {
4870          if ($is_space->{$self->{nc}}) {
4871            $self->{state} = BEFORE_ELEMENT_CONTENT_STATE;
4872            !!!next-input-character;
4873            redo A;
4874          } elsif ($self->{nc} == 0x0028) { # (
4875            $self->{state} = AFTER_CM_GROUP_OPEN_STATE;
4876            $self->{ct}->{content} = ['('];
4877            $self->{group_depth} = 1;
4878            !!!next-input-character;
4879            redo A;
4880          } elsif ($self->{nc} == 0x003E) { # >
4881            !!!parse-error (type => 'no md def'); ## TODO: type
4882            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4883            !!!next-input-character;
4884            !!!emit ($self->{ct}); # ELEMENT
4885            redo A;
4886          } elsif ($self->{nc} == -1) {
4887            !!!parse-error (type => 'unclosed md'); ## TODO: type
4888            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4889            !!!next-input-character;
4890            !!!emit ($self->{ct}); # ELEMENT
4891            redo A;
4892          } else {
4893            $self->{ct}->{content} = [chr $self->{nc}];
4894            $self->{state} = CONTENT_KEYWORD_STATE;
4895            !!!next-input-character;
4896            redo A;
4897          }
4898        } elsif ($self->{state} == CONTENT_KEYWORD_STATE) {
4899          if ($is_space->{$self->{nc}}) {
4900            $self->{state} = AFTER_MD_DEF_STATE;
4901            !!!next-input-character;
4902            redo A;
4903          } elsif ($self->{nc} == 0x003E) { # >
4904            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4905            !!!next-input-character;
4906            !!!emit ($self->{ct}); # ELEMENT
4907            redo A;
4908          } elsif ($self->{nc} == -1) {
4909            !!!parse-error (type => 'unclosed md'); ## TODO: type
4910            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4911            !!!next-input-character;
4912            !!!emit ($self->{ct}); # ELEMENT
4913            redo A;
4914          } else {
4915            $self->{ct}->{content}->[-1] .= chr $self->{nc}; # ELEMENT
4916            ## Stay in the state.
4917            !!!next-input-character;
4918            redo A;
4919          }
4920        } elsif ($self->{state} == AFTER_CM_GROUP_OPEN_STATE) {
4921          if ($is_space->{$self->{nc}}) {
4922            ## Stay in the state.
4923            !!!next-input-character;
4924            redo A;
4925          } elsif ($self->{nc} == 0x0028) { # (
4926            $self->{group_depth}++;
4927            push @{$self->{ct}->{content}}, chr $self->{nc};
4928            ## Stay in the state.
4929            !!!next-input-character;
4930            redo A;
4931          } elsif ($self->{nc} == 0x007C or # |
4932                   $self->{nc} == 0x002C) { # ,
4933            !!!parse-error (type => 'empty element name'); ## TODO: type
4934            ## Stay in the state.
4935            !!!next-input-character;
4936            redo A;
4937          } elsif ($self->{nc} == 0x0029) { # )
4938            !!!parse-error (type => 'empty element name'); ## TODO: type
4939            push @{$self->{ct}->{content}}, chr $self->{nc};
4940            $self->{group_depth}--;
4941            $self->{state} = AFTER_CM_GROUP_CLOSE_STATE;
4942            !!!next-input-character;
4943            redo A;
4944          } elsif ($self->{nc} == 0x003E) { # >
4945            !!!parse-error (type => 'unclosed cm group'); ## TODO: type
4946            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4947            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4948            !!!next-input-character;
4949            !!!emit ($self->{ct}); # ELEMENT
4950            redo A;
4951          } elsif ($self->{nc} == -1) {
4952            !!!parse-error (type => 'unclosed md'); ## TODO: type
4953            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4954            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4955            !!!next-input-character;
4956            !!!emit ($self->{ct}); # ELEMENT
4957            redo A;
4958          } else {
4959            push @{$self->{ct}->{content}}, chr $self->{nc};
4960            $self->{state} = CM_ELEMENT_NAME_STATE;
4961            !!!next-input-character;
4962            redo A;
4963          }
4964        } elsif ($self->{state} == CM_ELEMENT_NAME_STATE) {
4965          if ($is_space->{$self->{nc}}) {
4966            $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
4967            !!!next-input-character;
4968            redo A;
4969          } elsif ($self->{nc} == 0x002A or # *
4970                   $self->{nc} == 0x002B or # +
4971                   $self->{nc} == 0x003F) { # ?
4972            push @{$self->{ct}->{content}}, chr $self->{nc};
4973            $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
4974            !!!next-input-character;
4975            redo A;
4976          } elsif ($self->{nc} == 0x007C or # |
4977                   $self->{nc} == 0x002C) { # ,
4978            push @{$self->{ct}->{content}}, $self->{nc} == 0x007C ? ' | ' : ', ';
4979            $self->{state} = AFTER_CM_GROUP_OPEN_STATE;
4980            !!!next-input-character;
4981            redo A;
4982          } elsif ($self->{nc} == 0x0029) { # )
4983            $self->{group_depth}--;
4984            push @{$self->{ct}->{content}}, chr $self->{nc};
4985            $self->{state} = AFTER_CM_GROUP_CLOSE_STATE;
4986            !!!next-input-character;
4987            redo A;
4988          } elsif ($self->{nc} == 0x003E) { # >
4989            !!!parse-error (type => 'unclosed cm group'); ## TODO: type
4990            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4991            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4992            !!!next-input-character;
4993            !!!emit ($self->{ct}); # ELEMENT
4994            redo A;
4995          } elsif ($self->{nc} == -1) {
4996            !!!parse-error (type => 'unclosed md'); ## TODO: type
4997            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
4998            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
4999            !!!next-input-character;
5000            !!!emit ($self->{ct}); # ELEMENT
5001            redo A;
5002          } else {
5003            $self->{ct}->{content}->[-1] .= chr $self->{nc};
5004            ## Stay in the state.
5005            !!!next-input-character;
5006            redo A;
5007          }
5008        } elsif ($self->{state} == AFTER_CM_ELEMENT_NAME_STATE) {
5009          if ($is_space->{$self->{nc}}) {
5010            ## Stay in the state.
5011            !!!next-input-character;
5012            redo A;
5013          } elsif ($self->{nc} == 0x007C or # |
5014                   $self->{nc} == 0x002C) { # ,
5015            push @{$self->{ct}->{content}}, $self->{nc} == 0x007C ? ' | ' : ', ';
5016            $self->{state} = AFTER_CM_GROUP_OPEN_STATE;
5017            !!!next-input-character;
5018            redo A;
5019          } elsif ($self->{nc} == 0x0029) { # )
5020            $self->{group_depth}--;
5021            push @{$self->{ct}->{content}}, chr $self->{nc};
5022            $self->{state} = AFTER_CM_GROUP_CLOSE_STATE;
5023            !!!next-input-character;
5024            redo A;
5025          } elsif ($self->{nc} == 0x003E) { # >
5026            !!!parse-error (type => 'unclosed cm group'); ## TODO: type
5027            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5028            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5029            !!!next-input-character;
5030            !!!emit ($self->{ct}); # ELEMENT
5031            redo A;
5032          } elsif ($self->{nc} == -1) {
5033            !!!parse-error (type => 'unclosed md'); ## TODO: type
5034            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5035            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5036            !!!next-input-character;
5037            !!!emit ($self->{ct}); # ELEMENT
5038            redo A;
5039          } else {
5040            !!!parse-error (type => 'after element name'); ## TODO: type
5041            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5042            $self->{state} = BOGUS_MD_STATE;
5043            !!!next-input-character;
5044            redo A;
5045          }
5046        } elsif ($self->{state} == AFTER_CM_GROUP_CLOSE_STATE) {
5047          if ($is_space->{$self->{nc}}) {
5048            if ($self->{group_depth}) {
5049              $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
5050            } else {
5051              $self->{state} = AFTER_MD_DEF_STATE;
5052            }
5053            !!!next-input-character;
5054            redo A;
5055          } elsif ($self->{nc} == 0x002A or # *
5056                   $self->{nc} == 0x002B or # +
5057                   $self->{nc} == 0x003F) { # ?
5058            push @{$self->{ct}->{content}}, chr $self->{nc};
5059            if ($self->{group_depth}) {
5060              $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
5061            } else {
5062              $self->{state} = AFTER_MD_DEF_STATE;
5063            }
5064            !!!next-input-character;
5065            redo A;
5066          } elsif ($self->{nc} == 0x0029) { # )
5067            if ($self->{group_depth}) {
5068              $self->{group_depth}--;
5069              push @{$self->{ct}->{content}}, chr $self->{nc};
5070              ## Stay in the state.
5071              !!!next-input-character;
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->{nc} == 0x003E) { # >
5080            if ($self->{group_depth}) {
5081              !!!parse-error (type => 'unclosed cm group'); ## TODO: type
5082              push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5083            }
5084            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5085            !!!next-input-character;
5086            !!!emit ($self->{ct}); # ELEMENT
5087            redo A;
5088          } elsif ($self->{nc} == -1) {
5089            !!!parse-error (type => 'unclosed md'); ## TODO: type
5090            push @{$self->{ct}->{content}}, (')') x $self->{group_depth};
5091            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5092            !!!next-input-character;
5093            !!!emit ($self->{ct}); # ELEMENT
5094            redo A;
5095          } else {
5096            if ($self->{group_depth}) {
5097              $self->{state} = AFTER_CM_ELEMENT_NAME_STATE;
5098            } else {
5099              !!!parse-error (type => 'string after md def'); ## TODO: type
5100              $self->{state} = BOGUS_MD_STATE;
5101            }
5102            ## Reconsume.
5103            redo A;
5104          }
5105        } elsif ($self->{state} == AFTER_MD_DEF_STATE) {
5106          if ($is_space->{$self->{nc}}) {
5107            ## Stay in the state.
5108            !!!next-input-character;
5109            redo A;
5110          } elsif ($self->{nc} == 0x003E) { # >
5111            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5112            !!!next-input-character;
5113            !!!emit ($self->{ct}); # ENTITY/ELEMENT
5114            redo A;
5115          } elsif ($self->{nc} == -1) {
5116            !!!parse-error (type => 'unclosed md'); ## TODO: type
5117            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5118            !!!next-input-character;
5119            !!!emit ($self->{ct}); # ENTITY/ELEMENT
5120            redo A;
5121          } else {
5122            !!!parse-error (type => 'string after md def'); ## TODO: type
5123            $self->{state} = BOGUS_MD_STATE;
5124            ## Reconsume.
5125            redo A;
5126          }
5127        } elsif ($self->{state} == BOGUS_MD_STATE) {
5128          if ($self->{nc} == 0x003E) { # >
5129            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5130            !!!next-input-character;
5131            !!!emit ($self->{ct}); # ATTLIST/ENTITY/NOTATION
5132            redo A;
5133          } elsif ($self->{nc} == -1) {
5134            $self->{state} = DOCTYPE_INTERNAL_SUBSET_STATE;
5135            ## Reconsume.
5136            !!!emit ($self->{ct}); # ATTLIST/ENTITY/NOTATION
5137            redo A;
5138          } else {
5139            ## Stay in the state.
5140            !!!next-input-character;
5141            redo A;
5142          }
5143      } else {      } else {
5144        die "$0: $self->{state}: Unknown state";        die "$0: $self->{state}: Unknown state";
5145      }      }
# Line 2672  sub _get_next_token ($) { Line 5150  sub _get_next_token ($) {
5150    
5151  1;  1;
5152  ## $Date$  ## $Date$
5153                                    
Legend:
Removed from v.1.4  
changed lines
  Added in v.1.29
admin@suikawiki.org
 ViewVC Help
Powered by ViewVC 1.1.24