add decode & rpmsetcmp part
This commit is contained in:
+357
-5
@@ -198,12 +198,10 @@ static char* bits_to_char(int c, char* base62) {
|
||||
return base62;
|
||||
}
|
||||
|
||||
// заполняет с младших, в случае Z - ставит в старшие
|
||||
// filling from the least significant bits, in case of Z - put in the most significant bits
|
||||
static int encode_base62(int bit_cnt, const char* bit_pt, char* base62_str_pt) {
|
||||
char* base62_start = base62_str_pt;
|
||||
|
||||
// из-за этого заполнения я не знаю, как написать лучше...
|
||||
|
||||
int bits2 = 0; // number of high bits set
|
||||
int bits6 = 0; // number of regular bits set
|
||||
int num6b = 0; // pending 6-bit number
|
||||
@@ -239,14 +237,16 @@ static int encode_base62(int bit_cnt, const char* bit_pt, char* base62_str_pt) {
|
||||
|
||||
// ---
|
||||
|
||||
static inline char encode_bpp(int bpp) { return bpp - 7 + 'a'; }
|
||||
|
||||
static int encode_set(int cnt, unsigned* hash_arr, int bpp, char* base62_str) {
|
||||
int Mshift = encode_golomb_Mshift(cnt, bpp);
|
||||
int bit_cnt = encode_golomb_size(cnt, Mshift);
|
||||
|
||||
char bit_arr[bit_cnt];
|
||||
|
||||
*base62_str++ = bpp - 7 + 'a';
|
||||
*base62_str++ = Mshift - 7 + 'a';
|
||||
*base62_str++ = encode_bpp(bpp);
|
||||
*base62_str++ = encode_bpp(Mshift);
|
||||
|
||||
// hash_arr -> delta_arr
|
||||
encode_delta(cnt, hash_arr);
|
||||
@@ -300,6 +300,322 @@ const char* set_fini(struct set* set, int bpp) {
|
||||
return xstrdup(base62_str);
|
||||
}
|
||||
|
||||
// ---
|
||||
|
||||
// decode bpp or Mshift value
|
||||
static inline int decode_bpp(const char* str) { return *str++ + 7 - 'a'; }
|
||||
|
||||
static int decode_set_check(const char* str) {
|
||||
// 7..32 values encoded with 'a'..'z'
|
||||
int bpp = decode_bpp(str);
|
||||
if (bpp < 10 || bpp > 32) return -1;
|
||||
|
||||
// golomb parameter
|
||||
int Mshift = decode_bpp(str + 1);
|
||||
if (Mshift < 7 || Mshift > 31) return -2;
|
||||
if (Mshift >= bpp) return -3;
|
||||
|
||||
// no empty sets for now
|
||||
if (*str == '\0') return -4;
|
||||
|
||||
return 0;
|
||||
}
|
||||
|
||||
static int decode_set_size(const char* str) {
|
||||
int bit_cnt = 6 * (strlen(str) - 2); // each base62 char can encode up to 6 bits
|
||||
|
||||
return bit_cnt / (decode_bpp(str + 1) + 1); // estimate number of values based on Mshift
|
||||
}
|
||||
|
||||
static int char_to_num(char c) {
|
||||
if (c == '\0') return 0xff; // end of string
|
||||
|
||||
if (c >= '0' && c <= '9') return c - '0';
|
||||
if (c >= 'a' && c <= 'z') return c - 'a' + 10;
|
||||
if (c >= 'A' && c <= 'Z') return c - 'A' + 36;
|
||||
|
||||
return 0xee; // invalid character
|
||||
}
|
||||
|
||||
// надо посмотреть, насколько в действительности это делает хуже
|
||||
static char* putnbits(int n, int c, char* bit_pt) {
|
||||
for (int i = 0; i < n; ++i) {
|
||||
*bit_pt++ = (c >> i) & 1;
|
||||
}
|
||||
|
||||
return bit_pt;
|
||||
}
|
||||
|
||||
// Main base62 decoding routine: unpack base62 string into bitv[].
|
||||
static int decode_base62(const char* base62_str, char* bit_pt) {
|
||||
char* bit_start = bit_pt;
|
||||
|
||||
unsigned num6b = char_to_num(*base62_str++); // pending 6-bit number
|
||||
while (num6b != 0xff) {
|
||||
if (num6b == 0xee) return -1;
|
||||
|
||||
if (num6b < 61) {
|
||||
bit_pt = putnbits(6, num6b, bit_pt);
|
||||
} else {
|
||||
assert(num6b == 61);
|
||||
// 61 62 63 cases
|
||||
|
||||
unsigned mask = (1 << 4) | (1 << 5); // high bits mask
|
||||
int num4b = char_to_num(*base62_str++);
|
||||
if (num4b == 0xff) return -2;
|
||||
if (num4b == 0xee) return -3;
|
||||
|
||||
int num2b = num4b & mask; // high bits
|
||||
num4b &= ~mask; // low bits
|
||||
assert(num2b != mask); // not both bits set
|
||||
|
||||
bit_pt = putnbits(6, 61 + num2b >> 4, bit_pt); // 61 + (0|1|2) in high bits
|
||||
bit_pt = putnbits(4, num4b, bit_pt);
|
||||
}
|
||||
|
||||
num6b = char_to_num(*base62_str++);
|
||||
}
|
||||
|
||||
return bit_pt - bit_start;
|
||||
}
|
||||
|
||||
// Main golomb decoding routine: unpackage bits into values.
|
||||
static int decode_golomb(int bit_cnt, const char* bit_pt, int Mshift, unsigned* golomb_pt) {
|
||||
unsigned* golomb_start = golomb_pt;
|
||||
|
||||
// next value
|
||||
while (bit_cnt > 0) {
|
||||
// first part
|
||||
unsigned q = 0;
|
||||
char bit = 0;
|
||||
while (bit_cnt > 0) {
|
||||
bit_cnt--;
|
||||
bit = *bit_pt++;
|
||||
|
||||
if (bit == 0) {
|
||||
q++;
|
||||
} else {
|
||||
break;
|
||||
}
|
||||
}
|
||||
|
||||
// trailing zero bits in the input are okay
|
||||
if (bit_cnt == 0 && bit == 0) {
|
||||
// up to 5 bits can be used to complete last character
|
||||
if (q > 5) {
|
||||
return -10;
|
||||
}
|
||||
|
||||
break;
|
||||
}
|
||||
|
||||
// otherwise, incomplete value is not okay
|
||||
if (bit_cnt < Mshift) {
|
||||
return -11;
|
||||
}
|
||||
|
||||
// second part
|
||||
unsigned r = 0;
|
||||
int i;
|
||||
for (i = 0; i < Mshift; i++) {
|
||||
bit_cnt--;
|
||||
if (*bit_pt++) {
|
||||
r |= (1 << i);
|
||||
}
|
||||
}
|
||||
|
||||
// the value
|
||||
*golomb_pt++ = (q << Mshift) | r;
|
||||
}
|
||||
|
||||
return golomb_pt - golomb_start;
|
||||
}
|
||||
|
||||
static void decode_delta(int cnt, unsigned* delta_pt) {
|
||||
assert(cnt > 0);
|
||||
unsigned* delta_end = delta_pt + cnt;
|
||||
unsigned prev = *delta_pt++;
|
||||
|
||||
while (delta_pt < delta_end) {
|
||||
*delta_pt += prev;
|
||||
prev = *delta_pt++;
|
||||
}
|
||||
|
||||
return;
|
||||
}
|
||||
|
||||
static int decode_set(const char* str, unsigned* hash_arr) {
|
||||
int Mshift = decode_bpp(str + 1);
|
||||
const char* base62_str = str + 2;
|
||||
|
||||
// base62
|
||||
char bit_arr[6 * strlen(base62_str)]; // each base62 char can encode up to 6 bits
|
||||
int bit_cnt = decode_base62(base62_str, bit_arr);
|
||||
if (bit_cnt < 0) return bit_cnt;
|
||||
|
||||
// golomb
|
||||
int cnt = decode_golomb(bit_cnt, bit_arr, Mshift, hash_arr);
|
||||
if (cnt < 0) return cnt;
|
||||
|
||||
// delta
|
||||
decode_delta(cnt, hash_arr);
|
||||
|
||||
return cnt;
|
||||
}
|
||||
|
||||
// Reduce a set of (bpp + 1) values to a set of bpp values.
|
||||
static int downsample_set(int cnt, const unsigned* hash_pt, unsigned* ds_pt, int bpp) {
|
||||
unsigned mask = (1 << bpp) - 1;
|
||||
|
||||
// find the first element with high bit set
|
||||
int l = 0;
|
||||
int u = cnt;
|
||||
while (l < u) {
|
||||
int i = (l + u) / 2;
|
||||
|
||||
if (hash_pt[i] <= mask) {
|
||||
l = i + 1;
|
||||
} else {
|
||||
u = i;
|
||||
}
|
||||
}
|
||||
|
||||
// initialize parts
|
||||
const unsigned* ds_start = ds_pt;
|
||||
const unsigned *v1 = hash_pt + 0, *v1_end = hash_pt + u;
|
||||
const unsigned *v2 = hash_pt + u, *v2_end = hash_pt + cnt;
|
||||
|
||||
// merge v1 and v2 into w
|
||||
if (v1 < v1_end && v2 < v2_end) {
|
||||
unsigned v1_val = *v1;
|
||||
unsigned v2_val = *v2 & mask;
|
||||
|
||||
while (1) {
|
||||
if (v1_val < v2_val) {
|
||||
*ds_pt++ = v1_val;
|
||||
v1++;
|
||||
|
||||
if (v1 == v1_end) break;
|
||||
|
||||
v1_val = *v1;
|
||||
} else if (v2_val < v1_val) {
|
||||
*ds_pt++ = v2_val;
|
||||
v2++;
|
||||
|
||||
if (v2 == v2_end) break;
|
||||
|
||||
v2_val = *v2 & mask;
|
||||
} else {
|
||||
*ds_pt++ = v1_val;
|
||||
v1++;
|
||||
v2++;
|
||||
|
||||
if (v1 == v1_end) break;
|
||||
if (v2 == v2_end) break;
|
||||
|
||||
v1_val = *v1;
|
||||
v2_val = *v2 & mask;
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
// append what's left
|
||||
while (v1 < v1_end) *ds_pt++ = *v1++;
|
||||
while (v2 < v2_end) *ds_pt++ = *v2++ & mask;
|
||||
|
||||
return ds_pt - ds_start;
|
||||
}
|
||||
|
||||
// main API routine
|
||||
int rpmsetcmp(const char* str1, const char* str2) {
|
||||
if (strncmp(str1, "set:", 4) == 0) str1 += 4;
|
||||
if (strncmp(str2, "set:", 4) == 0) str2 += 4;
|
||||
|
||||
if (decode_set_check(str1) < 0) return -3;
|
||||
if (decode_set_check(str2) < 0) return -4;
|
||||
|
||||
// decode set1
|
||||
int cnt1 = decode_set_size(str1);
|
||||
unsigned bufA1[cnt1];
|
||||
unsigned bufB1[cnt1];
|
||||
unsigned* hash_arr1 = bufA1;
|
||||
cnt1 = decode_set(str1, hash_arr1);
|
||||
if (cnt1 < 0) return -3;
|
||||
|
||||
// decode set2
|
||||
int cnt2 = decode_set_size(str2);
|
||||
unsigned bufA2[cnt2];
|
||||
unsigned bufB2[cnt2];
|
||||
unsigned* hash_arr2 = bufA2;
|
||||
cnt2 = decode_set(str2, hash_arr2);
|
||||
if (cnt2 < 0) return -4;
|
||||
|
||||
int bpp1 = decode_bpp(str1);
|
||||
int bpp2 = decode_bpp(str2);
|
||||
int min_bpp = (bpp1 < bpp2) ? bpp1 : bpp2;
|
||||
|
||||
while (bpp1 > min_bpp) {
|
||||
unsigned* pt1 = bufA1;
|
||||
if (hash_arr1 == pt1) {
|
||||
pt1 = bufB1;
|
||||
}
|
||||
|
||||
bpp1--;
|
||||
cnt1 = downsample_set(cnt1, hash_arr1, pt1, bpp1);
|
||||
hash_arr1 = pt1;
|
||||
}
|
||||
|
||||
while (bpp2 > min_bpp) {
|
||||
unsigned* pt2 = bufA2;
|
||||
if (hash_arr2 == pt2) {
|
||||
pt2 = bufB2;
|
||||
}
|
||||
|
||||
bpp2--;
|
||||
cnt2 = downsample_set(cnt2, hash_arr2, pt2, bpp2);
|
||||
hash_arr2 = pt2;
|
||||
}
|
||||
|
||||
// compare
|
||||
int ge = 1;
|
||||
int le = 1;
|
||||
const unsigned* end1 = hash_arr1 + cnt1;
|
||||
const unsigned* end2 = hash_arr2 + cnt2;
|
||||
|
||||
while (hash_arr1 < end1 && hash_arr2 < end2) {
|
||||
if (*hash_arr1 < *hash_arr2) {
|
||||
le = 0;
|
||||
hash_arr1++;
|
||||
} else if (*hash_arr2 < *hash_arr1) {
|
||||
ge = 0;
|
||||
hash_arr2++;
|
||||
} else {
|
||||
hash_arr1++;
|
||||
hash_arr2++;
|
||||
}
|
||||
}
|
||||
|
||||
if (hash_arr1 < end1) {
|
||||
le = 0;
|
||||
}
|
||||
if (hash_arr2 < end2) {
|
||||
ge = 0;
|
||||
}
|
||||
|
||||
if (ge && le) {
|
||||
return 0;
|
||||
} else if (ge) {
|
||||
return 1;
|
||||
} else if (le) {
|
||||
return -1;
|
||||
}
|
||||
|
||||
return -2;
|
||||
}
|
||||
|
||||
// ---
|
||||
|
||||
#ifdef SELF_TEST
|
||||
int main(void) {
|
||||
struct set* set1 = set_new();
|
||||
set_add(set1, "mama");
|
||||
@@ -308,5 +624,41 @@ int main(void) {
|
||||
const char* str10 = set_fini(set1, 16);
|
||||
fprintf(stderr, "set10=%s\n", str10);
|
||||
|
||||
int cmp;
|
||||
struct set* set2 = set_new();
|
||||
set_add(set2, "myla");
|
||||
set_add(set2, "mama");
|
||||
const char* str20 = set_fini(set2, 16);
|
||||
fprintf(stderr, "set20=%s\n", str20);
|
||||
cmp = rpmsetcmp(str10, str20);
|
||||
assert(cmp == 1);
|
||||
|
||||
set_add(set2, "ramu");
|
||||
const char* str21 = set_fini(set2, 16);
|
||||
fprintf(stderr, "set21=%s\n", str21);
|
||||
cmp = rpmsetcmp(str10, str21);
|
||||
assert(cmp == 0);
|
||||
|
||||
set_add(set2, "baba");
|
||||
const char* str22 = set_fini(set2, 16);
|
||||
cmp = rpmsetcmp(str10, str22);
|
||||
assert(cmp == -1);
|
||||
|
||||
set_add(set1, "deda");
|
||||
const char* str11 = set_fini(set1, 16);
|
||||
cmp = rpmsetcmp(str11, str22);
|
||||
assert(cmp == -2);
|
||||
|
||||
set1 = set_free(set1);
|
||||
set2 = set_free(set2);
|
||||
str10 = _free(str10);
|
||||
str11 = _free(str11);
|
||||
str20 = _free(str20);
|
||||
str21 = _free(str21);
|
||||
str22 = _free(str22);
|
||||
|
||||
fprintf(stderr, "%s: api test OK\n", __FILE__);
|
||||
|
||||
return 0;
|
||||
}
|
||||
#endif
|
||||
|
||||
Reference in New Issue
Block a user