Reviewed by Darin.
[WebKit-https.git] / WebCore / platform / KURL.cpp
1 /*
2  * Copyright (C) 2004 Apple Computer, Inc.  All rights reserved.
3  *
4  * Redistribution and use in source and binary forms, with or without
5  * modification, are permitted provided that the following conditions
6  * are met:
7  * 1. Redistributions of source code must retain the above copyright
8  *    notice, this list of conditions and the following disclaimer.
9  * 2. Redistributions in binary form must reproduce the above copyright
10  *    notice, this list of conditions and the following disclaimer in the
11  *    documentation and/or other materials provided with the distribution.
12  *
13  * THIS SOFTWARE IS PROVIDED BY APPLE COMPUTER, INC. ``AS IS'' AND ANY
14  * EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE
15  * IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR
16  * PURPOSE ARE DISCLAIMED.  IN NO EVENT SHALL APPLE COMPUTER, INC. OR
17  * CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL,
18  * EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO,
19  * PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR
20  * PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY
21  * OF LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT
22  * (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE
23  * OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE. 
24  */
25
26 #include "config.h"
27 #include "KURL.h"
28
29 #include <kxmlcore/Assertions.h>
30 #include "PlatformString.h"
31 #include "RegularExpression.h"
32 #include "TextEncoding.h"
33 #include <kxmlcore/Vector.h>
34 #include <unicode/uidna.h>
35 #include <utility>
36
37 using std::pair;
38 using std::make_pair;
39 using namespace WebCore;
40
41 typedef enum {
42     // alpha 
43     SchemeFirstChar = 1 << 0,
44
45     // ( alpha | digit | "+" | "-" | "." )
46     SchemeChar = 1 << 1,
47
48     // mark        = "-" | "_" | "." | "!" | "~" | "*" | "'" | "(" | ")"
49     // unreserved  = alphanum | mark
50     // ( unreserved | escaped | ";" | ":" | "&" | "=" | "+" | "$" | "," )
51     UserInfoChar = 1 << 2,
52
53     // alnum | "." | "-" | "%"
54     // The above is what the specification says, but we are lenient to
55     // match existing practice and also allow:
56     // "_"
57     HostnameChar = 1 << 3,
58
59     // hexdigit | ":" | "%"
60     IPv6Char = 1 << 4,
61
62     // "#" | "?" | "/" | nul
63     PathSegmentEndChar = 1 << 5,
64
65     // digit | "A" | "B" | "C" | "D" | "E" | "F" | "a" | "b" | "c" | "d" | "e" | "f"
66     HexDigitChar = 1 << 6,
67
68     // not allowed in path
69     BadChar = 1 << 7
70
71 } URLCharacterClasses;
72
73 static const char hexDigits[17] = "0123456789ABCDEF";
74
75 static const unsigned char characterClassTable[256] = {
76     /* 0 nul */ PathSegmentEndChar,    /* 1 soh */ BadChar,
77     /* 2 stx */ BadChar,    /* 3 etx */ BadChar,    
78     /* 4 eot */ BadChar,    /* 5 enq */ BadChar,    /* 6 ack */ BadChar,    /* 7 bel */ BadChar,
79     /* 8 bs */ BadChar,     /* 9 ht */ BadChar,    /* 10 nl */ BadChar,    /* 11 vt */ BadChar,
80     /* 12 np */ BadChar,    /* 13 cr */ BadChar,    /* 14 so */ BadChar,    /* 15 si */ BadChar,
81     /* 16 dle */ BadChar,   /* 17 dc1 */ BadChar,   /* 18 dc2 */ BadChar,   /* 19 dc3 */ BadChar,
82     /* 20 dc4 */ BadChar,   /* 21 nak */ BadChar,   /* 22 syn */ BadChar,   /* 23 etb */ BadChar,
83     /* 24 can */ BadChar,   /* 25 em */ BadChar,    /* 26 sub */ BadChar,   /* 27 esc */ BadChar,
84     /* 28 fs */ BadChar,    /* 29 gs */ BadChar,    /* 30 rs */ BadChar,    /* 31 us */ BadChar,
85     /* 32 sp */ BadChar,    /* 33  ! */ UserInfoChar,
86     /* 34  " */ BadChar,    /* 35  # */ PathSegmentEndChar | BadChar,    
87     /* 36  $ */ UserInfoChar,    /* 37  % */ UserInfoChar | HostnameChar | IPv6Char | BadChar,
88     /* 38  & */ UserInfoChar,    /* 39  ' */ UserInfoChar,
89     /* 40  ( */ UserInfoChar,    /* 41  ) */ UserInfoChar,    
90     /* 42  * */ UserInfoChar,    /* 43  + */ SchemeChar | UserInfoChar,
91     /* 44  , */ UserInfoChar,    
92     /* 45  - */ SchemeChar | UserInfoChar | HostnameChar, 
93     /* 46  . */ SchemeChar | UserInfoChar | HostnameChar,   
94     /* 47  / */ PathSegmentEndChar,
95     /* 48  0 */ SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char, 
96     /* 49  1 */ SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,    
97     /* 50  2 */ SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char, 
98     /* 51  3 */ SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
99     /* 52  4 */ SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char, 
100     /* 53  5 */ SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
101     /* 54  6 */ SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char, 
102     /* 55  7 */ SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
103     /* 56  8 */ SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char, 
104     /* 57  9 */ SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
105     /* 58  : */ UserInfoChar | IPv6Char,    /* 59  ; */ UserInfoChar,
106     /* 60  < */ BadChar,    /* 61  = */ UserInfoChar,
107     /* 62  > */ BadChar,    /* 63  ? */ PathSegmentEndChar | BadChar,
108     /* 64  @ */ 0,
109     /* 65  A */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,    
110     /* 66  B */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
111     /* 67  C */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
112     /* 68  D */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
113     /* 69  E */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
114     /* 70  F */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
115     /* 71  G */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
116     /* 72  H */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
117     /* 73  I */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
118     /* 74  J */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
119     /* 75  K */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
120     /* 76  L */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
121     /* 77  M */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
122     /* 78  N */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
123     /* 79  O */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
124     /* 80  P */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
125     /* 81  Q */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
126     /* 82  R */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
127     /* 83  S */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
128     /* 84  T */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
129     /* 85  U */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
130     /* 86  V */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
131     /* 87  W */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
132     /* 88  X */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar, 
133     /* 89  Y */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
134     /* 90  Z */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
135     /* 91  [ */ 0,
136     /* 92  \ */ 0,    /* 93  ] */ 0,
137     /* 94  ^ */ 0,
138     /* 95  _ */ UserInfoChar | HostnameChar,
139     /* 96  ` */ 0,
140     /* 97  a */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
141     /* 98  b */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char, 
142     /* 99  c */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
143     /* 100  d */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char, 
144     /* 101  e */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
145     /* 102  f */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char, 
146     /* 103  g */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
147     /* 104  h */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar, 
148     /* 105  i */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
149     /* 106  j */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar, 
150     /* 107  k */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
151     /* 108  l */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar, 
152     /* 109  m */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
153     /* 110  n */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar, 
154     /* 111  o */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
155     /* 112  p */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar, 
156     /* 113  q */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
157     /* 114  r */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar, 
158     /* 115  s */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
159     /* 116  t */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar, 
160     /* 117  u */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
161     /* 118  v */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar, 
162     /* 119  w */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
163     /* 120  x */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar, 
164     /* 121  y */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
165     /* 122  z */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar, 
166     /* 123  { */ 0,
167     /* 124  | */ 0,   /* 125  } */ 0,   /* 126  ~ */ UserInfoChar,   /* 127 del */ BadChar,
168     /* 128 */ BadChar, /* 129 */ BadChar, /* 130 */ BadChar, /* 131 */ BadChar,
169     /* 132 */ BadChar, /* 133 */ BadChar, /* 134 */ BadChar, /* 135 */ BadChar,
170     /* 136 */ BadChar, /* 137 */ BadChar, /* 138 */ BadChar, /* 139 */ BadChar,
171     /* 140 */ BadChar, /* 141 */ BadChar, /* 142 */ BadChar, /* 143 */ BadChar,
172     /* 144 */ BadChar, /* 145 */ BadChar, /* 146 */ BadChar, /* 147 */ BadChar,
173     /* 148 */ BadChar, /* 149 */ BadChar, /* 150 */ BadChar, /* 151 */ BadChar,
174     /* 152 */ BadChar, /* 153 */ BadChar, /* 154 */ BadChar, /* 155 */ BadChar,
175     /* 156 */ BadChar, /* 157 */ BadChar, /* 158 */ BadChar, /* 159 */ BadChar,
176     /* 160 */ BadChar, /* 161 */ BadChar, /* 162 */ BadChar, /* 163 */ BadChar,
177     /* 164 */ BadChar, /* 165 */ BadChar, /* 166 */ BadChar, /* 167 */ BadChar,
178     /* 168 */ BadChar, /* 169 */ BadChar, /* 170 */ BadChar, /* 171 */ BadChar,
179     /* 172 */ BadChar, /* 173 */ BadChar, /* 174 */ BadChar, /* 175 */ BadChar,
180     /* 176 */ BadChar, /* 177 */ BadChar, /* 178 */ BadChar, /* 179 */ BadChar,
181     /* 180 */ BadChar, /* 181 */ BadChar, /* 182 */ BadChar, /* 183 */ BadChar,
182     /* 184 */ BadChar, /* 185 */ BadChar, /* 186 */ BadChar, /* 187 */ BadChar,
183     /* 188 */ BadChar, /* 189 */ BadChar, /* 190 */ BadChar, /* 191 */ BadChar,
184     /* 192 */ BadChar, /* 193 */ BadChar, /* 194 */ BadChar, /* 195 */ BadChar,
185     /* 196 */ BadChar, /* 197 */ BadChar, /* 198 */ BadChar, /* 199 */ BadChar,
186     /* 200 */ BadChar, /* 201 */ BadChar, /* 202 */ BadChar, /* 203 */ BadChar,
187     /* 204 */ BadChar, /* 205 */ BadChar, /* 206 */ BadChar, /* 207 */ BadChar,
188     /* 208 */ BadChar, /* 209 */ BadChar, /* 210 */ BadChar, /* 211 */ BadChar,
189     /* 212 */ BadChar, /* 213 */ BadChar, /* 214 */ BadChar, /* 215 */ BadChar,
190     /* 216 */ BadChar, /* 217 */ BadChar, /* 218 */ BadChar, /* 219 */ BadChar,
191     /* 220 */ BadChar, /* 221 */ BadChar, /* 222 */ BadChar, /* 223 */ BadChar,
192     /* 224 */ BadChar, /* 225 */ BadChar, /* 226 */ BadChar, /* 227 */ BadChar,
193     /* 228 */ BadChar, /* 229 */ BadChar, /* 230 */ BadChar, /* 231 */ BadChar,
194     /* 232 */ BadChar, /* 233 */ BadChar, /* 234 */ BadChar, /* 235 */ BadChar,
195     /* 236 */ BadChar, /* 237 */ BadChar, /* 238 */ BadChar, /* 239 */ BadChar,
196     /* 240 */ BadChar, /* 241 */ BadChar, /* 242 */ BadChar, /* 243 */ BadChar,
197     /* 244 */ BadChar, /* 245 */ BadChar, /* 246 */ BadChar, /* 247 */ BadChar,
198     /* 248 */ BadChar, /* 249 */ BadChar, /* 250 */ BadChar, /* 251 */ BadChar,
199     /* 252 */ BadChar, /* 253 */ BadChar, /* 254 */ BadChar, /* 255 */ BadChar
200 };
201
202 static int copyPathRemovingDots(char* dst, const char* src, int srcStart, int srcEnd);
203 static char* encodeRelativeString(const KURL &base, const DeprecatedString& rel, const WebCore::TextEncoding& encoding);
204 static DeprecatedString substituteBackslashes(const DeprecatedString &string);
205
206 static inline bool isSchemeFirstChar(unsigned char c) { return characterClassTable[c] & SchemeFirstChar; }
207 static inline bool isSchemeChar(unsigned char c) { return characterClassTable[c] & SchemeChar; }
208 static inline bool isUserInfoChar(unsigned char c) { return characterClassTable[c] & UserInfoChar; }
209 static inline bool isHostnameChar(unsigned char c) { return characterClassTable[c] & HostnameChar; }
210 static inline bool isIPv6Char(unsigned char c) { return characterClassTable[c] & IPv6Char; }
211 static inline bool isPathSegmentEndChar(unsigned char c) { return characterClassTable[c] & PathSegmentEndChar; }
212 static inline bool isBadChar(unsigned char c) { return characterClassTable[c] & BadChar; }
213 static inline bool isHexDigit(unsigned char c) { return characterClassTable[c] & HexDigitChar; }
214
215 static inline int hexDigitValue(unsigned char c)
216 {
217     ASSERT(isHexDigit(c));
218     if (c < 'A')
219         return c - '0';
220     return (c - 'A' + 10) & 0xF; // handle both upper and lower case without a branch
221 }
222
223 // KURL
224
225 KURL::KURL() : m_isValid(false)
226 {
227 }
228
229 KURL::KURL(const char *url)
230 {
231     if (url && url[0] == '/') {
232          // 5 for "file:", 1 for terminator
233         size_t urlLength = strlen(url) + 1;
234         Vector<char, 2048> buffer(urlLength + 5);
235         buffer[0] = 'f';
236         buffer[1] = 'i';
237         buffer[2] = 'l';
238         buffer[3] = 'e';
239         buffer[4] = ':';
240         memcpy(&buffer[5], url, urlLength);
241         parse(buffer, 0);
242     } else
243         parse(url, 0);
244 }
245
246 KURL::KURL(const DeprecatedString &url)
247 {
248     if (!url.isEmpty() && url[0] == '/') {
249         // 5 for "file:", 1 for terminator
250         Vector<char, 2048> buffer(url.length() + 6);
251         buffer[0] = 'f';
252         buffer[1] = 'i';
253         buffer[2] = 'l';
254         buffer[3] = 'e';
255         buffer[4] = ':';
256         url.copyLatin1(&buffer[5]);
257         parse(buffer, 0);
258     } else
259         parse(url.ascii(), &url);
260 }
261
262 KURL::KURL(const KURL &base, const DeprecatedString &relative, const WebCore::TextEncoding& encoding)
263 {
264     // Allow at lest absolute URLs to resolve against an empty URL.
265     if (!base.m_isValid && !base.isEmpty()) {
266         m_isValid = false;
267         return;
268     }
269     
270     bool absolute = false;
271
272     // for compatibility with Win IE, we must treat backslashes as if they were slashes
273     DeprecatedString substitutedRelative;
274     bool containsBackslash = relative.contains('\\');
275     if (containsBackslash) {
276         substitutedRelative = substituteBackslashes(relative);
277     }
278
279     const DeprecatedString &rel = containsBackslash ? substitutedRelative : relative;
280     
281     bool allASCII = rel.isAllASCII();
282     char *strBuffer;
283     const char *str;
284     if (allASCII) {
285         strBuffer = 0;
286         str = rel.ascii();
287     } else {
288         strBuffer = encodeRelativeString(base, rel, encoding);
289         str = strBuffer;
290     }
291     
292     // workaround for sites that put leading whitespace whitespace on
293     // URL references
294     bool strippedStart = false;
295     while (*str == ' ') {
296         str++;
297         strippedStart = true;
298     }
299
300     // workaround for trailing whitespace - a bit more complicated cause we have to copy
301     // it would be even better to replace null-termination with a length parameter
302     int len = strlen(str);
303     int charsToChopOffEnd = 0;
304     for (int pos = len - 1; pos >= 0 && str[pos] == ' '; pos--) {
305         charsToChopOffEnd++;
306     }
307     if (charsToChopOffEnd > 0) {
308         char *newStrBuffer = (char *)fastMalloc((len + 1) - charsToChopOffEnd);
309         strncpy(newStrBuffer, str, len - charsToChopOffEnd);
310         newStrBuffer[len - charsToChopOffEnd] = '\0';
311         fastFree(strBuffer);
312         strBuffer = newStrBuffer;
313         str = strBuffer;
314     }
315
316     // According to the RFC, the reference should be interpreted as an
317     // absolute URI if possible, using the "leftmost, longest"
318     // algorithm. If the URI reference is absolute it will have a
319     // scheme, meaning that it will have a colon before the first
320     // non-scheme element.
321     const char *p = str;
322     if (isSchemeFirstChar(*p)) {
323         ++p;
324         while (isSchemeChar(*p)) {
325             ++p;
326         }
327         if (*p == ':') {
328             if (p[1] != '/' && base.protocol().lower() == DeprecatedString(str, p - str).lower() && base.isHierarchical())
329                 str = p + 1;
330             else
331                 absolute = true;
332         }
333     }
334
335     if (absolute) {
336         parse(str, (allASCII && !strippedStart && (charsToChopOffEnd == 0)) ? &rel : 0);
337     } else {
338         // if the base is invalid, just append the relative
339         // portion. The RFC does not specify what to do in this case.
340         if (!base.m_isValid) {
341             DeprecatedString newURL = base.urlString + str;
342             parse(newURL.ascii(), &newURL);
343             if (strBuffer) {
344                 fastFree(strBuffer);
345             }
346             return;
347         }
348
349         switch(str[0]) {
350         case '\0':
351             // the reference must be empty - the RFC says this is a
352             // reference to the same document
353             {
354                 *this = base;
355                 break;
356             }
357         case '#':
358             // must be fragment-only reference
359             {
360                 DeprecatedString newURL = base.urlString.left(base.queryEndPos) + str;
361                 parse(newURL.ascii(), &newURL);
362                 break;
363             }
364         case '?':
365             // query-only reference, special case needed for non-URL results
366             {
367                 DeprecatedString newURL = base.urlString.left(base.pathEndPos) + str;
368                 parse(newURL.ascii(), &newURL);
369                 break;
370             }
371         case '/':
372             // must be net-path or absolute-path reference
373             {
374                 if (str[1] == '/') {
375                     // net-path
376                     DeprecatedString newURL = base.urlString.left(base.schemeEndPos + 1) + str;
377                     parse(newURL.ascii(), &newURL);
378                 } else {
379                     // abs-path
380                     DeprecatedString newURL = base.urlString.left(base.portEndPos) + str;
381                     parse(newURL.ascii(), &newURL);
382                 }
383                 break;
384             }
385         default:
386             {
387                 // must be relative-path reference
388
389                 // Base part plus relative part plus one possible slash added in between plus terminating \0 byte.
390                 Vector<char, 2048> buffer(base.pathEndPos + 1 + strlen(str) + 1);
391
392                 char *bufferPos = buffer;
393                 
394                 // first copy everything before the path from the base
395                 const char *baseString = base.urlString.ascii();
396                 const char *baseStringStart = baseString;
397                 const char *pathStart = baseStringStart + base.portEndPos;
398                 while (baseStringStart < pathStart) {
399                     *bufferPos++ = *baseStringStart++;
400                 }
401                 char *bufferPathStart = bufferPos;
402
403                 // now copy the base path 
404                 const char *baseStringEnd = baseString + base.pathEndPos;
405                 
406                 // go back to the last slash
407                 while (baseStringEnd > baseStringStart && baseStringEnd[-1] != '/') {
408                     baseStringEnd--;
409                 }
410                 
411                 if (baseStringEnd == baseStringStart) {
412                     // no path in base, add a path separator if necessary
413                     if (base.schemeEndPos + 1 != base.pathEndPos && *str != '\0' && *str != '?' && *str != '#') {
414                         *bufferPos++ = '/';
415                     }
416                 } else {
417                     bufferPos += copyPathRemovingDots(bufferPos, baseStringStart, 0, baseStringEnd - baseStringStart);
418                 }
419
420                 const char *relStringStart = str;
421                 const char *relStringPos = relStringStart;
422                 
423                 while (*relStringPos != '\0' && *relStringPos != '?' && *relStringPos != '#') {
424                     if (relStringPos[0] == '.' && bufferPos[-1] == '/') {
425                         if (isPathSegmentEndChar(relStringPos[1])) {
426                             // skip over "." segment
427                             relStringPos += 1;
428                             if (relStringPos[0] == '/') {
429                                 relStringPos++;
430                             }
431                             continue;
432                         } else if (relStringPos[1] == '.' && isPathSegmentEndChar(relStringPos[2])) {
433                             // skip over ".." segment and rewind the last segment
434                             // the RFC leaves it up to the app to decide what to do with excess
435                             // ".." segments - we choose to drop them since some web content
436                             // relies on this.
437                             relStringPos += 2;
438                             if (relStringPos[0] == '/') {
439                                 relStringPos++;
440                             }
441                             if (bufferPos > bufferPathStart + 1) {
442                                 bufferPos--;
443                             }
444                             while (bufferPos > bufferPathStart + 1  && bufferPos[-1] != '/') {
445                                 bufferPos--;
446                             }
447                             continue;
448                         }
449                     }
450                     
451                     *bufferPos = *relStringPos;
452                     relStringPos++;
453                     bufferPos++;
454                 }
455
456                 // all done with the path work, now copy any remainder
457                 // of the relative reference; this will also add a null terminator
458                 strcpy(bufferPos, relStringPos);
459
460                 parse(buffer, 0);
461                 
462                 ASSERT(strlen(buffer) + 1 <= buffer.size());
463                 break;
464             }
465         }
466     }
467     
468     if (strBuffer) {
469         fastFree(strBuffer);
470     }
471 }
472
473 bool KURL::hasPath() const
474 {
475     return m_isValid && pathEndPos != portEndPos;
476 }
477
478 DeprecatedString KURL::protocol() const
479 {
480     if (!m_isValid) {
481         return DeprecatedString();
482     }
483
484     return urlString.left(schemeEndPos);
485 }
486
487 DeprecatedString KURL::host() const
488 {
489     if (!m_isValid) {
490         return DeprecatedString();
491     }
492
493     int start = (passwordEndPos == userStartPos) ? passwordEndPos : passwordEndPos + 1;
494     return decode_string(urlString.mid(start, hostEndPos - start));
495 }
496
497 unsigned short int KURL::port() const
498 {
499     if (!m_isValid) {
500         return 0;
501     }
502
503     if (hostEndPos != portEndPos) {
504         bool ok;
505         unsigned short result = urlString.mid(hostEndPos + 1, portEndPos - hostEndPos - 1).toUShort(&ok);
506         if (!ok) {
507             result = 0;
508         }
509         return result;
510     }
511
512     return 0;
513 }
514
515 DeprecatedString KURL::pass() const
516 {
517     if (!m_isValid) {
518         return DeprecatedString();
519     }
520
521     if (passwordEndPos == userEndPos) {
522         return DeprecatedString();
523     }
524
525     return decode_string(urlString.mid(userEndPos + 1, passwordEndPos - userEndPos - 1)); 
526 }
527
528 DeprecatedString KURL::user() const
529 {
530     if (!m_isValid) {
531         return DeprecatedString();
532     }
533
534     return decode_string(urlString.mid(userStartPos, userEndPos - userStartPos));
535 }
536
537 DeprecatedString KURL::ref() const
538 {
539     if (!m_isValid || fragmentEndPos == queryEndPos) {
540         return DeprecatedString();
541     }
542
543     return urlString.mid(queryEndPos + 1, fragmentEndPos - (queryEndPos + 1));
544 }
545
546 bool KURL::hasRef() const
547 {
548     return m_isValid && fragmentEndPos != queryEndPos;
549 }
550
551 DeprecatedString KURL::query() const
552 {
553     if (!m_isValid) {
554         return DeprecatedString();
555     }
556
557     return urlString.mid(pathEndPos, queryEndPos - pathEndPos); 
558 }
559
560 DeprecatedString KURL::path() const
561 {
562     if (!m_isValid) {
563         return DeprecatedString();
564     }
565
566     return decode_string(urlString.mid(portEndPos, pathEndPos - portEndPos)); 
567 }
568
569 void KURL::setProtocol(const DeprecatedString &s)
570 {
571     if (!m_isValid) {
572         DeprecatedString newURL = s + ":" + urlString;
573         parse(newURL.ascii(), &newURL);
574         return;
575     }
576
577     DeprecatedString newURL = s + urlString.mid(schemeEndPos);
578     parse(newURL.ascii(), &newURL);
579 }
580
581 void KURL::setHost(const DeprecatedString &s)
582 {
583     if (m_isValid) {
584         bool slashSlashNeeded = userStartPos == schemeEndPos + 1;
585         int hostStart = (passwordEndPos == userStartPos) ? passwordEndPos : passwordEndPos + 1;
586         
587         DeprecatedString newURL = urlString.left(hostStart) + (slashSlashNeeded ? "//" : DeprecatedString()) + s + urlString.mid(hostEndPos);
588         parse(newURL.ascii(), &newURL);
589     }
590 }
591
592 void KURL::setPort(unsigned short i)
593 {
594     if (m_isValid) {
595         bool colonNeeded = portEndPos == hostEndPos;
596         int portStart = (colonNeeded ? hostEndPos : hostEndPos + 1);
597         DeprecatedString newURL = urlString.left(portStart) + (colonNeeded ? ":" : DeprecatedString()) + DeprecatedString::number(i) + urlString.mid(portEndPos);
598         parse(newURL.ascii(), &newURL);
599     }
600 }
601
602 void KURL::setUser(const DeprecatedString &user)
603 {
604     if (m_isValid) {
605         DeprecatedString u;
606         int end = userEndPos;
607         if (!user.isEmpty()) {
608             u = user;
609             if (userStartPos == schemeEndPos + 1)
610                 u = "//" + u;
611             // Add '@' if we didn't have one before.
612             if (end == hostEndPos || (end == passwordEndPos && urlString[end] != '@'))
613                 u += '@';
614         } else {
615             // Remove '@' if we now have neither user nor password.
616             if (userEndPos == passwordEndPos && end != hostEndPos && urlString[end] == '@')
617                 end += 1;
618         }
619         const DeprecatedString newURL = urlString.left(userStartPos) + u + urlString.mid(end);
620         parse(newURL.ascii(), &newURL);
621     }
622 }
623
624 void KURL::setPass(const DeprecatedString &password)
625 {
626     if (m_isValid) {
627         DeprecatedString p;
628         int end = passwordEndPos;
629         if (!password.isEmpty()) {
630             p = ':' + password + '@';
631             if (userEndPos == schemeEndPos + 1)
632                 p = "//" + p;
633             // Eat the existing '@' since we are going to add our own.
634             if (end != hostEndPos && urlString[end] == '@')
635                 end += 1;
636         } else {
637             // Remove '@' if we now have neither user nor password.
638             if (userStartPos == userEndPos && end != hostEndPos && urlString[end] == '@')
639                 end += 1;
640         }
641         const DeprecatedString newURL = urlString.left(userEndPos) + p + urlString.mid(end);
642         parse(newURL.ascii(), &newURL);
643     }
644 }
645
646 void KURL::setRef(const DeprecatedString &s)
647 {
648     if (m_isValid) {
649         DeprecatedString newURL = urlString.left(queryEndPos) + (s.isEmpty() ? DeprecatedString() : "#" + s);
650         parse(newURL.ascii(), &newURL);
651     }
652 }
653
654 void KURL::setQuery(const DeprecatedString &query)
655 {
656     if (m_isValid) {
657         DeprecatedString q;
658         if (!query.isNull() && (query.isEmpty() || query[0] != '?')) {
659             q = "?" + query;
660         } else {
661             q = query;
662         }
663
664         DeprecatedString newURL = urlString.left(pathEndPos) + q + urlString.mid(queryEndPos);
665         parse(newURL.ascii(), &newURL);
666     }
667 }
668
669 void KURL::setPath(const DeprecatedString &s)
670 {
671     if (m_isValid) {
672         DeprecatedString newURL = urlString.left(portEndPos) + encode_string(s) + urlString.mid(pathEndPos);
673         parse(newURL.ascii(), &newURL);
674     }
675 }
676
677 DeprecatedString KURL::prettyURL() const
678 {
679     if (!m_isValid) {
680         return urlString;
681     }
682
683     DeprecatedString result = protocol() + ":";
684
685     DeprecatedString authority;
686
687     if (hostEndPos != passwordEndPos) {
688         if (userEndPos != userStartPos) {
689             authority += user();
690             authority += "@";
691         }
692         authority += host();
693         if (port() != 0) {
694             authority += ":";
695             authority += DeprecatedString::number(port());
696         }
697     }
698
699     if (!authority.isEmpty()) {
700         result += "//" + authority;
701     }
702
703     result += path();
704     result += query();
705
706     if (fragmentEndPos != queryEndPos) {
707         result += "#" + ref();
708     }
709
710     return result;
711 }
712
713 DeprecatedString KURL::decode_string(const DeprecatedString& urlString, const WebCore::TextEncoding& encoding)
714 {
715     static const WebCore::TextEncoding utf8Encoding(UTF8Encoding);
716
717     DeprecatedString result("");
718
719     Vector<char, 2048> buffer(0);
720
721     int length = urlString.length();
722     int decodedPosition = 0;
723     int searchPosition = 0;
724     int encodedRunPosition;
725     while ((encodedRunPosition = urlString.find('%', searchPosition)) >= 0) {
726         // Find the sequence of %-escape codes.
727         int encodedRunEnd = encodedRunPosition;
728         while (length - encodedRunEnd >= 3
729                 && urlString[encodedRunEnd] == '%'
730                 && isHexDigit(urlString[encodedRunEnd + 1].latin1())
731                 && isHexDigit(urlString[encodedRunEnd + 2].latin1()))
732             encodedRunEnd += 3;
733         if (encodedRunEnd == encodedRunPosition) {
734             ++searchPosition;
735             continue;
736         }
737         searchPosition = encodedRunEnd;
738
739         // Copy the entire %-escape sequence into an 8-bit buffer.
740         int encodedRunLength = encodedRunEnd - encodedRunPosition;
741         buffer.clear();
742         buffer.resize(encodedRunLength + 1);
743         urlString.copyLatin1(buffer, encodedRunPosition, encodedRunLength);
744
745         // Decode the %-escapes into bytes.
746         char *p = buffer;
747         const char *q = buffer;
748         while (*q) {
749             *p++ = (hexDigitValue(q[1]) << 4) | hexDigitValue(q[2]);
750             q += 3;
751         }
752
753         // Decode the bytes into Unicode characters.
754         DeprecatedString decoded = (encoding.isValid() ? encoding : utf8Encoding).toUnicode(buffer, p - buffer);
755         if (decoded.isEmpty()) {
756             continue;
757         }
758
759         // Build up the string with what we just skipped and what we just decoded.
760         result.append(urlString.mid(decodedPosition, encodedRunPosition - decodedPosition));
761         result.append(decoded);
762         decodedPosition = encodedRunEnd;
763     }
764
765     result.append(urlString.mid(decodedPosition, length - decodedPosition));
766     return result;
767 }
768
769 bool KURL::isLocalFile() const
770 {
771     // FIXME - include feed: here too?
772     return protocol() == "file";
773 }
774
775 static void appendEscapingBadChars(char*& buffer, const char *strStart, size_t length)
776 {
777     char *p = buffer;
778
779     const char *str = strStart;
780     const char *strEnd = strStart + length;
781     while (str < strEnd) {
782         unsigned char c = *str++;
783         if (isBadChar(c)) {
784             if (c == '%' || c == '?') {
785                 *p++ = c;
786             } else {
787                 *p++ = '%';
788                 *p++ = hexDigits[c >> 4];
789                 *p++ = hexDigits[c & 0xF];
790             }
791         } else {
792             *p++ = c;
793         }
794     }
795     
796     buffer = p;
797 }
798
799 // copy a path, accounting for "." and ".." segments
800 static int copyPathRemovingDots(char *dst, const char *src, int srcStart, int srcEnd)
801 {
802     char *bufferPathStart = dst;
803
804     // empty path is a special case, and need not have a leading slash
805     if (srcStart != srcEnd) {
806         const char *baseStringStart = src + srcStart;
807         const char *baseStringEnd = src + srcEnd;
808         const char *baseStringPos = baseStringStart;
809
810         // this code is unprepared for paths that do not begin with a
811         // slash and we should always have one in the source string
812         ASSERT(baseStringPos[0] == '/');
813
814         // copy the leading slash into the destination
815         *dst = *baseStringPos;
816         baseStringPos++;
817         dst++;
818
819         while (baseStringPos < baseStringEnd) {
820             if (baseStringPos[0] == '.' && dst[-1] == '/') {
821                 if (baseStringPos[1] == '/' || baseStringPos + 1 == baseStringEnd) {
822                     // skip over "." segment
823                     baseStringPos += 2;
824                     continue;
825                 } else if (baseStringPos[1] == '.' && (baseStringPos[2] == '/' ||
826                                        baseStringPos + 2 == baseStringEnd)) {
827                     // skip over ".." segment and rewind the last segment
828                     // the RFC leaves it up to the app to decide what to do with excess
829                     // ".." segments - we choose to drop them since some web content
830                     // relies on this.
831                     baseStringPos += 3;
832                     if (dst > bufferPathStart + 1) {
833                         dst--;
834                     }
835                     // Note that these two while blocks differ subtly.
836                     // The first helps to remove multiple adjoining slashes as we rewind.
837                     // The +1 to bufferPathStart in the first while block prevents eating a leading slash
838                     while (dst > bufferPathStart + 1 && dst[-1] == '/') {
839                         dst--;
840                     }
841                     while (dst > bufferPathStart && dst[-1] != '/') {
842                         dst--;
843                     }
844                     continue;
845                 }
846             }
847
848             *dst = *baseStringPos;
849             baseStringPos++;
850             dst++;
851         }
852     }
853     *dst = '\0';
854     return dst - bufferPathStart;
855 }
856
857 static inline bool hasSlashDotOrDotDot(const char *str)
858 {
859     const unsigned char *p = reinterpret_cast<const unsigned char *>(str);
860     if (!*p)
861         return false;
862     unsigned char pc = *p;
863     while (unsigned char c = *++p) {
864         if (c == '.' && (pc == '/' || pc == '.'))
865             return true;
866         pc = c;
867     }
868     return false;
869 }
870
871 static inline bool matchLetter(char c, char lowercaseLetter)
872 {
873     return (c | 0x20) == lowercaseLetter;
874 }
875
876 void KURL::parse(const char *url, const DeprecatedString *originalString)
877 {
878     m_isValid = true;
879
880     if (!url || url[0] == '\0') {
881         // valid URL must be non-empty
882         m_isValid = false;
883         urlString = url;
884         return;
885     }
886
887     if (!isSchemeFirstChar(url[0])) {
888         // scheme must start with an alphabetic character
889         m_isValid = false;
890         urlString = url;
891         return;
892     }
893
894     int schemeEnd = 0;
895  
896     while (isSchemeChar(url[schemeEnd])) {
897         schemeEnd++;
898     }
899
900     if (url[schemeEnd] != ':') {
901         m_isValid = false;
902         urlString = url;
903         return;
904     }
905
906     int userStart = schemeEnd + 1;
907     int userEnd;
908     int passwordStart;
909     int passwordEnd;
910     int hostStart;
911     int hostEnd;
912     int portStart;
913     int portEnd;
914
915     bool hierarchical = url[schemeEnd + 1] == '/';
916
917     if (hierarchical && url[schemeEnd + 2] == '/') {
918         // part after the scheme must be a net_path, parse the authority section
919
920         // FIXME: authority characters may be scanned twice
921         userStart += 2;
922         userEnd = userStart;
923
924         int colonPos = 0;
925         while (isUserInfoChar(url[userEnd])) {
926             if (url[userEnd] == ':' && colonPos == 0) {
927                 colonPos = userEnd;
928             }
929             userEnd++;
930         }
931         
932         if (url[userEnd] == '@') {
933             // actual end of the userinfo, start on the host
934             if (colonPos != 0) {
935                 passwordEnd = userEnd;
936                 userEnd = colonPos;
937                 passwordStart = colonPos + 1;
938             } else {
939                 passwordStart = passwordEnd = userEnd;
940             }
941             hostStart = passwordEnd + 1;
942         } else if (url[userEnd] == '[' || isPathSegmentEndChar(url[userEnd])) {
943             // hit the end of the authority, must have been no user
944             // or looks like an IPv6 hostname
945             // either way, try to parse it as a hostname
946             userEnd = userStart;
947             passwordStart = passwordEnd = userEnd;
948             hostStart = userStart;
949         } else {
950             // invalid character
951             m_isValid = false;
952             urlString = url;
953             return;
954         }
955
956         hostEnd = hostStart;
957
958         // IPV6 IP address
959         if (url[hostEnd] == '[') {
960             hostEnd++;
961             while (isIPv6Char(url[hostEnd])) {
962                 hostEnd++;
963             }
964             if (url[hostEnd] == ']') {
965                 hostEnd++;
966             } else {
967                 // invalid character
968                 m_isValid = false;
969                 urlString = url;
970                 return;
971             }
972         } else {
973             while (isHostnameChar(url[hostEnd])) {
974                 hostEnd++;
975             }
976         }
977         
978         if (url[hostEnd] == ':') {
979             portStart = portEnd = hostEnd + 1;
980  
981             // possible start of port
982             portEnd = portStart;
983             while (isdigit(url[portEnd])) {
984                 portEnd++;
985             }
986         } else {
987             portStart = portEnd = hostEnd;
988         }
989
990         if (!isPathSegmentEndChar(url[portEnd])) {
991             // invalid character
992             m_isValid = false;
993             urlString = url;
994             return;
995         }
996     } else {
997         // the part after the scheme must be an opaque_part or an abs_path
998         userEnd = userStart;
999         passwordStart = passwordEnd = userEnd;
1000         hostStart = hostEnd = passwordEnd;
1001         portStart = portEnd = hostEnd;
1002     }
1003         
1004     int pathStart = portEnd;
1005     int pathEnd = pathStart;
1006     int queryStart;
1007     int queryEnd;
1008     int fragmentStart;
1009     int fragmentEnd;
1010
1011     if (!hierarchical) {
1012         while (url[pathEnd] != '\0' && url[pathEnd] != '?') {
1013             pathEnd++;
1014         }
1015         queryStart = queryEnd = pathEnd;
1016
1017         while (url[queryEnd] != '\0') {
1018             queryEnd++;
1019         }
1020
1021         fragmentStart = fragmentEnd = queryEnd;
1022     }
1023     else {
1024         while (url[pathEnd] != '\0' && url[pathEnd] != '?' && url[pathEnd] != '#') {
1025             pathEnd++;
1026         }
1027     
1028         queryStart = pathEnd;
1029         queryEnd = queryStart;
1030         if (url[queryStart] == '?') {
1031             while (url[queryEnd] != '\0' && url[queryEnd] != '#') {
1032                 queryEnd++;
1033             }
1034         }
1035         
1036         fragmentStart = queryEnd;
1037         fragmentEnd = fragmentStart;
1038         if (url[fragmentStart] == '#') {
1039             fragmentStart++;
1040             fragmentEnd = fragmentStart;
1041             while(url[fragmentEnd] != '\0') {
1042                 fragmentEnd++;
1043             }
1044         }
1045     }
1046
1047     // assemble it all, remembering the real ranges
1048
1049     Vector<char, 4096> buffer(fragmentEnd * 3 + 1);
1050
1051     char *p = buffer;
1052     const char *strPtr = url;
1053
1054     // copy in the scheme
1055     const char *schemeEndPtr = url + schemeEnd;
1056     while (strPtr < schemeEndPtr) {
1057         *p++ = *strPtr++;
1058     }
1059     schemeEndPos = p - buffer;
1060
1061     // Check if we're http or https.
1062     bool isHTTPorHTTPS = matchLetter(url[0], 'h')
1063         && matchLetter(url[1], 't')
1064         && matchLetter(url[2], 't')
1065         && matchLetter(url[3], 'p')
1066         && (url[4] == ':'
1067             || (matchLetter(url[4], 's') && url[5] == ':'));
1068
1069     bool hostIsLocalHost = portEnd - userStart == 9
1070         && matchLetter(url[userStart], 'l')
1071         && matchLetter(url[userStart+1], 'o')
1072         && matchLetter(url[userStart+2], 'c')
1073         && matchLetter(url[userStart+3], 'a')
1074         && matchLetter(url[userStart+4], 'l')
1075         && matchLetter(url[userStart+5], 'h')
1076         && matchLetter(url[userStart+6], 'o')
1077         && matchLetter(url[userStart+7], 's')
1078         && matchLetter(url[userStart+8], 't');
1079
1080     bool isFile = matchLetter(url[0], 'f')
1081         && matchLetter(url[1], 'i')
1082         && matchLetter(url[2], 'l')
1083         && matchLetter(url[3], 'e')
1084         && url[4] == ':';
1085         
1086     // File URLs need a host part unless it is just file:// or file://localhost
1087     bool degenFilePath = pathStart == pathEnd
1088         && (hostStart == hostEnd
1089             || hostIsLocalHost);
1090     
1091     bool haveNonHostAuthorityPart = userStart != userEnd || passwordStart != passwordEnd || portStart != portEnd;
1092
1093     // add ":" after scheme
1094     *p++ = ':';
1095
1096     // if we have at least one authority part or a file URL - add "//" and authority
1097     if (isFile ? !degenFilePath
1098                : (haveNonHostAuthorityPart || hostStart != hostEnd)) {
1099
1100 //if ((isFile && !degenFilePath) || haveNonHostAuthorityPart || hostStart != hostEnd) {
1101 // still adds // for file://localhost, file://
1102
1103 //if (!(isFile && degenFilePath) && (haveNonHostAuthorityPart || hostStart != hostEnd)) {
1104 //doesn't add // for things like file:///foo
1105
1106         *p++ = '/';
1107         *p++ = '/';
1108
1109         userStartPos = p - buffer;
1110
1111         // copy in the user
1112         strPtr = url + userStart;
1113         const char *userEndPtr = url + userEnd;
1114         while (strPtr < userEndPtr) {
1115             *p++ = *strPtr++;
1116         }
1117         userEndPos = p - buffer;
1118         
1119         // copy in the password
1120         if (passwordEnd != passwordStart) {
1121             *p++ = ':';
1122             strPtr = url + passwordStart;
1123             const char *passwordEndPtr = url + passwordEnd;
1124             while (strPtr < passwordEndPtr) {
1125                 *p++ = *strPtr++;
1126             }
1127         }
1128         passwordEndPos = p - buffer;
1129         
1130         // If we had any user info, add "@"
1131         if (p - buffer != userStartPos) {
1132             *p++ = '@';
1133         }
1134         
1135         // copy in the host, except in the case of a file URL with authority="localhost"
1136         if (!(isFile && hostIsLocalHost && !haveNonHostAuthorityPart)) {
1137             strPtr = url + hostStart;
1138             const char *hostEndPtr = url + hostEnd;
1139             while (strPtr < hostEndPtr) {
1140                 *p++ = *strPtr++;
1141             }
1142         }
1143         hostEndPos = p - buffer;
1144         
1145         // copy in the port
1146         if (portEnd != portStart) {
1147             *p++ = ':';
1148             strPtr = url + portStart;
1149             const char *portEndPtr = url + portEnd;
1150             while (strPtr < portEndPtr) {
1151                 *p++ = *strPtr++;
1152             }
1153         }
1154         portEndPos = p - buffer;
1155     } else {
1156         userStartPos = userEndPos = passwordEndPos = hostEndPos = portEndPos = p - buffer;
1157     }
1158
1159     // For canonicalization, ensure we have a '/' for no path.
1160     // Only do this for http and https.
1161     if (isHTTPorHTTPS && pathEnd - pathStart == 0) {
1162         *p++ = '/';
1163     }
1164        
1165     // add path, escaping bad characters
1166     
1167     if (hierarchical && hasSlashDotOrDotDot(url)) {
1168         Vector<char, 4096> path_buffer(pathEnd - pathStart + 1);
1169         copyPathRemovingDots(path_buffer, url, pathStart, pathEnd);
1170         appendEscapingBadChars(p, path_buffer, strlen(path_buffer));
1171     } else
1172         appendEscapingBadChars(p, url + pathStart, pathEnd - pathStart);
1173
1174     pathEndPos = p - buffer;
1175     
1176     
1177     // add query, escaping bad characters
1178     appendEscapingBadChars(p, url + queryStart, queryEnd - queryStart);
1179     queryEndPos = p - buffer;
1180     
1181     // add fragment, escaping bad characters
1182     if (fragmentEnd != queryEnd) {
1183         *p++ = '#';
1184         appendEscapingBadChars(p, url + fragmentStart, fragmentEnd - fragmentStart);
1185     }
1186     fragmentEndPos = p - buffer;
1187
1188     // If we didn't end up actually changing the original string and
1189     // it started as a DeprecatedString, just reuse it, to avoid extra
1190     // allocation.
1191     if (originalString && strncmp(buffer, url, fragmentEndPos) == 0) {
1192         urlString = *originalString;
1193     } else
1194         urlString = DeprecatedString(buffer, fragmentEndPos);
1195
1196     ASSERT(p - buffer <= (int)buffer.size());
1197 }
1198
1199 bool operator==(const KURL &a, const KURL &b)
1200 {
1201     return a.urlString == b.urlString;
1202 }
1203
1204 bool urlcmp(const DeprecatedString &a, const DeprecatedString &b, bool ignoreTrailingSlash, bool ignoreRef)
1205 {
1206     if (ignoreRef) {
1207         KURL aURL(a);
1208         KURL bURL(b);
1209         if (aURL.m_isValid && bURL.m_isValid)
1210             return aURL.urlString.left(aURL.queryEndPos) == bURL.urlString.left(bURL.queryEndPos);
1211     }
1212     return a == b;
1213 }
1214
1215 DeprecatedString KURL::encode_string(const DeprecatedString& notEncodedString)
1216 {
1217     DeprecatedCString asUTF8 = notEncodedString.utf8();
1218     
1219     Vector<char, 4096> buffer(asUTF8.length() * 3 + 1);
1220     char *p = buffer;
1221
1222     const char *str = asUTF8;
1223     const char *strEnd = str + asUTF8.length();
1224     while (str < strEnd) {
1225         unsigned char c = *str++;
1226         if (isBadChar(c)) {
1227             *p++ = '%';
1228             *p++ = hexDigits[c >> 4];
1229             *p++ = hexDigits[c & 0xF];
1230         } else
1231             *p++ = c;
1232     }
1233     
1234     DeprecatedString result(buffer, p - buffer);
1235     
1236     ASSERT(p - buffer <= (int)buffer.size());
1237
1238     return result;
1239 }
1240
1241 static DeprecatedString encodeHostname(const DeprecatedString &s)
1242 {
1243     // Needs to be big enough to hold an IDN-encoded name.
1244     // For host names bigger than this, we won't do IDN encoding, which is almost certainly OK.
1245     const unsigned hostnameBufferLength = 2048;
1246
1247     if (s.isAllASCII() || s.length() > hostnameBufferLength)
1248         return s;
1249
1250     UChar buffer[hostnameBufferLength];    
1251     UErrorCode error = U_ZERO_ERROR;
1252     int32_t numCharactersConverted = uidna_IDNToASCII
1253         (reinterpret_cast<const UChar *>(s.unicode()), s.length(), buffer, hostnameBufferLength, UIDNA_ALLOW_UNASSIGNED, 0, &error);
1254     if (error != U_ZERO_ERROR) {
1255         return s;
1256     }
1257     return DeprecatedString(reinterpret_cast<QChar *>(buffer), numCharactersConverted);
1258 }
1259
1260 static Vector<pair<int, int> > findHostnamesInMailToURL(const DeprecatedString &s)
1261 {
1262     // In a mailto: URL, host names come after a '@' character and end with a '>' or ',' or '?' or end of string character.
1263     // Skip quoted strings so that characters in them don't confuse us.
1264     // When we find a '?' character, we are past the part of the URL that contains host names.
1265
1266     Vector<pair<int, int> > a;
1267
1268     int p = 0;
1269     while (1) {
1270         // Find start of host name or of quoted string.
1271         int hostnameOrStringStart = s.find(RegularExpression("[\"@?]"), p);
1272         if (hostnameOrStringStart == -1) {
1273             return a;
1274         }
1275         QChar c = s[hostnameOrStringStart];
1276         p = hostnameOrStringStart + 1;
1277
1278         if (c == '?') {
1279             return a;
1280         }
1281         
1282         if (c == '@') {
1283             // Find end of host name.
1284             int hostnameStart = p;
1285             int hostnameEnd = s.find(RegularExpression("[>,?]"), p);
1286             bool done;
1287             if (hostnameEnd == -1) {
1288                 hostnameEnd = s.length();
1289                 done = true;
1290             } else {
1291                 p = hostnameEnd;
1292                 done = false;
1293             }
1294
1295             a.append(make_pair(hostnameStart, hostnameEnd));
1296
1297             if (done)
1298                 return a;
1299         } else {
1300             // Skip quoted string.
1301             ASSERT(c == '"');
1302             while (1) {
1303                 int escapedCharacterOrStringEnd = s.find(RegularExpression("[\"\\]"), p);
1304                 if (escapedCharacterOrStringEnd == -1)
1305                     return a;
1306
1307                 c = s[escapedCharacterOrStringEnd];
1308                 p = escapedCharacterOrStringEnd + 1;
1309                 
1310                 // If we are the end of the string, then break from the string loop back to the host name loop.
1311                 if (c == '"')
1312                     break;
1313                 
1314                 // Skip escaped character.
1315                 ASSERT(c == '\\');
1316                 if (p == static_cast<int>(s.length()))
1317                     return a;
1318
1319                 ++p;
1320             }
1321         }
1322     }
1323 }
1324
1325 static bool findHostnameInHierarchicalURL(const DeprecatedString &s, int &startOffset, int &endOffset)
1326 {
1327     // Find the host name in a hierarchical URL.
1328     // It comes after a "://" sequence, with scheme characters preceding.
1329     // If ends with the end of the string or a ":" or a path segment ending character.
1330     // If there is a "@" character, the host part is just the part after the "@".
1331     int separator = s.find("://");
1332     if (separator <= 0) {
1333         return false;
1334     }
1335
1336     // Check that all characters before the :// are valid scheme characters.
1337     if (!isSchemeFirstChar(s[0].latin1())) {
1338         return false;
1339     }
1340     for (int i = 1; i < separator; ++i) {
1341         if (!isSchemeChar(s[i].latin1())) {
1342             return false;
1343         }
1344     }
1345
1346     // Start after the separator.
1347     int authorityStart = separator + 3;
1348
1349     // Find terminating character.
1350     int length = s.length();
1351     int hostnameEnd = length;
1352     for (int i = authorityStart; i < length; ++i) {
1353         char c = s[i].latin1();
1354         if (c == ':' || (isPathSegmentEndChar(c) && c != '\0')) {
1355             hostnameEnd = i;
1356             break;
1357         }
1358     }
1359
1360     // Find "@" for the start of the host name.
1361     int userInfoTerminator = s.find('@', authorityStart);
1362     int hostnameStart;
1363     if (userInfoTerminator == -1 || userInfoTerminator > hostnameEnd) {
1364         hostnameStart = authorityStart;
1365     } else {
1366         hostnameStart = userInfoTerminator + 1;
1367     }
1368
1369     startOffset = hostnameStart;
1370     endOffset = hostnameEnd;
1371     return true;
1372 }
1373
1374 static DeprecatedString encodeHostnames(const DeprecatedString &s)
1375 {
1376     if (s.startsWith("mailto:", false)) {
1377         const Vector<pair<int, int> > hostnameRanges = findHostnamesInMailToURL(s);
1378         int n = hostnameRanges.size();
1379         if (n != 0) {
1380             DeprecatedString result;
1381             unsigned p = 0;
1382             for (int i = 0; i < n; ++i) {
1383                 const pair<int, int> &r = hostnameRanges[i];
1384                 result += s.mid(p, r.first);
1385                 result += encodeHostname(s.mid(r.first, r.second - r.first));
1386                 p = r.second;
1387             }
1388             result += s.mid(p);
1389             return result;
1390         }
1391     } else {
1392         int hostStart, hostEnd;
1393         if (findHostnameInHierarchicalURL(s, hostStart, hostEnd)) {
1394             return s.left(hostStart) + encodeHostname(s.mid(hostStart, hostEnd - hostStart)) + s.mid(hostEnd); 
1395         }
1396     }
1397     return s;
1398 }
1399
1400 static char *encodeRelativeString(const KURL &base, const DeprecatedString &rel, const WebCore::TextEncoding& encoding)
1401 {
1402     DeprecatedString s = encodeHostnames(rel);
1403
1404     char *strBuffer;
1405
1406     static const WebCore::TextEncoding utf8Encoding(UTF8Encoding);
1407
1408     WebCore::TextEncoding pathEncoding = encoding.isValid() ? encoding : utf8Encoding;
1409     WebCore::TextEncoding otherEncoding = pathEncoding;
1410     
1411     // Always use UTF-8 for mailto URLs because that's what mail applications expect.
1412     // Always use UTF-8 for paths in file and help URLs, since they are local filesystem paths,
1413     // and help content is often defined with this in mind, but use native encoding for the
1414     // non-path parts of the URL.
1415     if (pathEncoding != utf8Encoding) {
1416         DeprecatedString protocol;
1417         if (rel.length() > 0 && isSchemeFirstChar(rel.at(0).latin1())) {
1418             for (unsigned i = 1; i < rel.length(); i++) {
1419                 char p = rel.at(i).latin1();
1420                 if (p == ':') {
1421                     protocol = rel.left(i);
1422                     break;
1423                 }
1424                 if (!isSchemeChar(p)) {
1425                     break;
1426                 }
1427             }
1428         }
1429         if (!protocol) {
1430             protocol = base.protocol();
1431         }
1432         protocol = protocol.lower();
1433         if (protocol == "file" || protocol == "help") {
1434             pathEncoding = utf8Encoding;
1435         } else if (protocol == "mailto") {
1436             pathEncoding = utf8Encoding;
1437             otherEncoding = utf8Encoding;
1438         }
1439     }
1440     
1441     int pathEnd = -1;
1442     if (pathEncoding != otherEncoding) {
1443         pathEnd = s.find(RegularExpression("[?#]"));
1444     }
1445     if (pathEnd == -1) {
1446         DeprecatedCString decoded = pathEncoding.fromUnicode(s);
1447         int decodedLength = decoded.length();
1448         strBuffer = static_cast<char *>(fastMalloc(decodedLength + 1));
1449         memcpy(strBuffer, decoded, decodedLength);
1450         strBuffer[decodedLength] = 0;
1451     } else {
1452         DeprecatedCString pathDecoded = pathEncoding.fromUnicode(s.left(pathEnd));
1453         DeprecatedCString otherDecoded = otherEncoding.fromUnicode(s.mid(pathEnd));
1454         int pathDecodedLength = pathDecoded.length();
1455         int otherDecodedLength = otherDecoded.length();
1456         strBuffer = static_cast<char *>(fastMalloc(pathDecodedLength + otherDecodedLength + 1));
1457         memcpy(strBuffer, pathDecoded, pathDecodedLength);
1458         memcpy(strBuffer + pathDecodedLength, otherDecoded, otherDecodedLength);
1459         strBuffer[pathDecodedLength + otherDecodedLength] = 0;
1460     }
1461
1462     return strBuffer;
1463 }
1464
1465 static DeprecatedString substituteBackslashes(const DeprecatedString &string)
1466 {
1467     int questionPos = string.find('?');
1468     int hashPos = string.find('#');
1469     unsigned pathEnd;
1470     
1471     if (hashPos >= 0 && (questionPos < 0 || questionPos > hashPos)) {
1472         pathEnd = hashPos;
1473     } else if (questionPos >= 0) {
1474         pathEnd = questionPos;
1475     } else {
1476         pathEnd = string.length();
1477     }
1478
1479     return string.left(pathEnd).replace('\\','/') + string.mid(pathEnd);
1480 }
1481
1482 bool KURL::isHierarchical() const
1483 {
1484     if (!m_isValid)
1485         return false;
1486     assert(urlString[schemeEndPos] == ':');
1487     return urlString[schemeEndPos + 1] == '/';
1488 }