Reviewed by Darin and Tim H.
[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 "CString.h"
30 #include "PlatformString.h"
31 #include "RegularExpression.h"
32 #include "TextEncoding.h"
33 #include <wtf/Vector.h>
34 #include <unicode/uidna.h>
35 #include <assert.h>
36
37 using namespace std;
38
39 namespace WebCore {
40
41 enum URLCharacterClasses {
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 };
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 TextEncoding&);
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)
263 {
264     init(base, relative, UTF8Encoding());
265 }
266
267 KURL::KURL(const KURL& base, const DeprecatedString& relative, const TextEncoding& encoding)
268 {
269     init(base, relative, encoding);
270 }
271
272 void KURL::init(const KURL &base, const DeprecatedString &relative, const TextEncoding& encoding)
273 {
274     // Allow at lest absolute URLs to resolve against an empty URL.
275     if (!base.m_isValid && !base.isEmpty()) {
276         m_isValid = false;
277         return;
278     }
279     
280     bool absolute = false;
281
282     // for compatibility with Win IE, we must treat backslashes as if they were slashes
283     DeprecatedString substitutedRelative;
284     bool containsBackslash = relative.contains('\\');
285     if (containsBackslash) {
286         substitutedRelative = substituteBackslashes(relative);
287     }
288
289     const DeprecatedString &rel = containsBackslash ? substitutedRelative : relative;
290     
291     bool allASCII = rel.isAllASCII();
292     char *strBuffer;
293     const char *str;
294     if (allASCII) {
295         strBuffer = 0;
296         str = rel.ascii();
297     } else {
298         strBuffer = encodeRelativeString(base, rel, encoding);
299         str = strBuffer;
300     }
301     
302     // workaround for sites that put leading whitespace whitespace on
303     // URL references
304     bool strippedStart = false;
305     while (*str == ' ') {
306         str++;
307         strippedStart = true;
308     }
309
310     // workaround for trailing whitespace - a bit more complicated cause we have to copy
311     // it would be even better to replace null-termination with a length parameter
312     int len = strlen(str);
313     int charsToChopOffEnd = 0;
314     for (int pos = len - 1; pos >= 0 && str[pos] == ' '; pos--) {
315         charsToChopOffEnd++;
316     }
317     if (charsToChopOffEnd > 0) {
318         char *newStrBuffer = (char *)fastMalloc((len + 1) - charsToChopOffEnd);
319         strncpy(newStrBuffer, str, len - charsToChopOffEnd);
320         newStrBuffer[len - charsToChopOffEnd] = '\0';
321         fastFree(strBuffer);
322         strBuffer = newStrBuffer;
323         str = strBuffer;
324     }
325
326     // According to the RFC, the reference should be interpreted as an
327     // absolute URI if possible, using the "leftmost, longest"
328     // algorithm. If the URI reference is absolute it will have a
329     // scheme, meaning that it will have a colon before the first
330     // non-scheme element.
331     const char *p = str;
332     if (isSchemeFirstChar(*p)) {
333         ++p;
334         while (isSchemeChar(*p)) {
335             ++p;
336         }
337         if (*p == ':') {
338             if (p[1] != '/' && base.protocol().lower() == DeprecatedString(str, p - str).lower() && base.isHierarchical())
339                 str = p + 1;
340             else
341                 absolute = true;
342         }
343     }
344
345     if (absolute) {
346         parse(str, (allASCII && !strippedStart && (charsToChopOffEnd == 0)) ? &rel : 0);
347     } else {
348         // if the base is invalid, just append the relative
349         // portion. The RFC does not specify what to do in this case.
350         if (!base.m_isValid) {
351             DeprecatedString newURL = base.urlString + str;
352             parse(newURL.ascii(), &newURL);
353             if (strBuffer) {
354                 fastFree(strBuffer);
355             }
356             return;
357         }
358
359         switch(str[0]) {
360         case '\0':
361             // the reference must be empty - the RFC says this is a
362             // reference to the same document
363             {
364                 *this = base;
365                 break;
366             }
367         case '#':
368             // must be fragment-only reference
369             {
370                 DeprecatedString newURL = base.urlString.left(base.queryEndPos) + str;
371                 parse(newURL.ascii(), &newURL);
372                 break;
373             }
374         case '?':
375             // query-only reference, special case needed for non-URL results
376             {
377                 DeprecatedString newURL = base.urlString.left(base.pathEndPos) + str;
378                 parse(newURL.ascii(), &newURL);
379                 break;
380             }
381         case '/':
382             // must be net-path or absolute-path reference
383             {
384                 if (str[1] == '/') {
385                     // net-path
386                     DeprecatedString newURL = base.urlString.left(base.schemeEndPos + 1) + str;
387                     parse(newURL.ascii(), &newURL);
388                 } else {
389                     // abs-path
390                     DeprecatedString newURL = base.urlString.left(base.portEndPos) + str;
391                     parse(newURL.ascii(), &newURL);
392                 }
393                 break;
394             }
395         default:
396             {
397                 // must be relative-path reference
398
399                 // Base part plus relative part plus one possible slash added in between plus terminating \0 byte.
400                 Vector<char, 2048> buffer(base.pathEndPos + 1 + strlen(str) + 1);
401
402                 char *bufferPos = buffer;
403                 
404                 // first copy everything before the path from the base
405                 const char *baseString = base.urlString.ascii();
406                 const char *baseStringStart = baseString;
407                 const char *pathStart = baseStringStart + base.portEndPos;
408                 while (baseStringStart < pathStart) {
409                     *bufferPos++ = *baseStringStart++;
410                 }
411                 char *bufferPathStart = bufferPos;
412
413                 // now copy the base path 
414                 const char *baseStringEnd = baseString + base.pathEndPos;
415                 
416                 // go back to the last slash
417                 while (baseStringEnd > baseStringStart && baseStringEnd[-1] != '/') {
418                     baseStringEnd--;
419                 }
420                 
421                 if (baseStringEnd == baseStringStart) {
422                     // no path in base, add a path separator if necessary
423                     if (base.schemeEndPos + 1 != base.pathEndPos && *str != '\0' && *str != '?' && *str != '#') {
424                         *bufferPos++ = '/';
425                     }
426                 } else {
427                     bufferPos += copyPathRemovingDots(bufferPos, baseStringStart, 0, baseStringEnd - baseStringStart);
428                 }
429
430                 const char *relStringStart = str;
431                 const char *relStringPos = relStringStart;
432                 
433                 while (*relStringPos != '\0' && *relStringPos != '?' && *relStringPos != '#') {
434                     if (relStringPos[0] == '.' && bufferPos[-1] == '/') {
435                         if (isPathSegmentEndChar(relStringPos[1])) {
436                             // skip over "." segment
437                             relStringPos += 1;
438                             if (relStringPos[0] == '/') {
439                                 relStringPos++;
440                             }
441                             continue;
442                         } else if (relStringPos[1] == '.' && isPathSegmentEndChar(relStringPos[2])) {
443                             // skip over ".." segment and rewind the last segment
444                             // the RFC leaves it up to the app to decide what to do with excess
445                             // ".." segments - we choose to drop them since some web content
446                             // relies on this.
447                             relStringPos += 2;
448                             if (relStringPos[0] == '/') {
449                                 relStringPos++;
450                             }
451                             if (bufferPos > bufferPathStart + 1) {
452                                 bufferPos--;
453                             }
454                             while (bufferPos > bufferPathStart + 1  && bufferPos[-1] != '/') {
455                                 bufferPos--;
456                             }
457                             continue;
458                         }
459                     }
460                     
461                     *bufferPos = *relStringPos;
462                     relStringPos++;
463                     bufferPos++;
464                 }
465
466                 // all done with the path work, now copy any remainder
467                 // of the relative reference; this will also add a null terminator
468                 strcpy(bufferPos, relStringPos);
469
470                 parse(buffer, 0);
471                 
472                 ASSERT(strlen(buffer) + 1 <= buffer.size());
473                 break;
474             }
475         }
476     }
477     
478     if (strBuffer) {
479         fastFree(strBuffer);
480     }
481 }
482
483 bool KURL::hasPath() const
484 {
485     return m_isValid && pathEndPos != portEndPos;
486 }
487
488 DeprecatedString KURL::protocol() const
489 {
490     if (!m_isValid) {
491         return DeprecatedString();
492     }
493
494     return urlString.left(schemeEndPos);
495 }
496
497 DeprecatedString KURL::host() const
498 {
499     if (!m_isValid) {
500         return DeprecatedString();
501     }
502
503     int start = (passwordEndPos == userStartPos) ? passwordEndPos : passwordEndPos + 1;
504     return decode_string(urlString.mid(start, hostEndPos - start));
505 }
506
507 unsigned short int KURL::port() const
508 {
509     if (!m_isValid) {
510         return 0;
511     }
512
513     if (hostEndPos != portEndPos) {
514         bool ok;
515         unsigned short result = urlString.mid(hostEndPos + 1, portEndPos - hostEndPos - 1).toUShort(&ok);
516         if (!ok) {
517             result = 0;
518         }
519         return result;
520     }
521
522     return 0;
523 }
524
525 DeprecatedString KURL::pass() const
526 {
527     if (!m_isValid) {
528         return DeprecatedString();
529     }
530
531     if (passwordEndPos == userEndPos) {
532         return DeprecatedString();
533     }
534
535     return decode_string(urlString.mid(userEndPos + 1, passwordEndPos - userEndPos - 1)); 
536 }
537
538 DeprecatedString KURL::user() const
539 {
540     if (!m_isValid) {
541         return DeprecatedString();
542     }
543
544     return decode_string(urlString.mid(userStartPos, userEndPos - userStartPos));
545 }
546
547 DeprecatedString KURL::ref() const
548 {
549     if (!m_isValid || fragmentEndPos == queryEndPos) {
550         return DeprecatedString();
551     }
552
553     return urlString.mid(queryEndPos + 1, fragmentEndPos - (queryEndPos + 1));
554 }
555
556 bool KURL::hasRef() const
557 {
558     return m_isValid && fragmentEndPos != queryEndPos;
559 }
560
561 DeprecatedString KURL::query() const
562 {
563     if (!m_isValid) {
564         return DeprecatedString();
565     }
566
567     return urlString.mid(pathEndPos, queryEndPos - pathEndPos); 
568 }
569
570 DeprecatedString KURL::path() const
571 {
572     if (!m_isValid) {
573         return DeprecatedString();
574     }
575
576     return decode_string(urlString.mid(portEndPos, pathEndPos - portEndPos)); 
577 }
578
579 void KURL::setProtocol(const DeprecatedString &s)
580 {
581     if (!m_isValid) {
582         DeprecatedString newURL = s + ":" + urlString;
583         parse(newURL.ascii(), &newURL);
584         return;
585     }
586
587     DeprecatedString newURL = s + urlString.mid(schemeEndPos);
588     parse(newURL.ascii(), &newURL);
589 }
590
591 void KURL::setHost(const DeprecatedString &s)
592 {
593     if (m_isValid) {
594         bool slashSlashNeeded = userStartPos == schemeEndPos + 1;
595         int hostStart = (passwordEndPos == userStartPos) ? passwordEndPos : passwordEndPos + 1;
596         
597         DeprecatedString newURL = urlString.left(hostStart) + (slashSlashNeeded ? "//" : DeprecatedString()) + s + urlString.mid(hostEndPos);
598         parse(newURL.ascii(), &newURL);
599     }
600 }
601
602 void KURL::setPort(unsigned short i)
603 {
604     if (m_isValid) {
605         bool colonNeeded = portEndPos == hostEndPos;
606         int portStart = (colonNeeded ? hostEndPos : hostEndPos + 1);
607         DeprecatedString newURL = urlString.left(portStart) + (colonNeeded ? ":" : DeprecatedString()) + DeprecatedString::number(i) + urlString.mid(portEndPos);
608         parse(newURL.ascii(), &newURL);
609     }
610 }
611
612 void KURL::setUser(const DeprecatedString &user)
613 {
614     if (m_isValid) {
615         DeprecatedString u;
616         int end = userEndPos;
617         if (!user.isEmpty()) {
618             u = user;
619             if (userStartPos == schemeEndPos + 1)
620                 u = "//" + u;
621             // Add '@' if we didn't have one before.
622             if (end == hostEndPos || (end == passwordEndPos && urlString[end] != '@'))
623                 u += '@';
624         } else {
625             // Remove '@' if we now have neither user nor password.
626             if (userEndPos == passwordEndPos && end != hostEndPos && urlString[end] == '@')
627                 end += 1;
628         }
629         const DeprecatedString newURL = urlString.left(userStartPos) + u + urlString.mid(end);
630         parse(newURL.ascii(), &newURL);
631     }
632 }
633
634 void KURL::setPass(const DeprecatedString &password)
635 {
636     if (m_isValid) {
637         DeprecatedString p;
638         int end = passwordEndPos;
639         if (!password.isEmpty()) {
640             p = ':' + password + '@';
641             if (userEndPos == schemeEndPos + 1)
642                 p = "//" + p;
643             // Eat the existing '@' since we are going to add our own.
644             if (end != hostEndPos && urlString[end] == '@')
645                 end += 1;
646         } else {
647             // Remove '@' if we now have neither user nor password.
648             if (userStartPos == userEndPos && end != hostEndPos && urlString[end] == '@')
649                 end += 1;
650         }
651         const DeprecatedString newURL = urlString.left(userEndPos) + p + urlString.mid(end);
652         parse(newURL.ascii(), &newURL);
653     }
654 }
655
656 void KURL::setRef(const DeprecatedString &s)
657 {
658     if (m_isValid) {
659         DeprecatedString newURL = urlString.left(queryEndPos) + (s.isEmpty() ? DeprecatedString() : "#" + s);
660         parse(newURL.ascii(), &newURL);
661     }
662 }
663
664 void KURL::setQuery(const DeprecatedString &query)
665 {
666     if (m_isValid) {
667         DeprecatedString q;
668         if (!query.isNull() && (query.isEmpty() || query[0] != '?')) {
669             q = "?" + query;
670         } else {
671             q = query;
672         }
673
674         DeprecatedString newURL = urlString.left(pathEndPos) + q + urlString.mid(queryEndPos);
675         parse(newURL.ascii(), &newURL);
676     }
677 }
678
679 void KURL::setPath(const DeprecatedString &s)
680 {
681     if (m_isValid) {
682         DeprecatedString newURL = urlString.left(portEndPos) + encode_string(s) + urlString.mid(pathEndPos);
683         parse(newURL.ascii(), &newURL);
684     }
685 }
686
687 DeprecatedString KURL::prettyURL() const
688 {
689     if (!m_isValid) {
690         return urlString;
691     }
692
693     DeprecatedString result = protocol() + ":";
694
695     DeprecatedString authority;
696
697     if (hostEndPos != passwordEndPos) {
698         if (userEndPos != userStartPos) {
699             authority += user();
700             authority += "@";
701         }
702         authority += host();
703         if (port() != 0) {
704             authority += ":";
705             authority += DeprecatedString::number(port());
706         }
707     }
708
709     if (!authority.isEmpty())
710         result += "//" + authority;
711     else if (protocol() == "file")
712         result += "//";
713
714     result += path();
715     result += query();
716
717     if (fragmentEndPos != queryEndPos) {
718         result += "#" + ref();
719     }
720
721     return result;
722 }
723
724 DeprecatedString KURL::decode_string(const DeprecatedString& urlString)
725 {
726     return decode_string(urlString, UTF8Encoding());
727 }
728
729 DeprecatedString KURL::decode_string(const DeprecatedString& urlString, const TextEncoding& encoding)
730 {
731     DeprecatedString result("");
732
733     Vector<char, 2048> buffer(0);
734
735     int length = urlString.length();
736     int decodedPosition = 0;
737     int searchPosition = 0;
738     int encodedRunPosition;
739     while ((encodedRunPosition = urlString.find('%', searchPosition)) >= 0) {
740         // Find the sequence of %-escape codes.
741         int encodedRunEnd = encodedRunPosition;
742         while (length - encodedRunEnd >= 3
743                 && urlString[encodedRunEnd] == '%'
744                 && isHexDigit(urlString[encodedRunEnd + 1].latin1())
745                 && isHexDigit(urlString[encodedRunEnd + 2].latin1()))
746             encodedRunEnd += 3;
747         if (encodedRunEnd == encodedRunPosition) {
748             ++searchPosition;
749             continue;
750         }
751         searchPosition = encodedRunEnd;
752
753         // Copy the entire %-escape sequence into an 8-bit buffer.
754         int encodedRunLength = encodedRunEnd - encodedRunPosition;
755         buffer.clear();
756         buffer.resize(encodedRunLength + 1);
757         urlString.copyLatin1(buffer, encodedRunPosition, encodedRunLength);
758
759         // Decode the %-escapes into bytes.
760         char *p = buffer;
761         const char *q = buffer;
762         while (*q) {
763             *p++ = (hexDigitValue(q[1]) << 4) | hexDigitValue(q[2]);
764             q += 3;
765         }
766
767         // Decode the bytes into Unicode characters.
768         String decoded = (encoding.isValid() ? encoding : UTF8Encoding()).decode(buffer, p - buffer);
769         if (decoded.isEmpty())
770             continue;
771
772         // Build up the string with what we just skipped and what we just decoded.
773         result.append(urlString.mid(decodedPosition, encodedRunPosition - decodedPosition));
774         result.append(reinterpret_cast<const DeprecatedChar*>(decoded.characters()), decoded.length());
775         decodedPosition = encodedRunEnd;
776     }
777
778     result.append(urlString.mid(decodedPosition, length - decodedPosition));
779     return result;
780 }
781
782 bool KURL::isLocalFile() const
783 {
784     // FIXME - include feed: here too?
785     return protocol() == "file";
786 }
787
788 static void appendEscapingBadChars(char*& buffer, const char *strStart, size_t length)
789 {
790     char *p = buffer;
791
792     const char *str = strStart;
793     const char *strEnd = strStart + length;
794     while (str < strEnd) {
795         unsigned char c = *str++;
796         if (isBadChar(c)) {
797             if (c == '%' || c == '?') {
798                 *p++ = c;
799             } else if (c != 0x09 && c != 0x0a && c != 0x0d) {
800                 *p++ = '%';
801                 *p++ = hexDigits[c >> 4];
802                 *p++ = hexDigits[c & 0xF];
803             }
804         } else {
805             *p++ = c;
806         }
807     }
808     
809     buffer = p;
810 }
811
812 // copy a path, accounting for "." and ".." segments
813 static int copyPathRemovingDots(char *dst, const char *src, int srcStart, int srcEnd)
814 {
815     char *bufferPathStart = dst;
816
817     // empty path is a special case, and need not have a leading slash
818     if (srcStart != srcEnd) {
819         const char *baseStringStart = src + srcStart;
820         const char *baseStringEnd = src + srcEnd;
821         const char *baseStringPos = baseStringStart;
822
823         // this code is unprepared for paths that do not begin with a
824         // slash and we should always have one in the source string
825         ASSERT(baseStringPos[0] == '/');
826
827         // copy the leading slash into the destination
828         *dst = *baseStringPos;
829         baseStringPos++;
830         dst++;
831
832         while (baseStringPos < baseStringEnd) {
833             if (baseStringPos[0] == '.' && dst[-1] == '/') {
834                 if (baseStringPos[1] == '/' || baseStringPos + 1 == baseStringEnd) {
835                     // skip over "." segment
836                     baseStringPos += 2;
837                     continue;
838                 } else if (baseStringPos[1] == '.' && (baseStringPos[2] == '/' ||
839                                        baseStringPos + 2 == baseStringEnd)) {
840                     // skip over ".." segment and rewind the last segment
841                     // the RFC leaves it up to the app to decide what to do with excess
842                     // ".." segments - we choose to drop them since some web content
843                     // relies on this.
844                     baseStringPos += 3;
845                     if (dst > bufferPathStart + 1) {
846                         dst--;
847                     }
848                     // Note that these two while blocks differ subtly.
849                     // The first helps to remove multiple adjoining slashes as we rewind.
850                     // The +1 to bufferPathStart in the first while block prevents eating a leading slash
851                     while (dst > bufferPathStart + 1 && dst[-1] == '/') {
852                         dst--;
853                     }
854                     while (dst > bufferPathStart && dst[-1] != '/') {
855                         dst--;
856                     }
857                     continue;
858                 }
859             }
860
861             *dst = *baseStringPos;
862             baseStringPos++;
863             dst++;
864         }
865     }
866     *dst = '\0';
867     return dst - bufferPathStart;
868 }
869
870 static inline bool hasSlashDotOrDotDot(const char *str)
871 {
872     const unsigned char *p = reinterpret_cast<const unsigned char *>(str);
873     if (!*p)
874         return false;
875     unsigned char pc = *p;
876     while (unsigned char c = *++p) {
877         if (c == '.' && (pc == '/' || pc == '.'))
878             return true;
879         pc = c;
880     }
881     return false;
882 }
883
884 static inline bool matchLetter(char c, char lowercaseLetter)
885 {
886     return (c | 0x20) == lowercaseLetter;
887 }
888
889 void KURL::parse(const char *url, const DeprecatedString *originalString)
890 {
891     m_isValid = true;
892
893     if (!url || url[0] == '\0') {
894         // valid URL must be non-empty
895         m_isValid = false;
896         urlString = url;
897         return;
898     }
899
900     if (!isSchemeFirstChar(url[0])) {
901         // scheme must start with an alphabetic character
902         m_isValid = false;
903         urlString = url;
904         return;
905     }
906
907     int schemeEnd = 0;
908  
909     while (isSchemeChar(url[schemeEnd])) {
910         schemeEnd++;
911     }
912
913     if (url[schemeEnd] != ':') {
914         m_isValid = false;
915         urlString = url;
916         return;
917     }
918
919     int userStart = schemeEnd + 1;
920     int userEnd;
921     int passwordStart;
922     int passwordEnd;
923     int hostStart;
924     int hostEnd;
925     int portStart;
926     int portEnd;
927
928     bool hierarchical = url[schemeEnd + 1] == '/';
929
930     if (hierarchical && url[schemeEnd + 2] == '/') {
931         // part after the scheme must be a net_path, parse the authority section
932
933         // FIXME: authority characters may be scanned twice
934         userStart += 2;
935         userEnd = userStart;
936
937         int colonPos = 0;
938         while (isUserInfoChar(url[userEnd])) {
939             if (url[userEnd] == ':' && colonPos == 0) {
940                 colonPos = userEnd;
941             }
942             userEnd++;
943         }
944         
945         if (url[userEnd] == '@') {
946             // actual end of the userinfo, start on the host
947             if (colonPos != 0) {
948                 passwordEnd = userEnd;
949                 userEnd = colonPos;
950                 passwordStart = colonPos + 1;
951             } else {
952                 passwordStart = passwordEnd = userEnd;
953             }
954             hostStart = passwordEnd + 1;
955         } else if (url[userEnd] == '[' || isPathSegmentEndChar(url[userEnd])) {
956             // hit the end of the authority, must have been no user
957             // or looks like an IPv6 hostname
958             // either way, try to parse it as a hostname
959             userEnd = userStart;
960             passwordStart = passwordEnd = userEnd;
961             hostStart = userStart;
962         } else {
963             // invalid character
964             m_isValid = false;
965             urlString = url;
966             return;
967         }
968
969         hostEnd = hostStart;
970
971         // IPV6 IP address
972         if (url[hostEnd] == '[') {
973             hostEnd++;
974             while (isIPv6Char(url[hostEnd])) {
975                 hostEnd++;
976             }
977             if (url[hostEnd] == ']') {
978                 hostEnd++;
979             } else {
980                 // invalid character
981                 m_isValid = false;
982                 urlString = url;
983                 return;
984             }
985         } else {
986             while (isHostnameChar(url[hostEnd])) {
987                 hostEnd++;
988             }
989         }
990         
991         if (url[hostEnd] == ':') {
992             portStart = portEnd = hostEnd + 1;
993  
994             // possible start of port
995             portEnd = portStart;
996             while (isdigit(url[portEnd])) {
997                 portEnd++;
998             }
999         } else {
1000             portStart = portEnd = hostEnd;
1001         }
1002
1003         if (!isPathSegmentEndChar(url[portEnd])) {
1004             // invalid character
1005             m_isValid = false;
1006             urlString = url;
1007             return;
1008         }
1009     } else {
1010         // the part after the scheme must be an opaque_part or an abs_path
1011         userEnd = userStart;
1012         passwordStart = passwordEnd = userEnd;
1013         hostStart = hostEnd = passwordEnd;
1014         portStart = portEnd = hostEnd;
1015     }
1016         
1017     int pathStart = portEnd;
1018     int pathEnd = pathStart;
1019     int queryStart;
1020     int queryEnd;
1021     int fragmentStart;
1022     int fragmentEnd;
1023
1024     if (!hierarchical) {
1025         while (url[pathEnd] != '\0' && url[pathEnd] != '?') {
1026             pathEnd++;
1027         }
1028         queryStart = queryEnd = pathEnd;
1029
1030         while (url[queryEnd] != '\0') {
1031             queryEnd++;
1032         }
1033
1034         fragmentStart = fragmentEnd = queryEnd;
1035     }
1036     else {
1037         while (url[pathEnd] != '\0' && url[pathEnd] != '?' && url[pathEnd] != '#') {
1038             pathEnd++;
1039         }
1040     
1041         queryStart = pathEnd;
1042         queryEnd = queryStart;
1043         if (url[queryStart] == '?') {
1044             while (url[queryEnd] != '\0' && url[queryEnd] != '#') {
1045                 queryEnd++;
1046             }
1047         }
1048         
1049         fragmentStart = queryEnd;
1050         fragmentEnd = fragmentStart;
1051         if (url[fragmentStart] == '#') {
1052             fragmentStart++;
1053             fragmentEnd = fragmentStart;
1054             while(url[fragmentEnd] != '\0') {
1055                 fragmentEnd++;
1056             }
1057         }
1058     }
1059
1060     // assemble it all, remembering the real ranges
1061
1062     Vector<char, 4096> buffer(fragmentEnd * 3 + 1);
1063
1064     char *p = buffer;
1065     const char *strPtr = url;
1066
1067     // copy in the scheme
1068     const char *schemeEndPtr = url + schemeEnd;
1069     while (strPtr < schemeEndPtr) {
1070         *p++ = *strPtr++;
1071     }
1072     schemeEndPos = p - buffer;
1073
1074     // Check if we're http or https.
1075     bool isHTTPorHTTPS = matchLetter(url[0], 'h')
1076         && matchLetter(url[1], 't')
1077         && matchLetter(url[2], 't')
1078         && matchLetter(url[3], 'p')
1079         && (url[4] == ':'
1080             || (matchLetter(url[4], 's') && url[5] == ':'));
1081
1082     bool hostIsLocalHost = portEnd - userStart == 9
1083         && matchLetter(url[userStart], 'l')
1084         && matchLetter(url[userStart+1], 'o')
1085         && matchLetter(url[userStart+2], 'c')
1086         && matchLetter(url[userStart+3], 'a')
1087         && matchLetter(url[userStart+4], 'l')
1088         && matchLetter(url[userStart+5], 'h')
1089         && matchLetter(url[userStart+6], 'o')
1090         && matchLetter(url[userStart+7], 's')
1091         && matchLetter(url[userStart+8], 't');
1092
1093     bool isFile = matchLetter(url[0], 'f')
1094         && matchLetter(url[1], 'i')
1095         && matchLetter(url[2], 'l')
1096         && matchLetter(url[3], 'e')
1097         && url[4] == ':';
1098         
1099     // File URLs need a host part unless it is just file:// or file://localhost
1100     bool degenFilePath = pathStart == pathEnd
1101         && (hostStart == hostEnd
1102             || hostIsLocalHost);
1103     
1104     bool haveNonHostAuthorityPart = userStart != userEnd || passwordStart != passwordEnd || portStart != portEnd;
1105
1106     // add ":" after scheme
1107     *p++ = ':';
1108
1109     // if we have at least one authority part or a file URL - add "//" and authority
1110     if (isFile ? !degenFilePath
1111                : (haveNonHostAuthorityPart || hostStart != hostEnd)) {
1112
1113 //if ((isFile && !degenFilePath) || haveNonHostAuthorityPart || hostStart != hostEnd) {
1114 // still adds // for file://localhost, file://
1115
1116 //if (!(isFile && degenFilePath) && (haveNonHostAuthorityPart || hostStart != hostEnd)) {
1117 //doesn't add // for things like file:///foo
1118
1119         *p++ = '/';
1120         *p++ = '/';
1121
1122         userStartPos = p - buffer;
1123
1124         // copy in the user
1125         strPtr = url + userStart;
1126         const char *userEndPtr = url + userEnd;
1127         while (strPtr < userEndPtr) {
1128             *p++ = *strPtr++;
1129         }
1130         userEndPos = p - buffer;
1131         
1132         // copy in the password
1133         if (passwordEnd != passwordStart) {
1134             *p++ = ':';
1135             strPtr = url + passwordStart;
1136             const char *passwordEndPtr = url + passwordEnd;
1137             while (strPtr < passwordEndPtr) {
1138                 *p++ = *strPtr++;
1139             }
1140         }
1141         passwordEndPos = p - buffer;
1142         
1143         // If we had any user info, add "@"
1144         if (p - buffer != userStartPos) {
1145             *p++ = '@';
1146         }
1147         
1148         // copy in the host, except in the case of a file URL with authority="localhost"
1149         if (!(isFile && hostIsLocalHost && !haveNonHostAuthorityPart)) {
1150             strPtr = url + hostStart;
1151             const char *hostEndPtr = url + hostEnd;
1152             while (strPtr < hostEndPtr) {
1153                 *p++ = *strPtr++;
1154             }
1155         }
1156         hostEndPos = p - buffer;
1157         
1158         // copy in the port
1159         if (portEnd != portStart) {
1160             *p++ = ':';
1161             strPtr = url + portStart;
1162             const char *portEndPtr = url + portEnd;
1163             while (strPtr < portEndPtr) {
1164                 *p++ = *strPtr++;
1165             }
1166         }
1167         portEndPos = p - buffer;
1168     } else {
1169         userStartPos = userEndPos = passwordEndPos = hostEndPos = portEndPos = p - buffer;
1170     }
1171
1172     // For canonicalization, ensure we have a '/' for no path.
1173     // Only do this for http and https.
1174     if (isHTTPorHTTPS && pathEnd - pathStart == 0) {
1175         *p++ = '/';
1176     }
1177        
1178     // add path, escaping bad characters
1179     
1180     if (hierarchical && hasSlashDotOrDotDot(url)) {
1181         Vector<char, 4096> path_buffer(pathEnd - pathStart + 1);
1182         copyPathRemovingDots(path_buffer, url, pathStart, pathEnd);
1183         appendEscapingBadChars(p, path_buffer, strlen(path_buffer));
1184     } else
1185         appendEscapingBadChars(p, url + pathStart, pathEnd - pathStart);
1186
1187     pathEndPos = p - buffer;
1188     
1189     
1190     // add query, escaping bad characters
1191     appendEscapingBadChars(p, url + queryStart, queryEnd - queryStart);
1192     queryEndPos = p - buffer;
1193     
1194     // add fragment, escaping bad characters
1195     if (fragmentEnd != queryEnd) {
1196         *p++ = '#';
1197         appendEscapingBadChars(p, url + fragmentStart, fragmentEnd - fragmentStart);
1198     }
1199     fragmentEndPos = p - buffer;
1200
1201     // If we didn't end up actually changing the original string and
1202     // it started as a DeprecatedString, just reuse it, to avoid extra
1203     // allocation.
1204     if (originalString && strncmp(buffer, url, fragmentEndPos) == 0) {
1205         urlString = *originalString;
1206     } else
1207         urlString = DeprecatedString(buffer, fragmentEndPos);
1208
1209     ASSERT(p - buffer <= (int)buffer.size());
1210 }
1211
1212 bool operator==(const KURL &a, const KURL &b)
1213 {
1214     return a.urlString == b.urlString;
1215 }
1216
1217 bool equalIgnoringRef(const KURL& a, const KURL& b)
1218 {
1219     return a.urlString.left(a.queryEndPos) == b.urlString.left(b.queryEndPos);
1220 }
1221
1222 DeprecatedString KURL::encode_string(const DeprecatedString& notEncodedString)
1223 {
1224     DeprecatedCString asUTF8 = notEncodedString.utf8();
1225     
1226     Vector<char, 4096> buffer(asUTF8.length() * 3 + 1);
1227     char *p = buffer;
1228
1229     const char *str = asUTF8;
1230     const char *strEnd = str + asUTF8.length();
1231     while (str < strEnd) {
1232         unsigned char c = *str++;
1233         if (isBadChar(c)) {
1234             *p++ = '%';
1235             *p++ = hexDigits[c >> 4];
1236             *p++ = hexDigits[c & 0xF];
1237         } else
1238             *p++ = c;
1239     }
1240     
1241     DeprecatedString result(buffer, p - buffer);
1242     
1243     ASSERT(p - buffer <= (int)buffer.size());
1244
1245     return result;
1246 }
1247
1248 static DeprecatedString encodeHostname(const DeprecatedString &s)
1249 {
1250     // Needs to be big enough to hold an IDN-encoded name.
1251     // For host names bigger than this, we won't do IDN encoding, which is almost certainly OK.
1252     const unsigned hostnameBufferLength = 2048;
1253
1254     if (s.isAllASCII() || s.length() > hostnameBufferLength)
1255         return s;
1256
1257     UChar buffer[hostnameBufferLength];    
1258     UErrorCode error = U_ZERO_ERROR;
1259     int32_t numCharactersConverted = uidna_IDNToASCII
1260         (reinterpret_cast<const UChar *>(s.unicode()), s.length(), buffer, hostnameBufferLength, UIDNA_ALLOW_UNASSIGNED, 0, &error);
1261     if (error != U_ZERO_ERROR) {
1262         return s;
1263     }
1264     return DeprecatedString(reinterpret_cast<DeprecatedChar *>(buffer), numCharactersConverted);
1265 }
1266
1267 static Vector<pair<int, int> > findHostnamesInMailToURL(const DeprecatedString &s)
1268 {
1269     // In a mailto: URL, host names come after a '@' character and end with a '>' or ',' or '?' or end of string character.
1270     // Skip quoted strings so that characters in them don't confuse us.
1271     // When we find a '?' character, we are past the part of the URL that contains host names.
1272
1273     Vector<pair<int, int> > a;
1274
1275     int p = 0;
1276     while (1) {
1277         // Find start of host name or of quoted string.
1278         int hostnameOrStringStart = s.find(RegularExpression("[\"@?]"), p);
1279         if (hostnameOrStringStart == -1) {
1280             return a;
1281         }
1282         DeprecatedChar c = s[hostnameOrStringStart];
1283         p = hostnameOrStringStart + 1;
1284
1285         if (c == '?') {
1286             return a;
1287         }
1288         
1289         if (c == '@') {
1290             // Find end of host name.
1291             int hostnameStart = p;
1292             int hostnameEnd = s.find(RegularExpression("[>,?]"), p);
1293             bool done;
1294             if (hostnameEnd == -1) {
1295                 hostnameEnd = s.length();
1296                 done = true;
1297             } else {
1298                 p = hostnameEnd;
1299                 done = false;
1300             }
1301
1302             a.append(make_pair(hostnameStart, hostnameEnd));
1303
1304             if (done)
1305                 return a;
1306         } else {
1307             // Skip quoted string.
1308             ASSERT(c == '"');
1309             while (1) {
1310                 int escapedCharacterOrStringEnd = s.find(RegularExpression("[\"\\]"), p);
1311                 if (escapedCharacterOrStringEnd == -1)
1312                     return a;
1313
1314                 c = s[escapedCharacterOrStringEnd];
1315                 p = escapedCharacterOrStringEnd + 1;
1316                 
1317                 // If we are the end of the string, then break from the string loop back to the host name loop.
1318                 if (c == '"')
1319                     break;
1320                 
1321                 // Skip escaped character.
1322                 ASSERT(c == '\\');
1323                 if (p == static_cast<int>(s.length()))
1324                     return a;
1325
1326                 ++p;
1327             }
1328         }
1329     }
1330 }
1331
1332 static bool findHostnameInHierarchicalURL(const DeprecatedString &s, int &startOffset, int &endOffset)
1333 {
1334     // Find the host name in a hierarchical URL.
1335     // It comes after a "://" sequence, with scheme characters preceding.
1336     // If ends with the end of the string or a ":" or a path segment ending character.
1337     // If there is a "@" character, the host part is just the part after the "@".
1338     int separator = s.find("://");
1339     if (separator <= 0) {
1340         return false;
1341     }
1342
1343     // Check that all characters before the :// are valid scheme characters.
1344     if (!isSchemeFirstChar(s[0].latin1())) {
1345         return false;
1346     }
1347     for (int i = 1; i < separator; ++i) {
1348         if (!isSchemeChar(s[i].latin1())) {
1349             return false;
1350         }
1351     }
1352
1353     // Start after the separator.
1354     int authorityStart = separator + 3;
1355
1356     // Find terminating character.
1357     int length = s.length();
1358     int hostnameEnd = length;
1359     for (int i = authorityStart; i < length; ++i) {
1360         char c = s[i].latin1();
1361         if (c == ':' || (isPathSegmentEndChar(c) && c != '\0')) {
1362             hostnameEnd = i;
1363             break;
1364         }
1365     }
1366
1367     // Find "@" for the start of the host name.
1368     int userInfoTerminator = s.find('@', authorityStart);
1369     int hostnameStart;
1370     if (userInfoTerminator == -1 || userInfoTerminator > hostnameEnd) {
1371         hostnameStart = authorityStart;
1372     } else {
1373         hostnameStart = userInfoTerminator + 1;
1374     }
1375
1376     startOffset = hostnameStart;
1377     endOffset = hostnameEnd;
1378     return true;
1379 }
1380
1381 static DeprecatedString encodeHostnames(const DeprecatedString &s)
1382 {
1383     if (s.startsWith("mailto:", false)) {
1384         const Vector<pair<int, int> > hostnameRanges = findHostnamesInMailToURL(s);
1385         int n = hostnameRanges.size();
1386         if (n != 0) {
1387             DeprecatedString result;
1388             unsigned p = 0;
1389             for (int i = 0; i < n; ++i) {
1390                 const pair<int, int> &r = hostnameRanges[i];
1391                 result += s.mid(p, r.first);
1392                 result += encodeHostname(s.mid(r.first, r.second - r.first));
1393                 p = r.second;
1394             }
1395             result += s.mid(p);
1396             return result;
1397         }
1398     } else {
1399         int hostStart, hostEnd;
1400         if (findHostnameInHierarchicalURL(s, hostStart, hostEnd)) {
1401             return s.left(hostStart) + encodeHostname(s.mid(hostStart, hostEnd - hostStart)) + s.mid(hostEnd); 
1402         }
1403     }
1404     return s;
1405 }
1406
1407 static char *encodeRelativeString(const KURL &base, const DeprecatedString &rel, const TextEncoding& encoding)
1408 {
1409     DeprecatedString s = encodeHostnames(rel);
1410
1411     char *strBuffer;
1412
1413     TextEncoding pathEncoding(UTF8Encoding());
1414     TextEncoding otherEncoding = encoding.isValid() ? encoding : UTF8Encoding();
1415     
1416     int pathEnd = -1;
1417     if (pathEncoding != otherEncoding) {
1418         pathEnd = s.find(RegularExpression("[?#]"));
1419     }
1420     if (pathEnd == -1) {
1421         CString decoded = pathEncoding.encode(reinterpret_cast<const UChar*>(s.unicode()), s.length());
1422         int decodedLength = decoded.length();
1423         strBuffer = static_cast<char *>(fastMalloc(decodedLength + 1));
1424         memcpy(strBuffer, decoded, decodedLength);
1425         strBuffer[decodedLength] = 0;
1426     } else {
1427         int length = s.length();
1428         CString pathDecoded = pathEncoding.encode(reinterpret_cast<const UChar*>(s.unicode()), pathEnd);
1429         CString otherDecoded = otherEncoding.encode(reinterpret_cast<const UChar*>(s.unicode()) + pathEnd, length - pathEnd);
1430         int pathDecodedLength = pathDecoded.length();
1431         int otherDecodedLength = otherDecoded.length();
1432         strBuffer = static_cast<char *>(fastMalloc(pathDecodedLength + otherDecodedLength + 1));
1433         memcpy(strBuffer, pathDecoded, pathDecodedLength);
1434         memcpy(strBuffer + pathDecodedLength, otherDecoded, otherDecodedLength);
1435         strBuffer[pathDecodedLength + otherDecodedLength] = 0;
1436     }
1437
1438     return strBuffer;
1439 }
1440
1441 static DeprecatedString substituteBackslashes(const DeprecatedString &string)
1442 {
1443     int questionPos = string.find('?');
1444     int hashPos = string.find('#');
1445     unsigned pathEnd;
1446     
1447     if (hashPos >= 0 && (questionPos < 0 || questionPos > hashPos)) {
1448         pathEnd = hashPos;
1449     } else if (questionPos >= 0) {
1450         pathEnd = questionPos;
1451     } else {
1452         pathEnd = string.length();
1453     }
1454
1455     return string.left(pathEnd).replace('\\','/') + string.mid(pathEnd);
1456 }
1457
1458 bool KURL::isHierarchical() const
1459 {
1460     if (!m_isValid)
1461         return false;
1462     assert(urlString[schemeEndPos] == ':');
1463     return urlString[schemeEndPos + 1] == '/';
1464 }
1465
1466 }