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 "KWQRegExp.h"
31 #include "KWQTextCodec.h"
32 #include <kxmlcore/Vector.h>
33 #include <unicode/uidna.h>
34 #include <utility>
35
36 using std::pair;
37 using std::make_pair;
38
39 typedef enum {
40     // alpha 
41     SchemeFirstChar = 1 << 0,
42
43     // ( alpha | digit | "+" | "-" | "." )
44     SchemeChar = 1 << 1,
45
46     // mark        = "-" | "_" | "." | "!" | "~" | "*" | "'" | "(" | ")"
47     // unreserved  = alphanum | mark
48     // ( unreserved | escaped | ";" | ":" | "&" | "=" | "+" | "$" | "," )
49     UserInfoChar = 1 << 2,
50
51     // alnum | "." | "-" | "%"
52     // The above is what the specification says, but we are lenient to
53     // match existing practice and also allow:
54     // "_"
55     HostnameChar = 1 << 3,
56
57     // hexdigit | ":" | "%"
58     IPv6Char = 1 << 4,
59
60     // "#" | "?" | "/" | nul
61     PathSegmentEndChar = 1 << 5,
62
63     // digit | "A" | "B" | "C" | "D" | "E" | "F" | "a" | "b" | "c" | "d" | "e" | "f"
64     HexDigitChar = 1 << 6,
65
66     // not allowed in path
67     BadChar = 1 << 7
68
69 } URLCharacterClasses;
70
71 static const char hexDigits[17] = "0123456789ABCDEF";
72
73 static const unsigned char characterClassTable[256] = {
74     /* 0 nul */ PathSegmentEndChar,    /* 1 soh */ BadChar,
75     /* 2 stx */ BadChar,    /* 3 etx */ BadChar,    
76     /* 4 eot */ BadChar,    /* 5 enq */ BadChar,    /* 6 ack */ BadChar,    /* 7 bel */ BadChar,
77     /* 8 bs */ BadChar,     /* 9 ht */ BadChar,    /* 10 nl */ BadChar,    /* 11 vt */ BadChar,
78     /* 12 np */ BadChar,    /* 13 cr */ BadChar,    /* 14 so */ BadChar,    /* 15 si */ BadChar,
79     /* 16 dle */ BadChar,   /* 17 dc1 */ BadChar,   /* 18 dc2 */ BadChar,   /* 19 dc3 */ BadChar,
80     /* 20 dc4 */ BadChar,   /* 21 nak */ BadChar,   /* 22 syn */ BadChar,   /* 23 etb */ BadChar,
81     /* 24 can */ BadChar,   /* 25 em */ BadChar,    /* 26 sub */ BadChar,   /* 27 esc */ BadChar,
82     /* 28 fs */ BadChar,    /* 29 gs */ BadChar,    /* 30 rs */ BadChar,    /* 31 us */ BadChar,
83     /* 32 sp */ BadChar,    /* 33  ! */ UserInfoChar,
84     /* 34  " */ BadChar,    /* 35  # */ PathSegmentEndChar | BadChar,    
85     /* 36  $ */ UserInfoChar,    /* 37  % */ UserInfoChar | HostnameChar | IPv6Char | BadChar,
86     /* 38  & */ UserInfoChar,    /* 39  ' */ UserInfoChar,
87     /* 40  ( */ UserInfoChar,    /* 41  ) */ UserInfoChar,    
88     /* 42  * */ UserInfoChar,    /* 43  + */ SchemeChar | UserInfoChar,
89     /* 44  , */ UserInfoChar,    
90     /* 45  - */ SchemeChar | UserInfoChar | HostnameChar, 
91     /* 46  . */ SchemeChar | UserInfoChar | HostnameChar,   
92     /* 47  / */ PathSegmentEndChar,
93     /* 48  0 */ SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char, 
94     /* 49  1 */ SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,    
95     /* 50  2 */ SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char, 
96     /* 51  3 */ SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
97     /* 52  4 */ SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char, 
98     /* 53  5 */ SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
99     /* 54  6 */ SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char, 
100     /* 55  7 */ SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
101     /* 56  8 */ SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char, 
102     /* 57  9 */ SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
103     /* 58  : */ UserInfoChar | IPv6Char,    /* 59  ; */ UserInfoChar,
104     /* 60  < */ BadChar,    /* 61  = */ UserInfoChar,
105     /* 62  > */ BadChar,    /* 63  ? */ PathSegmentEndChar | BadChar,
106     /* 64  @ */ 0,
107     /* 65  A */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,    
108     /* 66  B */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
109     /* 67  C */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
110     /* 68  D */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
111     /* 69  E */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
112     /* 70  F */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
113     /* 71  G */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
114     /* 72  H */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
115     /* 73  I */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
116     /* 74  J */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
117     /* 75  K */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
118     /* 76  L */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
119     /* 77  M */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
120     /* 78  N */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
121     /* 79  O */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
122     /* 80  P */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
123     /* 81  Q */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
124     /* 82  R */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
125     /* 83  S */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
126     /* 84  T */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
127     /* 85  U */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
128     /* 86  V */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
129     /* 87  W */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
130     /* 88  X */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar, 
131     /* 89  Y */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
132     /* 90  Z */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
133     /* 91  [ */ 0,
134     /* 92  \ */ 0,    /* 93  ] */ 0,
135     /* 94  ^ */ 0,
136     /* 95  _ */ UserInfoChar | HostnameChar,
137     /* 96  ` */ 0,
138     /* 97  a */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
139     /* 98  b */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char, 
140     /* 99  c */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
141     /* 100  d */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char, 
142     /* 101  e */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char,
143     /* 102  f */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar | HexDigitChar | IPv6Char, 
144     /* 103  g */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
145     /* 104  h */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar, 
146     /* 105  i */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
147     /* 106  j */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar, 
148     /* 107  k */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
149     /* 108  l */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar, 
150     /* 109  m */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
151     /* 110  n */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar, 
152     /* 111  o */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
153     /* 112  p */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar, 
154     /* 113  q */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
155     /* 114  r */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar, 
156     /* 115  s */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
157     /* 116  t */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar, 
158     /* 117  u */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
159     /* 118  v */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar, 
160     /* 119  w */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
161     /* 120  x */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar, 
162     /* 121  y */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar,
163     /* 122  z */ SchemeFirstChar | SchemeChar | UserInfoChar | HostnameChar, 
164     /* 123  { */ 0,
165     /* 124  | */ 0,   /* 125  } */ 0,   /* 126  ~ */ UserInfoChar,   /* 127 del */ BadChar,
166     /* 128 */ BadChar, /* 129 */ BadChar, /* 130 */ BadChar, /* 131 */ BadChar,
167     /* 132 */ BadChar, /* 133 */ BadChar, /* 134 */ BadChar, /* 135 */ BadChar,
168     /* 136 */ BadChar, /* 137 */ BadChar, /* 138 */ BadChar, /* 139 */ BadChar,
169     /* 140 */ BadChar, /* 141 */ BadChar, /* 142 */ BadChar, /* 143 */ BadChar,
170     /* 144 */ BadChar, /* 145 */ BadChar, /* 146 */ BadChar, /* 147 */ BadChar,
171     /* 148 */ BadChar, /* 149 */ BadChar, /* 150 */ BadChar, /* 151 */ BadChar,
172     /* 152 */ BadChar, /* 153 */ BadChar, /* 154 */ BadChar, /* 155 */ BadChar,
173     /* 156 */ BadChar, /* 157 */ BadChar, /* 158 */ BadChar, /* 159 */ BadChar,
174     /* 160 */ BadChar, /* 161 */ BadChar, /* 162 */ BadChar, /* 163 */ BadChar,
175     /* 164 */ BadChar, /* 165 */ BadChar, /* 166 */ BadChar, /* 167 */ BadChar,
176     /* 168 */ BadChar, /* 169 */ BadChar, /* 170 */ BadChar, /* 171 */ BadChar,
177     /* 172 */ BadChar, /* 173 */ BadChar, /* 174 */ BadChar, /* 175 */ BadChar,
178     /* 176 */ BadChar, /* 177 */ BadChar, /* 178 */ BadChar, /* 179 */ BadChar,
179     /* 180 */ BadChar, /* 181 */ BadChar, /* 182 */ BadChar, /* 183 */ BadChar,
180     /* 184 */ BadChar, /* 185 */ BadChar, /* 186 */ BadChar, /* 187 */ BadChar,
181     /* 188 */ BadChar, /* 189 */ BadChar, /* 190 */ BadChar, /* 191 */ BadChar,
182     /* 192 */ BadChar, /* 193 */ BadChar, /* 194 */ BadChar, /* 195 */ BadChar,
183     /* 196 */ BadChar, /* 197 */ BadChar, /* 198 */ BadChar, /* 199 */ BadChar,
184     /* 200 */ BadChar, /* 201 */ BadChar, /* 202 */ BadChar, /* 203 */ BadChar,
185     /* 204 */ BadChar, /* 205 */ BadChar, /* 206 */ BadChar, /* 207 */ BadChar,
186     /* 208 */ BadChar, /* 209 */ BadChar, /* 210 */ BadChar, /* 211 */ BadChar,
187     /* 212 */ BadChar, /* 213 */ BadChar, /* 214 */ BadChar, /* 215 */ BadChar,
188     /* 216 */ BadChar, /* 217 */ BadChar, /* 218 */ BadChar, /* 219 */ BadChar,
189     /* 220 */ BadChar, /* 221 */ BadChar, /* 222 */ BadChar, /* 223 */ BadChar,
190     /* 224 */ BadChar, /* 225 */ BadChar, /* 226 */ BadChar, /* 227 */ BadChar,
191     /* 228 */ BadChar, /* 229 */ BadChar, /* 230 */ BadChar, /* 231 */ BadChar,
192     /* 232 */ BadChar, /* 233 */ BadChar, /* 234 */ BadChar, /* 235 */ BadChar,
193     /* 236 */ BadChar, /* 237 */ BadChar, /* 238 */ BadChar, /* 239 */ BadChar,
194     /* 240 */ BadChar, /* 241 */ BadChar, /* 242 */ BadChar, /* 243 */ BadChar,
195     /* 244 */ BadChar, /* 245 */ BadChar, /* 246 */ BadChar, /* 247 */ BadChar,
196     /* 248 */ BadChar, /* 249 */ BadChar, /* 250 */ BadChar, /* 251 */ BadChar,
197     /* 252 */ BadChar, /* 253 */ BadChar, /* 254 */ BadChar, /* 255 */ BadChar
198 };
199
200 static int copyPathRemovingDots(char *dst, const char *src, int srcStart, int srcEnd);
201 static char *encodeRelativeString(const KURL &base, const QString &rel, const QTextCodec *codec);
202 static QString substituteBackslashes(const QString &string);
203
204 static inline bool isSchemeFirstChar(unsigned char c) { return characterClassTable[c] & SchemeFirstChar; }
205 static inline bool isSchemeChar(unsigned char c) { return characterClassTable[c] & SchemeChar; }
206 static inline bool isUserInfoChar(unsigned char c) { return characterClassTable[c] & UserInfoChar; }
207 static inline bool isHostnameChar(unsigned char c) { return characterClassTable[c] & HostnameChar; }
208 static inline bool isIPv6Char(unsigned char c) { return characterClassTable[c] & IPv6Char; }
209 static inline bool isPathSegmentEndChar(unsigned char c) { return characterClassTable[c] & PathSegmentEndChar; }
210 static inline bool isBadChar(unsigned char c) { return characterClassTable[c] & BadChar; }
211 static inline bool isHexDigit(unsigned char c) { return characterClassTable[c] & HexDigitChar; }
212
213 static inline int hexDigitValue(unsigned char c)
214 {
215     ASSERT(isHexDigit(c));
216     if (c < 'A')
217         return c - '0';
218     return (c - 'A' + 10) & 0xF; // handle both upper and lower case without a branch
219 }
220
221 // KURL
222
223 KURL::KURL() : m_isValid(false)
224 {
225 }
226
227 KURL::KURL(const char *url)
228 {
229     if (url && url[0] == '/') {
230          // 5 for "file:", 1 for terminator
231         size_t urlLength = strlen(url) + 1;
232         Vector<char, 2048> buffer(urlLength + 5);
233         buffer[0] = 'f';
234         buffer[1] = 'i';
235         buffer[2] = 'l';
236         buffer[3] = 'e';
237         buffer[4] = ':';
238         memcpy(&buffer[5], url, urlLength);
239         parse(buffer, 0);
240     } else
241         parse(url, 0);
242 }
243
244 KURL::KURL(const QString &url)
245 {
246     if (!url.isEmpty() && url[0] == '/') {
247         // 5 for "file:", 1 for terminator
248         Vector<char, 2048> buffer(url.length() + 6);
249         buffer[0] = 'f';
250         buffer[1] = 'i';
251         buffer[2] = 'l';
252         buffer[3] = 'e';
253         buffer[4] = ':';
254         url.copyLatin1(&buffer[5]);
255         parse(buffer, 0);
256     } else
257         parse(url.ascii(), &url);
258 }
259
260 KURL::KURL(const KURL &base, const QString &relative, const QTextCodec *codec)
261 {
262     // Allow at lest absolute URLs to resolve against an empty URL.
263     if (!base.m_isValid && !base.isEmpty()) {
264         m_isValid = false;
265         return;
266     }
267     
268     bool absolute = false;
269
270     // for compatibility with Win IE, we must treat backslashes as if they were slashes
271     QString substitutedRelative;
272     bool containsBackslash = relative.contains('\\');
273     if (containsBackslash) {
274         substitutedRelative = substituteBackslashes(relative);
275     }
276
277     const QString &rel = containsBackslash ? substitutedRelative : relative;
278     
279     bool allASCII = rel.isAllASCII();
280     char *strBuffer;
281     const char *str;
282     if (allASCII) {
283         strBuffer = 0;
284         str = rel.ascii();
285     } else {
286         strBuffer = encodeRelativeString(base, rel, codec);
287         str = strBuffer;
288     }
289     
290     // workaround for sites that put leading whitespace whitespace on
291     // URL references
292     bool strippedStart = false;
293     while (*str == ' ') {
294         str++;
295         strippedStart = true;
296     }
297
298     // workaround for trailing whitespace - a bit more complicated cause we have to copy
299     // it would be even better to replace null-termination with a length parameter
300     int len = strlen(str);
301     int charsToChopOffEnd = 0;
302     for (int pos = len - 1; pos >= 0 && str[pos] == ' '; pos--) {
303         charsToChopOffEnd++;
304     }
305     if (charsToChopOffEnd > 0) {
306         char *newStrBuffer = (char *)fastMalloc((len + 1) - charsToChopOffEnd);
307         strncpy(newStrBuffer, str, len - charsToChopOffEnd);
308         newStrBuffer[len - charsToChopOffEnd] = '\0';
309         fastFree(strBuffer);
310         strBuffer = newStrBuffer;
311         str = strBuffer;
312     }
313
314     // According to the RFC, the reference should be interpreted as an
315     // absolute URI if possible, using the "leftmost, longest"
316     // algorithm. If the URI reference is absolute it will have a
317     // scheme, meaning that it will have a colon before the first
318     // non-scheme element.
319     const char *p = str;
320     if (isSchemeFirstChar(*p)) {
321         ++p;
322         while (isSchemeChar(*p)) {
323             ++p;
324         }
325         if (*p == ':') {
326             if (p[1] != '/' && base.protocol().lower() == QString(str, p - str).lower() && base.isHierarchical())
327                 str = p + 1;
328             else
329                 absolute = true;
330         }
331     }
332
333     if (absolute) {
334         parse(str, (allASCII && !strippedStart && (charsToChopOffEnd == 0)) ? &rel : 0);
335     } else {
336         // if the base is invalid, just append the relative
337         // portion. The RFC does not specify what to do in this case.
338         if (!base.m_isValid) {
339             QString newURL = base.urlString + str;
340             parse(newURL.ascii(), &newURL);
341             if (strBuffer) {
342                 fastFree(strBuffer);
343             }
344             return;
345         }
346
347         switch(str[0]) {
348         case '\0':
349             // the reference must be empty - the RFC says this is a
350             // reference to the same document
351             {
352                 *this = base;
353                 break;
354             }
355         case '#':
356             // must be fragment-only reference
357             {
358                 QString newURL = base.urlString.left(base.queryEndPos) + str;
359                 parse(newURL.ascii(), &newURL);
360                 break;
361             }
362         case '?':
363             // query-only reference, special case needed for non-URL results
364             {
365                 QString newURL = base.urlString.left(base.pathEndPos) + str;
366                 parse(newURL.ascii(), &newURL);
367                 break;
368             }
369         case '/':
370             // must be net-path or absolute-path reference
371             {
372                 if (str[1] == '/') {
373                     // net-path
374                     QString newURL = base.urlString.left(base.schemeEndPos + 1) + str;
375                     parse(newURL.ascii(), &newURL);
376                 } else {
377                     // abs-path
378                     QString newURL = base.urlString.left(base.portEndPos) + str;
379                     parse(newURL.ascii(), &newURL);
380                 }
381                 break;
382             }
383         default:
384             {
385                 // must be relative-path reference
386
387                 // Base part plus relative part plus one possible slash added in between plus terminating \0 byte.
388                 Vector<char, 2048> buffer(base.pathEndPos + 1 + strlen(str) + 1);
389
390                 char *bufferPos = buffer;
391                 
392                 // first copy everything before the path from the base
393                 const char *baseString = base.urlString.ascii();
394                 const char *baseStringStart = baseString;
395                 const char *pathStart = baseStringStart + base.portEndPos;
396                 while (baseStringStart < pathStart) {
397                     *bufferPos++ = *baseStringStart++;
398                 }
399                 char *bufferPathStart = bufferPos;
400
401                 // now copy the base path 
402                 const char *baseStringEnd = baseString + base.pathEndPos;
403                 
404                 // go back to the last slash
405                 while (baseStringEnd > baseStringStart && baseStringEnd[-1] != '/') {
406                     baseStringEnd--;
407                 }
408                 
409                 if (baseStringEnd == baseStringStart) {
410                     // no path in base, add a path separator if necessary
411                     if (base.schemeEndPos + 1 != base.pathEndPos && *str != '\0' && *str != '?' && *str != '#') {
412                         *bufferPos++ = '/';
413                     }
414                 } else {
415                     bufferPos += copyPathRemovingDots(bufferPos, baseStringStart, 0, baseStringEnd - baseStringStart);
416                 }
417
418                 const char *relStringStart = str;
419                 const char *relStringPos = relStringStart;
420                 
421                 while (*relStringPos != '\0' && *relStringPos != '?' && *relStringPos != '#') {
422                     if (relStringPos[0] == '.' && bufferPos[-1] == '/') {
423                         if (isPathSegmentEndChar(relStringPos[1])) {
424                             // skip over "." segment
425                             relStringPos += 1;
426                             if (relStringPos[0] == '/') {
427                                 relStringPos++;
428                             }
429                             continue;
430                         } else if (relStringPos[1] == '.' && isPathSegmentEndChar(relStringPos[2])) {
431                             // skip over ".." segment and rewind the last segment
432                             // the RFC leaves it up to the app to decide what to do with excess
433                             // ".." segments - we choose to drop them since some web content
434                             // relies on this.
435                             relStringPos += 2;
436                             if (relStringPos[0] == '/') {
437                                 relStringPos++;
438                             }
439                             if (bufferPos > bufferPathStart + 1) {
440                                 bufferPos--;
441                             }
442                             while (bufferPos > bufferPathStart + 1  && bufferPos[-1] != '/') {
443                                 bufferPos--;
444                             }
445                             continue;
446                         }
447                     }
448                     
449                     *bufferPos = *relStringPos;
450                     relStringPos++;
451                     bufferPos++;
452                 }
453
454                 // all done with the path work, now copy any remainder
455                 // of the relative reference; this will also add a null terminator
456                 strcpy(bufferPos, relStringPos);
457
458                 parse(buffer, 0);
459                 
460                 ASSERT(strlen(buffer) + 1 <= buffer.size());
461                 break;
462             }
463         }
464     }
465     
466     if (strBuffer) {
467         fastFree(strBuffer);
468     }
469 }
470
471 bool KURL::hasPath() const
472 {
473     return m_isValid && pathEndPos != portEndPos;
474 }
475
476 QString KURL::protocol() const
477 {
478     if (!m_isValid) {
479         return QString();
480     }
481
482     return urlString.left(schemeEndPos);
483 }
484
485 QString KURL::host() const
486 {
487     if (!m_isValid) {
488         return QString();
489     }
490
491     int start = (passwordEndPos == userStartPos) ? passwordEndPos : passwordEndPos + 1;
492     return decode_string(urlString.mid(start, hostEndPos - start));
493 }
494
495 unsigned short int KURL::port() const
496 {
497     if (!m_isValid) {
498         return 0;
499     }
500
501     if (hostEndPos != portEndPos) {
502         bool ok;
503         unsigned short result = urlString.mid(hostEndPos + 1, portEndPos - hostEndPos - 1).toUShort(&ok);
504         if (!ok) {
505             result = 0;
506         }
507         return result;
508     }
509
510     return 0;
511 }
512
513 QString KURL::pass() const
514 {
515     if (!m_isValid) {
516         return QString();
517     }
518
519     if (passwordEndPos == userEndPos) {
520         return QString();
521     }
522
523     return decode_string(urlString.mid(userEndPos + 1, passwordEndPos - userEndPos - 1)); 
524 }
525
526 QString KURL::user() const
527 {
528     if (!m_isValid) {
529         return QString();
530     }
531
532     return decode_string(urlString.mid(userStartPos, userEndPos - userStartPos));
533 }
534
535 QString KURL::ref() const
536 {
537     if (!m_isValid || fragmentEndPos == queryEndPos) {
538         return QString();
539     }
540
541     return urlString.mid(queryEndPos + 1, fragmentEndPos - (queryEndPos + 1));
542 }
543
544 bool KURL::hasRef() const
545 {
546     return m_isValid && fragmentEndPos != queryEndPos;
547 }
548
549 QString KURL::query() const
550 {
551     if (!m_isValid) {
552         return QString();
553     }
554
555     return urlString.mid(pathEndPos, queryEndPos - pathEndPos); 
556 }
557
558 QString KURL::path() const
559 {
560     if (!m_isValid) {
561         return QString();
562     }
563
564     return decode_string(urlString.mid(portEndPos, pathEndPos - portEndPos)); 
565 }
566
567 void KURL::setProtocol(const QString &s)
568 {
569     if (!m_isValid) {
570         QString newURL = s + ":" + urlString;
571         parse(newURL.ascii(), &newURL);
572         return;
573     }
574
575     QString newURL = s + urlString.mid(schemeEndPos);
576     parse(newURL.ascii(), &newURL);
577 }
578
579 void KURL::setHost(const QString &s)
580 {
581     if (m_isValid) {
582         bool slashSlashNeeded = userStartPos == schemeEndPos + 1;
583         int hostStart = (passwordEndPos == userStartPos) ? passwordEndPos : passwordEndPos + 1;
584         
585         QString newURL = urlString.left(hostStart) + (slashSlashNeeded ? "//" : QString()) + s + urlString.mid(hostEndPos);
586         parse(newURL.ascii(), &newURL);
587     }
588 }
589
590 void KURL::setPort(unsigned short i)
591 {
592     if (m_isValid) {
593         bool colonNeeded = portEndPos == hostEndPos;
594         int portStart = (colonNeeded ? hostEndPos : hostEndPos + 1);
595         QString newURL = urlString.left(portStart) + (colonNeeded ? ":" : QString()) + QString::number(i) + urlString.mid(portEndPos);
596         parse(newURL.ascii(), &newURL);
597     }
598 }
599
600 void KURL::setUser(const QString &user)
601 {
602     if (m_isValid) {
603         QString u;
604         int end = userEndPos;
605         if (!user.isEmpty()) {
606             // Untested code, but this is never used.
607             ASSERT_NOT_REACHED();
608 #if 0
609             u = user;
610             if (userStartPos == schemeEndPos + 1) {
611                 u = "//" + u;
612             }
613             // Add '@' if we didn't have one before.
614             if (end == hostEndPos || (end == passwordEndPos && urlString[end] != '@')) {
615                 u += '@';
616             }
617 #endif
618         } else {
619             // Remove '@' if we now have neither user nor password.
620             if (userEndPos == passwordEndPos && end != hostEndPos && urlString[end] == '@') {
621                 end += 1;
622             }
623         }
624         const QString newURL = urlString.left(userStartPos) + u + urlString.mid(end);
625         parse(newURL.ascii(), &newURL);
626     }
627 }
628
629 void KURL::setPass(const QString &password)
630 {
631     if (m_isValid) {
632         QString p;
633         int end = passwordEndPos;
634         if (!password.isEmpty()) {
635             // Untested code, but this is never used.
636             ASSERT_NOT_REACHED();
637 #if 0
638             p = ':' + password + '@';
639             if (userEndPos == schemeEndPos + 1) {
640                 p = "//" + p;
641             }
642             // Eat the existing '@' since we are going to add our own.
643             if (end != hostEndPos && urlString[end] == '@') {
644                 end += 1;
645             }
646 #endif
647         } else {
648             // Remove '@' if we now have neither user nor password.
649             if (userStartPos == userEndPos && end != hostEndPos && urlString[end] == '@') {
650                 end += 1;
651             }
652         }
653         const QString newURL = urlString.left(userEndPos) + p + urlString.mid(end);
654         parse(newURL.ascii(), &newURL);
655     }
656 }
657
658 void KURL::setRef(const QString &s)
659 {
660     if (m_isValid) {
661         QString newURL = urlString.left(queryEndPos) + (s.isEmpty() ? QString() : "#" + s);
662         parse(newURL.ascii(), &newURL);
663     }
664 }
665
666 void KURL::setQuery(const QString &query)
667 {
668     if (m_isValid) {
669         QString q;
670         if (!query.isEmpty() && query[0] != '?') {
671             q = "?" + query;
672         } else {
673             q = query;
674         }
675
676         QString newURL = urlString.left(pathEndPos) + q + urlString.mid(queryEndPos);
677         parse(newURL.ascii(), &newURL);
678     }
679 }
680
681 void KURL::setPath(const QString &s)
682 {
683     if (m_isValid) {
684         QString newURL = urlString.left(portEndPos) + encode_string(s) + urlString.mid(pathEndPos);
685         parse(newURL.ascii(), &newURL);
686     }
687 }
688
689 QString KURL::prettyURL() const
690 {
691     if (!m_isValid) {
692         return urlString;
693     }
694
695     QString result = protocol() + ":";
696
697     QString authority;
698
699     if (hostEndPos != passwordEndPos) {
700         if (userEndPos != userStartPos) {
701             authority += user();
702             authority += "@";
703         }
704         authority += host();
705         if (port() != 0) {
706             authority += ":";
707             authority += QString::number(port());
708         }
709     }
710
711     if (!authority.isEmpty()) {
712         result += "//" + authority;
713     }
714
715     result += path();
716     result += query();
717
718     if (fragmentEndPos != queryEndPos) {
719         result += "#" + ref();
720     }
721
722     return result;
723 }
724
725 QString KURL::decode_string(const QString &urlString, const QTextCodec *codec)
726 {
727     static const QTextCodec* UTF8Codec = QTextCodec::utf8Codec();
728
729     QString result("");
730
731     Vector<char, 2048> buffer(0);
732
733     int length = urlString.length();
734     int decodedPosition = 0;
735     int searchPosition = 0;
736     int encodedRunPosition;
737     while ((encodedRunPosition = urlString.find('%', searchPosition)) >= 0) {
738         // Find the sequence of %-escape codes.
739         int encodedRunEnd = encodedRunPosition;
740         while (length - encodedRunEnd >= 3
741                 && urlString[encodedRunEnd] == '%'
742                 && isHexDigit(urlString[encodedRunEnd + 1].latin1())
743                 && isHexDigit(urlString[encodedRunEnd + 2].latin1()))
744             encodedRunEnd += 3;
745         if (encodedRunEnd == encodedRunPosition) {
746             ++searchPosition;
747             continue;
748         }
749         searchPosition = encodedRunEnd;
750
751         // Copy the entire %-escape sequence into an 8-bit buffer.
752         int encodedRunLength = encodedRunEnd - encodedRunPosition;
753         buffer.clear();
754         buffer.resize(encodedRunLength + 1);
755         urlString.copyLatin1(buffer, encodedRunPosition, encodedRunLength);
756
757         // Decode the %-escapes into bytes.
758         char *p = buffer;
759         const char *q = buffer;
760         while (*q) {
761             *p++ = (hexDigitValue(q[1]) << 4) | hexDigitValue(q[2]);
762             q += 3;
763         }
764
765         // Decode the bytes into Unicode characters.
766         QString decoded = (codec ? codec : UTF8Codec)->toUnicode(buffer, p - buffer);
767         if (decoded.isEmpty()) {
768             continue;
769         }
770
771         // Build up the string with what we just skipped and what we just decoded.
772         result.append(urlString.mid(decodedPosition, encodedRunPosition - decodedPosition));
773         result.append(decoded);
774         decodedPosition = encodedRunEnd;
775     }
776
777     result.append(urlString.mid(decodedPosition, length - decodedPosition));
778     return result;
779 }
780
781 bool KURL::isLocalFile() const
782 {
783     // FIXME - include feed: here too?
784     return protocol() == "file";
785 }
786
787 static void appendEscapingBadChars(char*& buffer, const char *strStart, size_t length)
788 {
789     char *p = buffer;
790
791     const char *str = strStart;
792     const char *strEnd = strStart + length;
793     while (str < strEnd) {
794         unsigned char c = *str++;
795         if (isBadChar(c)) {
796             if (c == '%' || c == '?') {
797                 *p++ = c;
798             } else {
799                 *p++ = '%';
800                 *p++ = hexDigits[c >> 4];
801                 *p++ = hexDigits[c & 0xF];
802             }
803         } else {
804             *p++ = c;
805         }
806     }
807     
808     buffer = p;
809 }
810
811 // copy a path, accounting for "." and ".." segments
812 static int copyPathRemovingDots(char *dst, const char *src, int srcStart, int srcEnd)
813 {
814     char *bufferPathStart = dst;
815
816     // empty path is a special case, and need not have a leading slash
817     if (srcStart != srcEnd) {
818         const char *baseStringStart = src + srcStart;
819         const char *baseStringEnd = src + srcEnd;
820         const char *baseStringPos = baseStringStart;
821
822         // this code is unprepared for paths that do not begin with a
823         // slash and we should always have one in the source string
824         ASSERT(baseStringPos[0] == '/');
825
826         // copy the leading slash into the destination
827         *dst = *baseStringPos;
828         baseStringPos++;
829         dst++;
830
831         while (baseStringPos < baseStringEnd) {
832             if (baseStringPos[0] == '.' && dst[-1] == '/') {
833                 if (baseStringPos[1] == '/' || baseStringPos + 1 == baseStringEnd) {
834                     // skip over "." segment
835                     baseStringPos += 2;
836                     continue;
837                 } else if (baseStringPos[1] == '.' && (baseStringPos[2] == '/' ||
838                                        baseStringPos + 2 == baseStringEnd)) {
839                     // skip over ".." segment and rewind the last segment
840                     // the RFC leaves it up to the app to decide what to do with excess
841                     // ".." segments - we choose to drop them since some web content
842                     // relies on this.
843                     baseStringPos += 3;
844                     if (dst > bufferPathStart + 1) {
845                         dst--;
846                     }
847                     // Note that these two while blocks differ subtly.
848                     // The first helps to remove multiple adjoining slashes as we rewind.
849                     // The +1 to bufferPathStart in the first while block prevents eating a leading slash
850                     while (dst > bufferPathStart + 1 && dst[-1] == '/') {
851                         dst--;
852                     }
853                     while (dst > bufferPathStart && dst[-1] != '/') {
854                         dst--;
855                     }
856                     continue;
857                 }
858             }
859
860             *dst = *baseStringPos;
861             baseStringPos++;
862             dst++;
863         }
864     }
865     *dst = '\0';
866     return dst - bufferPathStart;
867 }
868
869 static inline bool hasSlashDotOrDotDot(const char *str)
870 {
871     const unsigned char *p = reinterpret_cast<const unsigned char *>(str);
872     if (!*p)
873         return false;
874     unsigned char pc = *p;
875     while (unsigned char c = *++p) {
876         if (c == '.' && (pc == '/' || pc == '.'))
877             return true;
878         pc = c;
879     }
880     return false;
881 }
882
883 static inline bool matchLetter(char c, char lowercaseLetter)
884 {
885     return (c | 0x20) == lowercaseLetter;
886 }
887
888 void KURL::parse(const char *url, const QString *originalString)
889 {
890     m_isValid = true;
891
892     if (!url || url[0] == '\0') {
893         // valid URL must be non-empty
894         m_isValid = false;
895         urlString = url;
896         return;
897     }
898
899     if (!isSchemeFirstChar(url[0])) {
900         // scheme must start with an alphabetic character
901         m_isValid = false;
902         urlString = url;
903         return;
904     }
905
906     int schemeEnd = 0;
907  
908     while (isSchemeChar(url[schemeEnd])) {
909         schemeEnd++;
910     }
911
912     if (url[schemeEnd] != ':') {
913         m_isValid = false;
914         urlString = url;
915         return;
916     }
917
918     int userStart = schemeEnd + 1;
919     int userEnd;
920     int passwordStart;
921     int passwordEnd;
922     int hostStart;
923     int hostEnd;
924     int portStart;
925     int portEnd;
926
927     bool hierarchical = url[schemeEnd + 1] == '/';
928
929     if (hierarchical && url[schemeEnd + 2] == '/') {
930         // part after the scheme must be a net_path, parse the authority section
931
932         // FIXME: authority characters may be scanned twice
933         userStart += 2;
934         userEnd = userStart;
935
936         int colonPos = 0;
937         while (isUserInfoChar(url[userEnd])) {
938             if (url[userEnd] == ':' && colonPos == 0) {
939                 colonPos = userEnd;
940             }
941             userEnd++;
942         }
943         
944         if (url[userEnd] == '@') {
945             // actual end of the userinfo, start on the host
946             if (colonPos != 0) {
947                 passwordEnd = userEnd;
948                 userEnd = colonPos;
949                 passwordStart = colonPos + 1;
950             } else {
951                 passwordStart = passwordEnd = userEnd;
952             }
953             hostStart = passwordEnd + 1;
954         } else if (url[userEnd] == '[' || isPathSegmentEndChar(url[userEnd])) {
955             // hit the end of the authority, must have been no user
956             // or looks like an IPv6 hostname
957             // either way, try to parse it as a hostname
958             userEnd = userStart;
959             passwordStart = passwordEnd = userEnd;
960             hostStart = userStart;
961         } else {
962             // invalid character
963             m_isValid = false;
964             urlString = url;
965             return;
966         }
967
968         hostEnd = hostStart;
969
970         // IPV6 IP address
971         if (url[hostEnd] == '[') {
972             hostEnd++;
973             while (isIPv6Char(url[hostEnd])) {
974                 hostEnd++;
975             }
976             if (url[hostEnd] == ']') {
977                 hostEnd++;
978             } else {
979                 // invalid character
980                 m_isValid = false;
981                 urlString = url;
982                 return;
983             }
984         } else {
985             while (isHostnameChar(url[hostEnd])) {
986                 hostEnd++;
987             }
988         }
989         
990         if (url[hostEnd] == ':') {
991             portStart = portEnd = hostEnd + 1;
992  
993             // possible start of port
994             portEnd = portStart;
995             while (isdigit(url[portEnd])) {
996                 portEnd++;
997             }
998         } else {
999             portStart = portEnd = hostEnd;
1000         }
1001
1002         if (!isPathSegmentEndChar(url[portEnd])) {
1003             // invalid character
1004             m_isValid = false;
1005             urlString = url;
1006             return;
1007         }
1008     } else {
1009         // the part after the scheme must be an opaque_part or an abs_path
1010         userEnd = userStart;
1011         passwordStart = passwordEnd = userEnd;
1012         hostStart = hostEnd = passwordEnd;
1013         portStart = portEnd = hostEnd;
1014     }
1015         
1016     int pathStart = portEnd;
1017     int pathEnd = pathStart;
1018     int queryStart;
1019     int queryEnd;
1020     int fragmentStart;
1021     int fragmentEnd;
1022
1023     if (!hierarchical) {
1024         while (url[pathEnd] != '\0' && url[pathEnd] != '?') {
1025             pathEnd++;
1026         }
1027         queryStart = queryEnd = pathEnd;
1028
1029         while (url[queryEnd] != '\0') {
1030             queryEnd++;
1031         }
1032
1033         fragmentStart = fragmentEnd = queryEnd;
1034     }
1035     else {
1036         while (url[pathEnd] != '\0' && url[pathEnd] != '?' && url[pathEnd] != '#') {
1037             pathEnd++;
1038         }
1039     
1040         queryStart = pathEnd;
1041         queryEnd = queryStart;
1042         if (url[queryStart] == '?') {
1043             while (url[queryEnd] != '\0' && url[queryEnd] != '#') {
1044                 queryEnd++;
1045             }
1046         }
1047         
1048         fragmentStart = queryEnd;
1049         fragmentEnd = fragmentStart;
1050         if (url[fragmentStart] == '#') {
1051             fragmentStart++;
1052             fragmentEnd = fragmentStart;
1053             while(url[fragmentEnd] != '\0') {
1054                 fragmentEnd++;
1055             }
1056         }
1057     }
1058
1059     // assemble it all, remembering the real ranges
1060
1061     Vector<char, 4096> buffer(fragmentEnd * 3 + 1);
1062
1063     char *p = buffer;
1064     const char *strPtr = url;
1065
1066     // copy in the scheme
1067     const char *schemeEndPtr = url + schemeEnd;
1068     while (strPtr < schemeEndPtr) {
1069         *p++ = *strPtr++;
1070     }
1071     schemeEndPos = p - buffer;
1072
1073     // Check if we're http or https.
1074     bool isHTTPorHTTPS = matchLetter(url[0], 'h')
1075         && matchLetter(url[1], 't')
1076         && matchLetter(url[2], 't')
1077         && matchLetter(url[3], 'p')
1078         && (url[4] == ':'
1079             || (matchLetter(url[4], 's') && url[5] == ':'));
1080
1081     bool hostIsLocalHost = portEnd - userStart == 9
1082         && matchLetter(url[userStart], 'l')
1083         && matchLetter(url[userStart+1], 'o')
1084         && matchLetter(url[userStart+2], 'c')
1085         && matchLetter(url[userStart+3], 'a')
1086         && matchLetter(url[userStart+4], 'l')
1087         && matchLetter(url[userStart+5], 'h')
1088         && matchLetter(url[userStart+6], 'o')
1089         && matchLetter(url[userStart+7], 's')
1090         && matchLetter(url[userStart+8], 't');
1091
1092     bool isFile = matchLetter(url[0], 'f')
1093         && matchLetter(url[1], 'i')
1094         && matchLetter(url[2], 'l')
1095         && matchLetter(url[3], 'e')
1096         && url[4] == ':';
1097         
1098     // File URLs need a host part unless it is just file:// or file://localhost
1099     bool degenFilePath = pathStart == pathEnd
1100         && (hostStart == hostEnd
1101             || hostIsLocalHost);
1102     
1103     bool haveNonHostAuthorityPart = userStart != userEnd || passwordStart != passwordEnd || portStart != portEnd;
1104
1105     // add ":" after scheme
1106     *p++ = ':';
1107
1108     // if we have at least one authority part or a file URL - add "//" and authority
1109     if (isFile ? !degenFilePath
1110                : (haveNonHostAuthorityPart || hostStart != hostEnd)) {
1111
1112 //if ((isFile && !degenFilePath) || haveNonHostAuthorityPart || hostStart != hostEnd) {
1113 // still adds // for file://localhost, file://
1114
1115 //if (!(isFile && degenFilePath) && (haveNonHostAuthorityPart || hostStart != hostEnd)) {
1116 //doesn't add // for things like file:///foo
1117
1118         *p++ = '/';
1119         *p++ = '/';
1120
1121         userStartPos = p - buffer;
1122
1123         // copy in the user
1124         strPtr = url + userStart;
1125         const char *userEndPtr = url + userEnd;
1126         while (strPtr < userEndPtr) {
1127             *p++ = *strPtr++;
1128         }
1129         userEndPos = p - buffer;
1130         
1131         // copy in the password
1132         if (passwordEnd != passwordStart) {
1133             *p++ = ':';
1134             strPtr = url + passwordStart;
1135             const char *passwordEndPtr = url + passwordEnd;
1136             while (strPtr < passwordEndPtr) {
1137                 *p++ = *strPtr++;
1138             }
1139         }
1140         passwordEndPos = p - buffer;
1141         
1142         // If we had any user info, add "@"
1143         if (p - buffer != userStartPos) {
1144             *p++ = '@';
1145         }
1146         
1147         // copy in the host, except in the case of a file URL with authority="localhost"
1148         if (!(isFile && hostIsLocalHost && !haveNonHostAuthorityPart)) {
1149             strPtr = url + hostStart;
1150             const char *hostEndPtr = url + hostEnd;
1151             while (strPtr < hostEndPtr) {
1152                 *p++ = *strPtr++;
1153             }
1154         }
1155         hostEndPos = p - buffer;
1156         
1157         // copy in the port
1158         if (portEnd != portStart) {
1159             *p++ = ':';
1160             strPtr = url + portStart;
1161             const char *portEndPtr = url + portEnd;
1162             while (strPtr < portEndPtr) {
1163                 *p++ = *strPtr++;
1164             }
1165         }
1166         portEndPos = p - buffer;
1167     } else {
1168         userStartPos = userEndPos = passwordEndPos = hostEndPos = portEndPos = p - buffer;
1169     }
1170
1171     // For canonicalization, ensure we have a '/' for no path.
1172     // Only do this for http and https.
1173     if (isHTTPorHTTPS && pathEnd - pathStart == 0) {
1174         *p++ = '/';
1175     }
1176        
1177     // add path, escaping bad characters
1178     
1179     if (hierarchical && hasSlashDotOrDotDot(url)) {
1180         Vector<char, 4096> path_buffer(pathEnd - pathStart + 1);
1181         copyPathRemovingDots(path_buffer, url, pathStart, pathEnd);
1182         appendEscapingBadChars(p, path_buffer, strlen(path_buffer));
1183     } else
1184         appendEscapingBadChars(p, url + pathStart, pathEnd - pathStart);
1185
1186     pathEndPos = p - buffer;
1187     
1188     
1189     // add query, escaping bad characters
1190     appendEscapingBadChars(p, url + queryStart, queryEnd - queryStart);
1191     queryEndPos = p - buffer;
1192     
1193     // add fragment, escaping bad characters
1194     if (fragmentEnd != queryEnd) {
1195         *p++ = '#';
1196         appendEscapingBadChars(p, url + fragmentStart, fragmentEnd - fragmentStart);
1197     }
1198     fragmentEndPos = p - buffer;
1199
1200     // If we didn't end up actually changing the original string and
1201     // it started as a QString, just reuse it, to avoid extra
1202     // allocation.
1203     if (originalString && strncmp(buffer, url, fragmentEndPos) == 0) {
1204         urlString = *originalString;
1205     } else {
1206         urlString = QString(buffer, fragmentEndPos);
1207     }
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 urlcmp(const QString &a, const QString &b, bool ignoreTrailingSlash, bool ignoreRef)
1218 {
1219     if (ignoreRef) {
1220         KURL aURL(a);
1221         KURL bURL(b);
1222         if (aURL.m_isValid && bURL.m_isValid) {
1223             return aURL.urlString.left(aURL.queryEndPos) == bURL.urlString.left(bURL.queryEndPos);
1224         }
1225     }
1226     return a == b;
1227 }
1228
1229 QString KURL::encode_string(const QString& notEncodedString)
1230 {
1231     QCString asUTF8 = notEncodedString.utf8();
1232     
1233     Vector<char, 4096> buffer(asUTF8.length() * 3 + 1);
1234     char *p = buffer;
1235
1236     const char *str = asUTF8;
1237     const char *strEnd = str + asUTF8.length();
1238     while (str < strEnd) {
1239         unsigned char c = *str++;
1240         if (isBadChar(c)) {
1241             *p++ = '%';
1242             *p++ = hexDigits[c >> 4];
1243             *p++ = hexDigits[c & 0xF];
1244         } else {
1245             *p++ = c;
1246         }
1247     }
1248     
1249     QString result(buffer, p - buffer);
1250     
1251     ASSERT(p - buffer <= (int)buffer.size());
1252
1253     return result;
1254 }
1255
1256 static QString encodeHostname(const QString &s)
1257 {
1258     // Needs to be big enough to hold an IDN-encoded name.
1259     // For host names bigger than this, we won't do IDN encoding, which is almost certainly OK.
1260     const unsigned hostnameBufferLength = 2048;
1261
1262     if (s.isAllASCII() || s.length() > hostnameBufferLength) {
1263         return s;
1264     }
1265
1266     UChar buffer[hostnameBufferLength];    
1267     UErrorCode error = U_ZERO_ERROR;
1268     int32_t numCharactersConverted = uidna_IDNToASCII
1269         (reinterpret_cast<const UChar *>(s.unicode()), s.length(), buffer, hostnameBufferLength, UIDNA_ALLOW_UNASSIGNED, 0, &error);
1270     if (error != U_ZERO_ERROR) {
1271         return s;
1272     }
1273     return QString(reinterpret_cast<QChar *>(buffer), numCharactersConverted);
1274 }
1275
1276 static Vector<pair<int, int> > findHostnamesInMailToURL(const QString &s)
1277 {
1278     // In a mailto: URL, host names come after a '@' character and end with a '>' or ',' or '?' or end of string character.
1279     // Skip quoted strings so that characters in them don't confuse us.
1280     // When we find a '?' character, we are past the part of the URL that contains host names.
1281
1282     Vector<pair<int, int> > a;
1283
1284     int p = 0;
1285     while (1) {
1286         // Find start of host name or of quoted string.
1287         int hostnameOrStringStart = s.find(QRegExp("[\"@?]"), p);
1288         if (hostnameOrStringStart == -1) {
1289             return a;
1290         }
1291         QChar c = s[hostnameOrStringStart];
1292         p = hostnameOrStringStart + 1;
1293
1294         if (c == '?') {
1295             return a;
1296         }
1297         
1298         if (c == '@') {
1299             // Find end of host name.
1300             int hostnameStart = p;
1301             int hostnameEnd = s.find(QRegExp("[>,?]"), p);
1302             bool done;
1303             if (hostnameEnd == -1) {
1304                 hostnameEnd = s.length();
1305                 done = true;
1306             } else {
1307                 p = hostnameEnd;
1308                 done = false;
1309             }
1310
1311             a.append(make_pair(hostnameStart, hostnameEnd));
1312
1313             if (done)
1314                 return a;
1315         } else {
1316             // Skip quoted string.
1317             ASSERT(c == '"');
1318             while (1) {
1319                 int escapedCharacterOrStringEnd = s.find(QRegExp("[\"\\]"), p);
1320                 if (escapedCharacterOrStringEnd == -1)
1321                     return a;
1322
1323                 c = s[escapedCharacterOrStringEnd];
1324                 p = escapedCharacterOrStringEnd + 1;
1325                 
1326                 // If we are the end of the string, then break from the string loop back to the host name loop.
1327                 if (c == '"')
1328                     break;
1329                 
1330                 // Skip escaped character.
1331                 ASSERT(c == '\\');
1332                 if (p == static_cast<int>(s.length()))
1333                     return a;
1334
1335                 ++p;
1336             }
1337         }
1338     }
1339 }
1340
1341 static bool findHostnameInHierarchicalURL(const QString &s, int &startOffset, int &endOffset)
1342 {
1343     // Find the host name in a hierarchical URL.
1344     // It comes after a "://" sequence, with scheme characters preceding.
1345     // If ends with the end of the string or a ":" or a path segment ending character.
1346     // If there is a "@" character, the host part is just the part after the "@".
1347     int separator = s.find("://");
1348     if (separator <= 0) {
1349         return false;
1350     }
1351
1352     // Check that all characters before the :// are valid scheme characters.
1353     if (!isSchemeFirstChar(s[0].latin1())) {
1354         return false;
1355     }
1356     for (int i = 1; i < separator; ++i) {
1357         if (!isSchemeChar(s[i].latin1())) {
1358             return false;
1359         }
1360     }
1361
1362     // Start after the separator.
1363     int authorityStart = separator + 3;
1364
1365     // Find terminating character.
1366     int length = s.length();
1367     int hostnameEnd = length;
1368     for (int i = authorityStart; i < length; ++i) {
1369         char c = s[i].latin1();
1370         if (c == ':' || (isPathSegmentEndChar(c) && c != '\0')) {
1371             hostnameEnd = i;
1372             break;
1373         }
1374     }
1375
1376     // Find "@" for the start of the host name.
1377     int userInfoTerminator = s.find('@', authorityStart);
1378     int hostnameStart;
1379     if (userInfoTerminator == -1 || userInfoTerminator > hostnameEnd) {
1380         hostnameStart = authorityStart;
1381     } else {
1382         hostnameStart = userInfoTerminator + 1;
1383     }
1384
1385     startOffset = hostnameStart;
1386     endOffset = hostnameEnd;
1387     return true;
1388 }
1389
1390 static QString encodeHostnames(const QString &s)
1391 {
1392     if (s.startsWith("mailto:", false)) {
1393         const Vector<pair<int, int> > hostnameRanges = findHostnamesInMailToURL(s);
1394         int n = hostnameRanges.size();
1395         if (n != 0) {
1396             QString result;
1397             uint p = 0;
1398             for (int i = 0; i < n; ++i) {
1399                 const pair<int, int> &r = hostnameRanges[i];
1400                 result += s.mid(p, r.first);
1401                 result += encodeHostname(s.mid(r.first, r.second - r.first));
1402                 p = r.second;
1403             }
1404             result += s.mid(p);
1405             return result;
1406         }
1407     } else {
1408         int hostStart, hostEnd;
1409         if (findHostnameInHierarchicalURL(s, hostStart, hostEnd)) {
1410             return s.left(hostStart) + encodeHostname(s.mid(hostStart, hostEnd - hostStart)) + s.mid(hostEnd); 
1411         }
1412     }
1413     return s;
1414 }
1415
1416 static char *encodeRelativeString(const KURL &base, const QString &rel, const QTextCodec *codec)
1417 {
1418     QString s = encodeHostnames(rel);
1419
1420     char *strBuffer;
1421
1422     static const QTextCodec* UTF8Codec = QTextCodec::utf8Codec();
1423
1424     const QTextCodec *pathCodec = codec ? codec : UTF8Codec;
1425     const QTextCodec *otherCodec = pathCodec;
1426     
1427     // Always use UTF-8 for mailto URLs because that's what mail applications expect.
1428     // Always use UTF-8 for paths in file and help URLs, since they are local filesystem paths,
1429     // and help content is often defined with this in mind, but use native encoding for the
1430     // non-path parts of the URL.
1431     if (pathCodec != UTF8Codec) {
1432         QString protocol;
1433         if (rel.length() > 0 && isSchemeFirstChar(rel.at(0).latin1())) {
1434             for (uint i = 1; i < rel.length(); i++) {
1435                 char p = rel.at(i).latin1();
1436                 if (p == ':') {
1437                     protocol = rel.left(i);
1438                     break;
1439                 }
1440                 if (!isSchemeChar(p)) {
1441                     break;
1442                 }
1443             }
1444         }
1445         if (!protocol) {
1446             protocol = base.protocol();
1447         }
1448         protocol = protocol.lower();
1449         if (protocol == "file" || protocol == "help") {
1450             pathCodec = UTF8Codec;
1451         } else if (protocol == "mailto") {
1452             pathCodec = UTF8Codec;
1453             otherCodec = UTF8Codec;
1454         }
1455     }
1456     
1457     int pathEnd = -1;
1458     if (*pathCodec != *otherCodec) {
1459         pathEnd = s.find(QRegExp("[?#]"));
1460     }
1461     if (pathEnd == -1) {
1462         QCString decoded = pathCodec->fromUnicode(s);
1463         int decodedLength = decoded.length();
1464         strBuffer = static_cast<char *>(fastMalloc(decodedLength + 1));
1465         memcpy(strBuffer, decoded, decodedLength);
1466         strBuffer[decodedLength] = 0;
1467     } else {
1468         QCString pathDecoded = pathCodec->fromUnicode(s.left(pathEnd));
1469         QCString otherDecoded = otherCodec->fromUnicode(s.mid(pathEnd));
1470         int pathDecodedLength = pathDecoded.length();
1471         int otherDecodedLength = otherDecoded.length();
1472         strBuffer = static_cast<char *>(fastMalloc(pathDecodedLength + otherDecodedLength + 1));
1473         memcpy(strBuffer, pathDecoded, pathDecodedLength);
1474         memcpy(strBuffer + pathDecodedLength, otherDecoded, otherDecodedLength);
1475         strBuffer[pathDecodedLength + otherDecodedLength] = 0;
1476     }
1477
1478     return strBuffer;
1479 }
1480
1481 static QString substituteBackslashes(const QString &string)
1482 {
1483     int questionPos = string.find('?');
1484     int hashPos = string.find('#');
1485     unsigned pathEnd;
1486     
1487     if (hashPos >= 0 && (questionPos < 0 || questionPos > hashPos)) {
1488         pathEnd = hashPos;
1489     } else if (questionPos >= 0) {
1490         pathEnd = questionPos;
1491     } else {
1492         pathEnd = string.length();
1493     }
1494
1495     return string.left(pathEnd).replace('\\','/') + string.mid(pathEnd);
1496 }
1497
1498 bool KURL::isHierarchical() const
1499 {
1500     if (!m_isValid)
1501         return false;
1502     assert(urlString[schemeEndPos] == ':');
1503     return urlString[schemeEndPos + 1] == '/';
1504 }