qobject/json-lexer.c

   1 /*
   2  * JSON lexer
   3  *
   4  * Copyright IBM, Corp. 2009
   5  *
   6  * Authors:
   7  *  Anthony Liguori   <[email protected]>
   8  *
   9  * This work is licensed under the terms of the GNU LGPL, version 2.1 or later.
  10  * See the COPYING.LIB file in the top-level directory.
  11  *
  12  */
  13
  14 #include "qemu/osdep.h"
  15 #include "qemu-common.h"
  16 #include "qapi/qmp/json-lexer.h"
  17
  18 #define MAX_TOKEN_SIZE (64ULL << 20)
  19
  20 /*
  21  * Required by JSON (RFC 7159):
  22  *
  23  * \"([^\\\"]|\\[\"'\\/bfnrt]|\\u[0-9a-fA-F]{4})*\"
  24  * -?(0|[1-9][0-9]*)(.[0-9]+)?([eE][-+]?[0-9]+)?
  25  * [{}\[\],:]
  26  * [a-z]+   # covers null, true, false
  27  *
  28  * Extension of '' strings:
  29  *
  30  * '([^\\']|\\[\"'\\/bfnrt]|\\u[0-9a-fA-F]{4})*'
  31  *
  32  * Extension for vararg handling in JSON construction:
  33  *
  34  * %((l|ll|I64)?d|[ipsf])
  35  *
  36  */
  37
  38 enum json_lexer_state {
  39     IN_ERROR = 0,               /* must really be 0, see json_lexer[] */
  40     IN_DQ_UCODE3,
  41     IN_DQ_UCODE2,
  42     IN_DQ_UCODE1,
  43     IN_DQ_UCODE0,
  44     IN_DQ_STRING_ESCAPE,
  45     IN_DQ_STRING,
  46     IN_SQ_UCODE3,
  47     IN_SQ_UCODE2,
  48     IN_SQ_UCODE1,
  49     IN_SQ_UCODE0,
  50     IN_SQ_STRING_ESCAPE,
  51     IN_SQ_STRING,
  52     IN_ZERO,
  53     IN_DIGITS,
  54     IN_DIGIT,
  55     IN_EXP_E,
  56     IN_MANTISSA,
  57     IN_MANTISSA_DIGITS,
  58     IN_NONZERO_NUMBER,
  59     IN_NEG_NONZERO_NUMBER,
  60     IN_KEYWORD,
  61     IN_ESCAPE,
  62     IN_ESCAPE_L,
  63     IN_ESCAPE_LL,
  64     IN_ESCAPE_I,
  65     IN_ESCAPE_I6,
  66     IN_ESCAPE_I64,
  67     IN_WHITESPACE,
  68     IN_START,
  69 };
  70
  71 QEMU_BUILD_BUG_ON((int)JSON_MIN <= (int)IN_START);
  72
  73 #define TERMINAL(state) [0 ... 0x7F] = (state)
  74
  75 /* Return whether TERMINAL is a terminal state and the transition to it
  76    from OLD_STATE required lookahead.  This happens whenever the table
  77    below uses the TERMINAL macro.  */
  78 #define TERMINAL_NEEDED_LOOKAHEAD(old_state, terminal) \
  79             (json_lexer[(old_state)][0] == (terminal))
  80
  81 static const uint8_t json_lexer[][256] =  {
  82     /* Relies on default initialization to IN_ERROR! */
  83
  84     /* double quote string */
  85     [IN_DQ_UCODE3] = {
  86         ['0' ... '9'] = IN_DQ_STRING,
  87         ['a' ... 'f'] = IN_DQ_STRING,
  88         ['A' ... 'F'] = IN_DQ_STRING,
  89     },
  90     [IN_DQ_UCODE2] = {
  91         ['0' ... '9'] = IN_DQ_UCODE3,
  92         ['a' ... 'f'] = IN_DQ_UCODE3,
  93         ['A' ... 'F'] = IN_DQ_UCODE3,
  94     },
  95     [IN_DQ_UCODE1] = {
  96         ['0' ... '9'] = IN_DQ_UCODE2,
  97         ['a' ... 'f'] = IN_DQ_UCODE2,
  98         ['A' ... 'F'] = IN_DQ_UCODE2,
  99     },
 100     [IN_DQ_UCODE0] = {
 101         ['0' ... '9'] = IN_DQ_UCODE1,
 102         ['a' ... 'f'] = IN_DQ_UCODE1,
 103         ['A' ... 'F'] = IN_DQ_UCODE1,
 104     },
 105     [IN_DQ_STRING_ESCAPE] = {
 106         ['b'] = IN_DQ_STRING,
 107         ['f'] =  IN_DQ_STRING,
 108         ['n'] =  IN_DQ_STRING,
 109         ['r'] =  IN_DQ_STRING,
 110         ['t'] =  IN_DQ_STRING,
 111         ['/'] = IN_DQ_STRING,
 112         ['\\'] = IN_DQ_STRING,
 113         ['\''] = IN_DQ_STRING,
 114         ['\"'] = IN_DQ_STRING,
 115         ['u'] = IN_DQ_UCODE0,
 116     },
 117     [IN_DQ_STRING] = {
 118         [1 ... 0xBF] = IN_DQ_STRING,
 119         [0xC2 ... 0xF4] = IN_DQ_STRING,
 120         ['\\'] = IN_DQ_STRING_ESCAPE,
 121         ['"'] = JSON_STRING,
 122     },
 123
 124     /* single quote string */
 125     [IN_SQ_UCODE3] = {
 126         ['0' ... '9'] = IN_SQ_STRING,
 127         ['a' ... 'f'] = IN_SQ_STRING,
 128         ['A' ... 'F'] = IN_SQ_STRING,
 129     },
 130     [IN_SQ_UCODE2] = {
 131         ['0' ... '9'] = IN_SQ_UCODE3,
 132         ['a' ... 'f'] = IN_SQ_UCODE3,
 133         ['A' ... 'F'] = IN_SQ_UCODE3,
 134     },
 135     [IN_SQ_UCODE1] = {
 136         ['0' ... '9'] = IN_SQ_UCODE2,
 137         ['a' ... 'f'] = IN_SQ_UCODE2,
 138         ['A' ... 'F'] = IN_SQ_UCODE2,
 139     },
 140     [IN_SQ_UCODE0] = {
 141         ['0' ... '9'] = IN_SQ_UCODE1,
 142         ['a' ... 'f'] = IN_SQ_UCODE1,
 143         ['A' ... 'F'] = IN_SQ_UCODE1,
 144     },
 145     [IN_SQ_STRING_ESCAPE] = {
 146         ['b'] = IN_SQ_STRING,
 147         ['f'] =  IN_SQ_STRING,
 148         ['n'] =  IN_SQ_STRING,
 149         ['r'] =  IN_SQ_STRING,
 150         ['t'] =  IN_SQ_STRING,
 151         ['/'] = IN_SQ_STRING,
 152         ['\\'] = IN_SQ_STRING,
 153         ['\''] = IN_SQ_STRING,
 154         ['\"'] = IN_SQ_STRING,
 155         ['u'] = IN_SQ_UCODE0,
 156     },
 157     [IN_SQ_STRING] = {
 158         [1 ... 0xBF] = IN_SQ_STRING,
 159         [0xC2 ... 0xF4] = IN_SQ_STRING,
 160         ['\\'] = IN_SQ_STRING_ESCAPE,
 161         ['\''] = JSON_STRING,
 162     },
 163
 164     /* Zero */
 165     [IN_ZERO] = {
 166         TERMINAL(JSON_INTEGER),
 167         ['0' ... '9'] = IN_ERROR,
 168         ['.'] = IN_MANTISSA,
 169     },
 170
 171     /* Float */
 172     [IN_DIGITS] = {
 173         TERMINAL(JSON_FLOAT),
 174         ['0' ... '9'] = IN_DIGITS,
 175     },
 176
 177     [IN_DIGIT] = {
 178         ['0' ... '9'] = IN_DIGITS,
 179     },
 180
 181     [IN_EXP_E] = {
 182         ['-'] = IN_DIGIT,
 183         ['+'] = IN_DIGIT,
 184         ['0' ... '9'] = IN_DIGITS,
 185     },
 186
 187     [IN_MANTISSA_DIGITS] = {
 188         TERMINAL(JSON_FLOAT),
 189         ['0' ... '9'] = IN_MANTISSA_DIGITS,
 190         ['e'] = IN_EXP_E,
 191         ['E'] = IN_EXP_E,
 192     },
 193
 194     [IN_MANTISSA] = {
 195         ['0' ... '9'] = IN_MANTISSA_DIGITS,
 196     },
 197
 198     /* Number */
 199     [IN_NONZERO_NUMBER] = {
 200         TERMINAL(JSON_INTEGER),
 201         ['0' ... '9'] = IN_NONZERO_NUMBER,
 202         ['e'] = IN_EXP_E,
 203         ['E'] = IN_EXP_E,
 204         ['.'] = IN_MANTISSA,
 205     },
 206
 207     [IN_NEG_NONZERO_NUMBER] = {
 208         ['0'] = IN_ZERO,
 209         ['1' ... '9'] = IN_NONZERO_NUMBER,
 210     },
 211
 212     /* keywords */
 213     [IN_KEYWORD] = {
 214         TERMINAL(JSON_KEYWORD),
 215         ['a' ... 'z'] = IN_KEYWORD,
 216     },
 217
 218     /* whitespace */
 219     [IN_WHITESPACE] = {
 220         TERMINAL(JSON_SKIP),
 221         [' '] = IN_WHITESPACE,
 222         ['\t'] = IN_WHITESPACE,
 223         ['\r'] = IN_WHITESPACE,
 224         ['\n'] = IN_WHITESPACE,
 225     },
 226
 227     /* escape */
 228     [IN_ESCAPE_LL] = {
 229         ['d'] = JSON_ESCAPE,
 230         ['u'] = JSON_ESCAPE,
 231     },
 232
 233     [IN_ESCAPE_L] = {
 234         ['d'] = JSON_ESCAPE,
 235         ['l'] = IN_ESCAPE_LL,
 236         ['u'] = JSON_ESCAPE,
 237     },
 238
 239     [IN_ESCAPE_I64] = {
 240         ['d'] = JSON_ESCAPE,
 241         ['u'] = JSON_ESCAPE,
 242     },
 243
 244     [IN_ESCAPE_I6] = {
 245         ['4'] = IN_ESCAPE_I64,
 246     },
 247
 248     [IN_ESCAPE_I] = {
 249         ['6'] = IN_ESCAPE_I6,
 250     },
 251
 252     [IN_ESCAPE] = {
 253         ['d'] = JSON_ESCAPE,
 254         ['i'] = JSON_ESCAPE,
 255         ['p'] = JSON_ESCAPE,
 256         ['s'] = JSON_ESCAPE,
 257         ['u'] = JSON_ESCAPE,
 258         ['f'] = JSON_ESCAPE,
 259         ['l'] = IN_ESCAPE_L,
 260         ['I'] = IN_ESCAPE_I,
 261     },
 262
 263     /* top level rule */
 264     [IN_START] = {
 265         ['"'] = IN_DQ_STRING,
 266         ['\''] = IN_SQ_STRING,
 267         ['0'] = IN_ZERO,
 268         ['1' ... '9'] = IN_NONZERO_NUMBER,
 269         ['-'] = IN_NEG_NONZERO_NUMBER,
 270         ['{'] = JSON_LCURLY,
 271         ['}'] = JSON_RCURLY,
 272         ['['] = JSON_LSQUARE,
 273         [']'] = JSON_RSQUARE,
 274         [','] = JSON_COMMA,
 275         [':'] = JSON_COLON,
 276         ['a' ... 'z'] = IN_KEYWORD,
 277         ['%'] = IN_ESCAPE,
 278         [' '] = IN_WHITESPACE,
 279         ['\t'] = IN_WHITESPACE,
 280         ['\r'] = IN_WHITESPACE,
 281         ['\n'] = IN_WHITESPACE,
 282     },
 283 };
 284
 285 void json_lexer_init(JSONLexer *lexer, JSONLexerEmitter func)
 286 {
 287     lexer->emit = func;
 288     lexer->state = IN_START;
 289     lexer->token = g_string_sized_new(3);
 290     lexer->x = lexer->y = 0;
 291 }
 292
 293 static int json_lexer_feed_char(JSONLexer *lexer, char ch, bool flush)
 294 {
 295     int char_consumed, new_state;
 296
 297     lexer->x++;
 298     if (ch == '\n') {
 299         lexer->x = 0;
 300         lexer->y++;
 301     }
 302
 303     do {
 304         assert(lexer->state <= ARRAY_SIZE(json_lexer));
 305         new_state = json_lexer[lexer->state][(uint8_t)ch];
 306         char_consumed = !TERMINAL_NEEDED_LOOKAHEAD(lexer->state, new_state);
 307         if (char_consumed) {
 308             g_string_append_c(lexer->token, ch);
 309         }
 310
 311         switch (new_state) {
 312         case JSON_LCURLY:
 313         case JSON_RCURLY:
 314         case JSON_LSQUARE:
 315         case JSON_RSQUARE:
 316         case JSON_COLON:
 317         case JSON_COMMA:
 318         case JSON_ESCAPE:
 319         case JSON_INTEGER:
 320         case JSON_FLOAT:
 321         case JSON_KEYWORD:
 322         case JSON_STRING:
 323             lexer->emit(lexer, lexer->token, new_state, lexer->x, lexer->y);
 324             /* fall through */
 325         case JSON_SKIP:
 326             g_string_truncate(lexer->token, 0);
 327             new_state = IN_START;
 328             break;
 329         case IN_ERROR:
 330             /* XXX: To avoid having previous bad input leaving the parser in an
 331              * unresponsive state where we consume unpredictable amounts of
 332              * subsequent "good" input, percolate this error state up to the
 333              * tokenizer/parser by forcing a NULL object to be emitted, then
 334              * reset state.
 335              *
 336              * Also note that this handling is required for reliable channel
 337              * negotiation between QMP and the guest agent, since chr(0xFF)
 338              * is placed at the beginning of certain events to ensure proper
 339              * delivery when the channel is in an unknown state. chr(0xFF) is
 340              * never a valid ASCII/UTF-8 sequence, so this should reliably
 341              * induce an error/flush state.
 342              */
 343             lexer->emit(lexer, lexer->token, JSON_ERROR, lexer->x, lexer->y);
 344             g_string_truncate(lexer->token, 0);
 345             new_state = IN_START;
 346             lexer->state = new_state;
 347             return 0;
 348         default:
 349             break;
 350         }
 351         lexer->state = new_state;
 352     } while (!char_consumed && !flush);
 353
 354     /* Do not let a single token grow to an arbitrarily large size,
 355      * this is a security consideration.
 356      */
 357     if (lexer->token->len > MAX_TOKEN_SIZE) {
 358         lexer->emit(lexer, lexer->token, lexer->state, lexer->x, lexer->y);
 359         g_string_truncate(lexer->token, 0);
 360         lexer->state = IN_START;
 361     }
 362
 363     return 0;
 364 }
 365
 366 int json_lexer_feed(JSONLexer *lexer, const char *buffer, size_t size)
 367 {
 368     size_t i;
 369
 370     for (i = 0; i < size; i++) {
 371         int err;
 372
 373         err = json_lexer_feed_char(lexer, buffer[i], false);
 374         if (err < 0) {
 375             return err;
 376         }
 377     }
 378
 379     return 0;
 380 }
 381
 382 int json_lexer_flush(JSONLexer *lexer)
 383 {
 384     return lexer->state == IN_START ? 0 : json_lexer_feed_char(lexer, 0, true);
 385 }
 386
 387 void json_lexer_destroy(JSONLexer *lexer)
 388 {
 389     g_string_free(lexer->token, true);
 390 }