/brz/remove-bazaar

To get this branch, use:
bzr branch http://gegoxaren.bato24.eu/bzr/brz/remove-bazaar

« back to all changes in this revision

Viewing changes to breezy/bzr/xml_serializer.py

  • Committer: Jelmer Vernooij
  • Date: 2018-07-08 14:45:27 UTC
  • mto: This revision was merged to the branch mainline in revision 7036.
  • Revision ID: jelmer@jelmer.uk-20180708144527-codhlvdcdg9y0nji
Fix a bunch of merge tests.

Show diffs side-by-side

added added

removed removed

Lines of Context:
breezy/bzr/xml_serializer.py
16
16
 
17
17
"""XML externalization support."""
18
18
 
 
19
from __future__ import absolute_import
 
20
 
19
21
# "XML is like violence: if it doesn't solve your problem, you aren't
20
22
# using enough of it." -- various
21
23
 
22
24
# importing this module is fairly slow because it has to load several
23
25
# ElementTree bits
24
26
 
25
 
from bzrlib.serializer import Serializer
26
 
from bzrlib.trace import mutter
 
27
import re
27
28
 
28
29
try:
 
30
    import xml.etree.cElementTree as elementtree
 
31
    ParseError = getattr(elementtree, "ParseError", SyntaxError)
 
32
except ImportError:
 
33
    # Fall back to pure python implementation if C extension is unavailable
 
34
    import xml.etree.ElementTree as elementtree
29
35
    try:
30
 
        # it's in this package in python2.5
31
 
        from xml.etree.cElementTree import (ElementTree, SubElement, Element,
32
 
            XMLTreeBuilder, fromstring, tostring)
33
 
        import xml.etree as elementtree
 
36
        from xml.etree.ElementTree import ParseError
34
37
    except ImportError:
35
 
        from cElementTree import (ElementTree, SubElement, Element,
36
 
                                  XMLTreeBuilder, fromstring, tostring)
37
 
        import elementtree.ElementTree
38
 
    ParseError = SyntaxError
39
 
except ImportError:
40
 
    mutter('WARNING: using slower ElementTree; consider installing cElementTree'
41
 
           " and make sure it's on your PYTHONPATH")
42
 
    # this copy is shipped with bzr
43
 
    from util.elementtree.ElementTree import (ElementTree, SubElement,
44
 
                                              Element, XMLTreeBuilder,
45
 
                                              fromstring, tostring)
46
 
    import util.elementtree as elementtree
47
 
    from xml.parsers.expat import ExpatError as ParseError
48
 
 
49
 
from bzrlib import errors
50
 
 
51
 
 
52
 
class XMLSerializer(Serializer):
 
38
        from xml.parsers.expat import ExpatError as ParseError
 
39
 
 
40
(ElementTree, SubElement, Element, fromstring, tostring) = (
 
41
    elementtree.ElementTree, elementtree.SubElement, elementtree.Element,
 
42
    elementtree.fromstring, elementtree.tostring)
 
43
 
 
44
 
 
45
from .. import (
 
46
    cache_utf8,
 
47
    errors,
 
48
    lazy_regex,
 
49
    )
 
50
from ..sixish import text_type, bytesintern
 
51
from . import (
 
52
    inventory,
 
53
    serializer,
 
54
    )
 
55
 
 
56
 
 
57
class XMLSerializer(serializer.Serializer):
53
58
    """Abstract XML object serialize/deserialize"""
54
59
 
55
60
    squashes_xml_invalid_characters = True
78
83
            return self._unpack_inventory(fromstring(xml_string), revision_id,
79
84
                                          entry_cache=entry_cache,
80
85
                                          return_from_cache=return_from_cache)
81
 
        except ParseError, e:
 
86
        except ParseError as e:
82
87
            raise errors.UnexpectedInventoryFormat(e)
83
88
 
84
89
    def read_inventory(self, f, revision_id=None):
85
90
        try:
86
 
            return self._unpack_inventory(self._read_element(f),
87
 
                revision_id=None)
88
 
        except ParseError, e:
 
91
            try:
 
92
                return self._unpack_inventory(self._read_element(f),
 
93
                    revision_id=None)
 
94
            finally:
 
95
                f.close()
 
96
        except ParseError as e:
89
97
            raise errors.UnexpectedInventoryFormat(e)
90
98
 
91
99
    def write_revision(self, rev, f):
92
100
        self._write_element(self._pack_revision(rev), f)
93
101
 
94
102
    def write_revision_to_string(self, rev):
95
 
        return tostring(self._pack_revision(rev)) + '\n'
 
103
        return tostring(self._pack_revision(rev)) + b'\n'
96
104
 
97
105
    def read_revision(self, f):
98
106
        return self._unpack_revision(self._read_element(f))
102
110
 
103
111
    def _write_element(self, elt, f):
104
112
        ElementTree(elt).write(f, 'utf-8')
105
 
        f.write('\n')
 
113
        f.write(b'\n')
106
114
 
107
115
    def _read_element(self, f):
108
116
        return ElementTree().parse(f)
109
117
 
110
118
 
111
 
# performance tuning for elementree's serialiser. This should be
112
 
# sent upstream - RBC 20060523.
113
 
# the functions here are patched into elementtree at runtime.
114
 
import re
115
 
escape_re = re.compile("[&'\"<>]")
116
 
escape_map = {
117
 
    "&":'&amp;',
118
 
    "'":"&apos;", # FIXME: overkill
119
 
    "\"":"&quot;",
120
 
    "<":"&lt;",
121
 
    ">":"&gt;",
122
 
    }
123
 
def _escape_replace(match, map=escape_map):
124
 
    return map[match.group()]
125
 
 
126
 
def _escape_attrib(text, encoding=None, replace=None):
127
 
    # escape attribute value
128
 
    try:
129
 
        if encoding:
130
 
            try:
131
 
                text = elementtree.ElementTree._encode(text, encoding)
132
 
            except UnicodeError:
133
 
                return elementtree.ElementTree._encode_entity(text)
134
 
        if replace is None:
135
 
            return escape_re.sub(_escape_replace, text)
136
 
        else:
137
 
            text = replace(text, "&", "&amp;")
138
 
            text = replace(text, "'", "&apos;") # FIXME: overkill
139
 
            text = replace(text, "\"", "&quot;")
140
 
            text = replace(text, "<", "&lt;")
141
 
            text = replace(text, ">", "&gt;")
142
 
            return text
143
 
    except (TypeError, AttributeError):
144
 
        elementtree.ElementTree._raise_serialization_error(text)
145
 
 
146
 
elementtree.ElementTree._escape_attrib = _escape_attrib
147
 
 
148
 
escape_cdata_re = re.compile("[&<>]")
149
 
escape_cdata_map = {
150
 
    "&":'&amp;',
151
 
    "<":"&lt;",
152
 
    ">":"&gt;",
153
 
    }
154
 
def _escape_cdata_replace(match, map=escape_cdata_map):
155
 
    return map[match.group()]
156
 
 
157
 
def _escape_cdata(text, encoding=None, replace=None):
158
 
    # escape character data
159
 
    try:
160
 
        if encoding:
161
 
            try:
162
 
                text = elementtree.ElementTree._encode(text, encoding)
163
 
            except UnicodeError:
164
 
                return elementtree.ElementTree._encode_entity(text)
165
 
        if replace is None:
166
 
            return escape_cdata_re.sub(_escape_cdata_replace, text)
167
 
        else:
168
 
            text = replace(text, "&", "&amp;")
169
 
            text = replace(text, "<", "&lt;")
170
 
            text = replace(text, ">", "&gt;")
171
 
            return text
172
 
    except (TypeError, AttributeError):
173
 
        elementtree.ElementTree._raise_serialization_error(text)
174
 
 
175
 
elementtree.ElementTree._escape_cdata = _escape_cdata
176
 
 
177
 
 
178
119
def escape_invalid_chars(message):
179
120
    """Escape the XML-invalid characters in a commit message.
180
121
 
190
131
    return re.subn(u'[^\x09\x0A\x0D\u0020-\uD7FF\uE000-\uFFFD]+',
191
132
            lambda match: match.group(0).encode('unicode_escape'),
192
133
            message)
 
134
 
 
135
 
 
136
def get_utf8_or_ascii(a_str, _encode_utf8=cache_utf8.encode):
 
137
    """Return a cached version of the string.
 
138
 
 
139
    cElementTree will return a plain string if the XML is plain ascii. It only
 
140
    returns Unicode when it needs to. We want to work in utf-8 strings. So if
 
141
    cElementTree returns a plain string, we can just return the cached version.
 
142
    If it is Unicode, then we need to encode it.
 
143
 
 
144
    :param a_str: An 8-bit string or Unicode as returned by
 
145
                  cElementTree.Element.get()
 
146
    :return: A utf-8 encoded 8-bit string.
 
147
    """
 
148
    # This is fairly optimized because we know what cElementTree does, this is
 
149
    # not meant as a generic function for all cases. Because it is possible for
 
150
    # an 8-bit string to not be ascii or valid utf8.
 
151
    if a_str.__class__ is text_type:
 
152
        return _encode_utf8(a_str)
 
153
    else:
 
154
        return bytesintern(a_str)
 
155
 
 
156
 
 
157
_utf8_re = lazy_regex.lazy_compile(b'[&<>\'\"]|[\x80-\xff]+')
 
158
_unicode_re = lazy_regex.lazy_compile(u'[&<>\'\"\u0080-\uffff]')
 
159
 
 
160
 
 
161
_xml_escape_map = {
 
162
    "&": '&amp;',
 
163
    "'": "&apos;", # FIXME: overkill
 
164
    "\"": "&quot;",
 
165
    "<": "&lt;",
 
166
    ">": "&gt;",
 
167
    }
 
168
 
 
169
 
 
170
def _unicode_escape_replace(match, _map=_xml_escape_map):
 
171
    """Replace a string of non-ascii, non XML safe characters with their escape
 
172
 
 
173
    This will escape both Standard XML escapes, like <>"', etc.
 
174
    As well as escaping non ascii characters, because ElementTree did.
 
175
    This helps us remain compatible to older versions of bzr. We may change
 
176
    our policy in the future, though.
 
177
    """
 
178
    # jam 20060816 Benchmarks show that try/KeyError is faster if you
 
179
    # expect the entity to rarely miss. There is about a 10% difference
 
180
    # in overall time. But if you miss frequently, then if None is much
 
181
    # faster. For our use case, we *rarely* have a revision id, file id
 
182
    # or path name that is unicode. So use try/KeyError.
 
183
    try:
 
184
        return _map[match.group()]
 
185
    except KeyError:
 
186
        return "&#%d;" % ord(match.group())
 
187
 
 
188
 
 
189
def _utf8_escape_replace(match, _map=_xml_escape_map):
 
190
    """Escape utf8 characters into XML safe ones.
 
191
 
 
192
    This uses 2 tricks. It is either escaping "standard" characters, like "&<>,
 
193
    or it is handling characters with the high-bit set. For ascii characters,
 
194
    we just lookup the replacement in the dictionary. For everything else, we
 
195
    decode back into Unicode, and then use the XML escape code.
 
196
    """
 
197
    try:
 
198
        return _map[match.group().decode('ascii', 'replace')].encode()
 
199
    except KeyError:
 
200
        return b''.join(b'&#%d;' % ord(uni_chr)
 
201
                       for uni_chr in match.group().decode('utf8'))
 
202
 
 
203
 
 
204
_to_escaped_map = {}
 
205
 
 
206
def encode_and_escape(unicode_or_utf8_str, _map=_to_escaped_map):
 
207
    """Encode the string into utf8, and escape invalid XML characters"""
 
208
    # We frequently get entities we have not seen before, so it is better
 
209
    # to check if None, rather than try/KeyError
 
210
    text = _map.get(unicode_or_utf8_str)
 
211
    if text is None:
 
212
        if isinstance(unicode_or_utf8_str, text_type):
 
213
            # The alternative policy is to do a regular UTF8 encoding
 
214
            # and then escape only XML meta characters.
 
215
            # Performance is equivalent once you use cache_utf8. *However*
 
216
            # this makes the serialized texts incompatible with old versions
 
217
            # of bzr. So no net gain. (Perhaps the read code would handle utf8
 
218
            # better than entity escapes, but cElementTree seems to do just fine
 
219
            # either way)
 
220
            text = _unicode_re.sub(_unicode_escape_replace, unicode_or_utf8_str).encode() + b'"'
 
221
        else:
 
222
            # Plain strings are considered to already be in utf-8 so we do a
 
223
            # slightly different method for escaping.
 
224
            text = _utf8_re.sub(_utf8_escape_replace,
 
225
                                unicode_or_utf8_str) + b'"'
 
226
        _map[unicode_or_utf8_str] = text
 
227
    return text
 
228
 
 
229
 
 
230
def _clear_cache():
 
231
    """Clean out the unicode => escaped map"""
 
232
    _to_escaped_map.clear()
 
233
 
 
234
 
 
235
def unpack_inventory_entry(elt, entry_cache=None, return_from_cache=False):
 
236
    elt_get = elt.get
 
237
    file_id = elt_get('file_id')
 
238
    revision = elt_get('revision')
 
239
    # Check and see if we have already unpacked this exact entry
 
240
    # Some timings for "repo.revision_trees(last_100_revs)"
 
241
    #               bzr     mysql
 
242
    #   unmodified  4.1s    40.8s
 
243
    #   using lru   3.5s
 
244
    #   using fifo  2.83s   29.1s
 
245
    #   lru._cache  2.8s
 
246
    #   dict        2.75s   26.8s
 
247
    #   inv.add     2.5s    26.0s
 
248
    #   no_copy     2.00s   20.5s
 
249
    #   no_c,dict   1.95s   18.0s
 
250
    # Note that a cache of 10k nodes is more than sufficient to hold all of
 
251
    # the inventory for the last 100 revs for bzr, but not for mysql (20k
 
252
    # is enough for mysql, which saves the same 2s as using a dict)
 
253
 
 
254
    # Breakdown of mysql using time.clock()
 
255
    #   4.1s    2 calls to element.get for file_id, revision_id
 
256
    #   4.5s    cache_hit lookup
 
257
    #   7.1s    InventoryFile.copy()
 
258
    #   2.4s    InventoryDirectory.copy()
 
259
    #   0.4s    decoding unique entries
 
260
    #   1.6s    decoding entries after FIFO fills up
 
261
    #   0.8s    Adding nodes to FIFO (including flushes)
 
262
    #   0.1s    cache miss lookups
 
263
    # Using an LRU cache
 
264
    #   4.1s    2 calls to element.get for file_id, revision_id
 
265
    #   9.9s    cache_hit lookup
 
266
    #   10.8s   InventoryEntry.copy()
 
267
    #   0.3s    cache miss lookus
 
268
    #   1.2s    decoding entries
 
269
    #   1.0s    adding nodes to LRU
 
270
    if entry_cache is not None and revision is not None:
 
271
        key = (file_id, revision)
 
272
        try:
 
273
            # We copy it, because some operations may mutate it
 
274
            cached_ie = entry_cache[key]
 
275
        except KeyError:
 
276
            pass
 
277
        else:
 
278
            # Only copying directory entries drops us 2.85s => 2.35s
 
279
            if return_from_cache:
 
280
                if cached_ie.kind == 'directory':
 
281
                    return cached_ie.copy()
 
282
                return cached_ie
 
283
            return cached_ie.copy()
 
284
 
 
285
    kind = elt.tag
 
286
    if not inventory.InventoryEntry.versionable_kind(kind):
 
287
        raise AssertionError('unsupported entry kind %s' % kind)
 
288
 
 
289
    file_id = get_utf8_or_ascii(file_id)
 
290
    if revision is not None:
 
291
        revision = get_utf8_or_ascii(revision)
 
292
    parent_id = elt_get('parent_id')
 
293
    if parent_id is not None:
 
294
        parent_id = get_utf8_or_ascii(parent_id)
 
295
 
 
296
    if kind == 'directory':
 
297
        ie = inventory.InventoryDirectory(file_id,
 
298
                                          elt_get('name'),
 
299
                                          parent_id)
 
300
    elif kind == 'file':
 
301
        ie = inventory.InventoryFile(file_id,
 
302
                                     elt_get('name'),
 
303
                                     parent_id)
 
304
        ie.text_sha1 = elt_get('text_sha1')
 
305
        if ie.text_sha1 is not None:
 
306
            ie.text_sha1 = ie.text_sha1.encode('ascii')
 
307
        if elt_get('executable') == 'yes':
 
308
            ie.executable = True
 
309
        v = elt_get('text_size')
 
310
        ie.text_size = v and int(v)
 
311
    elif kind == 'symlink':
 
312
        ie = inventory.InventoryLink(file_id,
 
313
                                     elt_get('name'),
 
314
                                     parent_id)
 
315
        ie.symlink_target = elt_get('symlink_target')
 
316
    elif kind == 'tree-reference':
 
317
        file_id = get_utf8_or_ascii(elt.attrib['file_id'])
 
318
        name = elt.attrib['name']
 
319
        parent_id = get_utf8_or_ascii(elt.attrib['parent_id'])
 
320
        revision = get_utf8_or_ascii(elt.get('revision'))
 
321
        reference_revision = get_utf8_or_ascii(elt.get('reference_revision'))
 
322
        ie = inventory.TreeReference(file_id, name, parent_id, revision,
 
323
                                       reference_revision)
 
324
    else:
 
325
        raise errors.UnsupportedInventoryKind(kind)
 
326
    ie.revision = revision
 
327
    if revision is not None and entry_cache is not None:
 
328
        # We cache a copy() because callers like to mutate objects, and
 
329
        # that would cause the item in cache to mutate as well.
 
330
        # This has a small effect on many-inventory performance, because
 
331
        # the majority fraction is spent in cache hits, not misses.
 
332
        entry_cache[key] = ie.copy()
 
333
 
 
334
    return ie
 
335
 
 
336
 
 
337
def unpack_inventory_flat(elt, format_num, unpack_entry,
 
338
            entry_cache=None, return_from_cache=False):
 
339
    """Unpack a flat XML inventory.
 
340
 
 
341
    :param elt: XML element for the inventory
 
342
    :param format_num: Expected format number
 
343
    :param unpack_entry: Function for unpacking inventory entries
 
344
    :return: An inventory
 
345
    :raise UnexpectedInventoryFormat: When unexpected elements or data is
 
346
        encountered
 
347
    """
 
348
    if elt.tag != 'inventory':
 
349
        raise errors.UnexpectedInventoryFormat('Root tag is %r' % elt.tag)
 
350
    format = elt.get('format')
 
351
    if ((format is None and format_num is not None)
 
352
            or format.encode() != format_num):
 
353
        raise errors.UnexpectedInventoryFormat('Invalid format version %r'
 
354
                                               % format)
 
355
    revision_id = elt.get('revision_id')
 
356
    if revision_id is not None:
 
357
        revision_id = cache_utf8.encode(revision_id)
 
358
    inv = inventory.Inventory(root_id=None, revision_id=revision_id)
 
359
    for e in elt:
 
360
        ie = unpack_entry(e, entry_cache, return_from_cache)
 
361
        inv.add(ie)
 
362
    return inv
 
363
 
 
364
 
 
365
def serialize_inventory_flat(inv, append, root_id, supported_kinds, working):
 
366
    """Serialize an inventory to a flat XML file.
 
367
 
 
368
    :param inv: Inventory to serialize
 
369
    :param append: Function for writing a line of output
 
370
    :param working: If True skip history data - text_sha1, text_size,
 
371
        reference_revision, symlink_target.    self._check_revisions(inv)
 
372
    """
 
373
    entries = inv.iter_entries()
 
374
    # Skip the root
 
375
    root_path, root_ie = next(entries)
 
376
    for path, ie in entries:
 
377
        if ie.parent_id != root_id:
 
378
            parent_str = b' parent_id="'
 
379
            parent_id  = encode_and_escape(ie.parent_id)
 
380
        else:
 
381
            parent_str = b''
 
382
            parent_id  = b''
 
383
        if ie.kind == 'file':
 
384
            if ie.executable:
 
385
                executable = b' executable="yes"'
 
386
            else:
 
387
                executable = b''
 
388
            if not working:
 
389
                append(b'<file%s file_id="%s name="%s%s%s revision="%s '
 
390
                    b'text_sha1="%s" text_size="%d" />\n' % (
 
391
                    executable, encode_and_escape(ie.file_id),
 
392
                    encode_and_escape(ie.name), parent_str, parent_id,
 
393
                    encode_and_escape(ie.revision), ie.text_sha1,
 
394
                    ie.text_size))
 
395
            else:
 
396
                append(b'<file%s file_id="%s name="%s%s%s />\n' % (
 
397
                    executable, encode_and_escape(ie.file_id),
 
398
                    encode_and_escape(ie.name), parent_str, parent_id))
 
399
        elif ie.kind == 'directory':
 
400
            if not working:
 
401
                append(b'<directory file_id="%s name="%s%s%s revision="%s '
 
402
                    b'/>\n' % (
 
403
                    encode_and_escape(ie.file_id),
 
404
                    encode_and_escape(ie.name),
 
405
                    parent_str, parent_id,
 
406
                    encode_and_escape(ie.revision)))
 
407
            else:
 
408
                append(b'<directory file_id="%s name="%s%s%s />\n' % (
 
409
                    encode_and_escape(ie.file_id),
 
410
                    encode_and_escape(ie.name),
 
411
                    parent_str, parent_id))
 
412
        elif ie.kind == 'symlink':
 
413
            if not working:
 
414
                append(b'<symlink file_id="%s name="%s%s%s revision="%s '
 
415
                    b'symlink_target="%s />\n' % (
 
416
                    encode_and_escape(ie.file_id),
 
417
                    encode_and_escape(ie.name),
 
418
                    parent_str, parent_id,
 
419
                    encode_and_escape(ie.revision),
 
420
                    encode_and_escape(ie.symlink_target)))
 
421
            else:
 
422
                append(b'<symlink file_id="%s name="%s%s%s />\n' % (
 
423
                    encode_and_escape(ie.file_id),
 
424
                    encode_and_escape(ie.name),
 
425
                    parent_str, parent_id))
 
426
        elif ie.kind == 'tree-reference':
 
427
            if ie.kind not in supported_kinds:
 
428
                raise errors.UnsupportedInventoryKind(ie.kind)
 
429
            if not working:
 
430
                append(b'<tree-reference file_id="%s name="%s%s%s '
 
431
                    b'revision="%s reference_revision="%s />\n' % (
 
432
                    encode_and_escape(ie.file_id),
 
433
                    encode_and_escape(ie.name),
 
434
                    parent_str, parent_id,
 
435
                    encode_and_escape(ie.revision),
 
436
                    encode_and_escape(ie.reference_revision)))
 
437
            else:
 
438
                append(b'<tree-reference file_id="%s name="%s%s%s />\n' % (
 
439
                    encode_and_escape(ie.file_id),
 
440
                    encode_and_escape(ie.name),
 
441
                    parent_str, parent_id))
 
442
        else:
 
443
            raise errors.UnsupportedInventoryKind(ie.kind)
 
444
    append(b'</inventory>\n')