danielebarchiesi@4: <?php
danielebarchiesi@4: /**
danielebarchiesi@4:  * ARC2 N-Triples Serializer
danielebarchiesi@4:  *
danielebarchiesi@4:  * @author Benjamin Nowack
danielebarchiesi@4:  * @license <http://arc.semsol.org/license>
danielebarchiesi@4:  * @homepage <http://arc.semsol.org/>
danielebarchiesi@4:  * @package ARC2
danielebarchiesi@4: */
danielebarchiesi@4: 
danielebarchiesi@4: ARC2::inc('RDFSerializer');
danielebarchiesi@4: 
danielebarchiesi@4: class ARC2_NTriplesSerializer extends ARC2_RDFSerializer {
danielebarchiesi@4: 
danielebarchiesi@4:   function __construct($a, &$caller) {
danielebarchiesi@4:     parent::__construct($a, $caller);
danielebarchiesi@4:   }
danielebarchiesi@4:   
danielebarchiesi@4:   function __init() {
danielebarchiesi@4:     parent::__init();
danielebarchiesi@4:     $this->esc_chars = array();
danielebarchiesi@4:     $this->raw = 0;
danielebarchiesi@4:   }
danielebarchiesi@4: 
danielebarchiesi@4:   /*  */
danielebarchiesi@4:   
danielebarchiesi@4:   function getTerm($v, $term = '') {
danielebarchiesi@4:     // type detection
danielebarchiesi@4:     if (!is_array($v) || empty($v['type'])) {
danielebarchiesi@4:       // bnode
danielebarchiesi@4:       if (preg_match('/^\_\:/', $v)) {
danielebarchiesi@4:         return $this->getTerm(array('value' => $v, 'type' => 'bnode'));
danielebarchiesi@4:       }
danielebarchiesi@4:       // uri
danielebarchiesi@4:       if (preg_match('/^[a-z0-9]+\:[^\s\"]*$/is' . ($this->has_pcre_unicode ? 'u' : ''), $v)) {
danielebarchiesi@4:         return $this->getTerm(array('value' => $v, 'type' => 'uri'));
danielebarchiesi@4:       }
danielebarchiesi@4:       // fallback for non-unicode environments: subjects and predicates can't be literals.
danielebarchiesi@4:       if (in_array($term, array('s', 'p'))) {
danielebarchiesi@4:         return $this->getTerm(array('value' => $v, 'type' => 'uri'));
danielebarchiesi@4:       }
danielebarchiesi@4:       // assume literal
danielebarchiesi@4:       return $this->getTerm(array('type' => 'literal', 'value' => $v));
danielebarchiesi@4:     }
danielebarchiesi@4:     if ($v['type'] == 'bnode') {
danielebarchiesi@4:       return $v['value'];
danielebarchiesi@4:     }
danielebarchiesi@4:     elseif ($v['type'] == 'uri') {
danielebarchiesi@4:       return '<' . $this->escape($v['value']) . '>';
danielebarchiesi@4:     }
danielebarchiesi@4:     // something went wrong
danielebarchiesi@4:     elseif ($v['type'] != 'literal') {
danielebarchiesi@4:       return $this->getTerm($v['value']);
danielebarchiesi@4:     }
danielebarchiesi@4:     /* literal */
danielebarchiesi@4:     $quot = '"';
danielebarchiesi@4:     if ($this->raw && preg_match('/\"/', $v['value'])) {
danielebarchiesi@4:       $quot = "'";
danielebarchiesi@4:       if (preg_match('/\'/', $v['value'])) {
danielebarchiesi@4:         $quot = '"""';
danielebarchiesi@4:         if (preg_match('/\"\"\"/', $v['value']) || preg_match('/\"$/', $v['value']) || preg_match('/^\"/', $v['value'])) {
danielebarchiesi@4:           $quot = "'''";
danielebarchiesi@4:           $v['value'] = preg_replace("/'$/", "' ", $v['value']);
danielebarchiesi@4:           $v['value'] = preg_replace("/^'/", " '", $v['value']);
danielebarchiesi@4:           $v['value'] = str_replace("'''", '\\\'\\\'\\\'', $v['value']);
danielebarchiesi@4:         }
danielebarchiesi@4:       }
danielebarchiesi@4:     }
danielebarchiesi@4:     if ($this->raw && (strlen($quot) == 1) && preg_match('/[\x0d\x0a]/', $v['value'])) {
danielebarchiesi@4:       $quot = $quot . $quot . $quot;
danielebarchiesi@4:     }
danielebarchiesi@4:     $suffix = isset($v['lang']) && $v['lang'] ? '@' . $v['lang'] : '';
danielebarchiesi@4:     $suffix = isset($v['datatype']) && $v['datatype'] ? '^^' . $this->getTerm($v['datatype']) : $suffix;
danielebarchiesi@4:     //return $quot . "object" . utf8_encode($v['value']) . $quot . $suffix;
danielebarchiesi@4:     return $quot . $this->escape($v['value']) . $quot . $suffix;
danielebarchiesi@4:   }
danielebarchiesi@4:   
danielebarchiesi@4:   function getSerializedIndex($index, $raw = 0) {
danielebarchiesi@4:     $this->raw = $raw;
danielebarchiesi@4:     $r = '';
danielebarchiesi@4:     $nl = "\n";
danielebarchiesi@4:     foreach ($index as $s => $ps) {
danielebarchiesi@4:       $s = $this->getTerm($s, 's');
danielebarchiesi@4:       foreach ($ps as $p => $os) {
danielebarchiesi@4:         $p = $this->getTerm($p, 'p');
danielebarchiesi@4:         if (!is_array($os)) {/* single literal o */
danielebarchiesi@4:           $os = array(array('value' => $os, 'type' => 'literal'));
danielebarchiesi@4:         }
danielebarchiesi@4:         foreach ($os as $o) {
danielebarchiesi@4:           $o = $this->getTerm($o, 'o‚');
danielebarchiesi@4:           $r .= $r ? $nl : '';
danielebarchiesi@4:           $r .= $s . ' ' . $p . ' ' . $o . ' .';
danielebarchiesi@4:         }
danielebarchiesi@4:       }
danielebarchiesi@4:     }
danielebarchiesi@4:     return $r . $nl;
danielebarchiesi@4:   }
danielebarchiesi@4:   
danielebarchiesi@4:   /*  */
danielebarchiesi@4: 
danielebarchiesi@4:   function escape($v) {
danielebarchiesi@4:     $r = '';
danielebarchiesi@4: 	// decode, if possible
danielebarchiesi@4:     $v = (strpos(utf8_decode(str_replace('?', '', $v)), '?') === false) ? utf8_decode($v) : $v;
danielebarchiesi@4: 	if ($this->raw) return $v;// no further escaping wanted
danielebarchiesi@4: 	// escape tabs and linefeeds
danielebarchiesi@4: 	$v = str_replace(array("\t", "\r", "\n"), array('\t', '\r', '\n'), $v);
danielebarchiesi@4: 	// escape non-ascii-chars
danielebarchiesi@4: 	$v = preg_replace_callback('/([^a-zA-Z0-9 \!\#\$\%\&\(\)\*\+\,\-\.\/\:\;\=\?\@\^\_\{\|\}]+)/', array($this, 'escapeChars'), $v);
danielebarchiesi@4: 	return $v;
danielebarchiesi@4:   }
danielebarchiesi@4:   
danielebarchiesi@4:   function escapeChars($matches) {
danielebarchiesi@4: 	$v = $matches[1];
danielebarchiesi@4: 	$r = '';
danielebarchiesi@4: 	// loop through mb chars
danielebarchiesi@4: 	if (function_exists('mb_strlen')) {
danielebarchiesi@4: 		for ($i = 0, $i_max = mb_strlen($v, 'UTF-8'); $i < $i_max; $i++) {
danielebarchiesi@4: 		  $c = mb_substr($v, $i, 1, 'UTF-8');
danielebarchiesi@4: 		  if (!isset($this->esc_chars[$c])) {
danielebarchiesi@4: 			$this->esc_chars[$c] = $this->getEscapedChar($c, $this->getCharNo($c, 1));
danielebarchiesi@4: 		  }
danielebarchiesi@4: 		  $r .= $this->esc_chars[$c];
danielebarchiesi@4: 		}
danielebarchiesi@4: 	}
danielebarchiesi@4: 	// fall back to built-in JSON functionality, if available
danielebarchiesi@4: 	else if (function_exists('json_encode')) {
danielebarchiesi@4: 		$r = json_encode($v);
danielebarchiesi@4: 		if ($r == 'null') $r = json_encode (utf8_encode($v));
danielebarchiesi@4: 		// remove boundary quotes
danielebarchiesi@4: 		if (substr($r, 0, 1) == '"') $r = substr($r, 1);
danielebarchiesi@4: 		if (substr($r, -1) == '"') $r = substr($r, 0, -1);
danielebarchiesi@4: 		// uppercase hex chars
danielebarchiesi@4: 		$r = preg_replace('/(\\\u)([0-9a-f]{4})/e', "'\\1' . strtoupper('\\2')", $r);
danielebarchiesi@4: 		$r = preg_replace('/(\\\U)([0-9a-f]{8})/e', "'\\1' . strtoupper('\\2')", $r);
danielebarchiesi@4: 	}
danielebarchiesi@4: 	// escape byte-wise (may be wrong for mb chars and newer php versions)
danielebarchiesi@4: 	else {
danielebarchiesi@4: 		for ($i = 0, $i_max = strlen($v); $i < $i_max; $i++) {
danielebarchiesi@4: 		  $c = $v[$i];
danielebarchiesi@4: 		  if (!isset($this->esc_chars[$c])) {
danielebarchiesi@4: 			$this->esc_chars[$c] = $this->getEscapedChar($c, $this->getCharNo($c));
danielebarchiesi@4: 		  }
danielebarchiesi@4: 		  $r .= $this->esc_chars[$c];
danielebarchiesi@4: 		}
danielebarchiesi@4: 	}
danielebarchiesi@4: 	return $r;
danielebarchiesi@4:   }
danielebarchiesi@4:   
danielebarchiesi@4:   /*  */
danielebarchiesi@4:   
danielebarchiesi@4:   function getCharNo($c, $is_encoded = false) {
danielebarchiesi@4:     $c_utf = $is_encoded ? $c : utf8_encode($c);
danielebarchiesi@4:     $bl = strlen($c_utf);/* binary length */
danielebarchiesi@4:     $r = 0;
danielebarchiesi@4:     switch ($bl) {
danielebarchiesi@4:       case 1:/* 0####### (0-127) */
danielebarchiesi@4:         $r = ord($c_utf);
danielebarchiesi@4:         break;
danielebarchiesi@4:       case 2:/* 110##### 10###### = 192+x 128+x */
danielebarchiesi@4:         $r = ((ord($c_utf[0]) - 192) * 64) + (ord($c_utf[1]) - 128);
danielebarchiesi@4:         break;
danielebarchiesi@4:       case 3:/* 1110#### 10###### 10###### = 224+x 128+x 128+x */
danielebarchiesi@4:         $r = ((ord($c_utf[0]) - 224) * 4096) + ((ord($c_utf[1]) - 128) * 64) + (ord($c_utf[2]) - 128);
danielebarchiesi@4:         break;
danielebarchiesi@4:       case 4:/* 1111#### 10###### 10###### 10###### = 240+x 128+x 128+x 128+x */
danielebarchiesi@4:         $r = ((ord($c_utf[0]) - 240) * 262144) + ((ord($c_utf[1]) - 128) * 4096) + ((ord($c_utf[2]) - 128) * 64) + (ord($c_utf[3]) - 128);
danielebarchiesi@4:         break;
danielebarchiesi@4:     }
danielebarchiesi@4:     return $r;
danielebarchiesi@4:   }
danielebarchiesi@4: 
danielebarchiesi@4:   function getEscapedChar($c, $no) {/*see http://www.w3.org/TR/rdf-testcases/#ntrip_strings */
danielebarchiesi@4:     if ($no < 9)        return "\\u" . sprintf('%04X', $no);  /* #x0-#x8 (0-8) */
danielebarchiesi@4:     if ($no == 9)       return '\t';                          /* #x9 (9) */
danielebarchiesi@4:     if ($no == 10)      return '\n';                          /* #xA (10) */
danielebarchiesi@4:     if ($no < 13)       return "\\u" . sprintf('%04X', $no);  /* #xB-#xC (11-12) */
danielebarchiesi@4:     if ($no == 13)      return '\r';                          /* #xD (13) */
danielebarchiesi@4:     if ($no < 32)       return "\\u" . sprintf('%04X', $no);  /* #xE-#x1F (14-31) */
danielebarchiesi@4:     if ($no < 34)       return $c;                            /* #x20-#x21 (32-33) */
danielebarchiesi@4:     if ($no == 34)      return '\"';                          /* #x22 (34) */
danielebarchiesi@4:     if ($no < 92)       return $c;                            /* #x23-#x5B (35-91) */
danielebarchiesi@4:     if ($no == 92)      return '\\';                          /* #x5C (92) */
danielebarchiesi@4:     if ($no < 127)      return $c;                            /* #x5D-#x7E (93-126) */
danielebarchiesi@4:     if ($no < 65536)    return "\\u" . sprintf('%04X', $no);  /* #x7F-#xFFFF (128-65535) */
danielebarchiesi@4:     if ($no < 1114112)  return "\\U" . sprintf('%08X', $no);  /* #x10000-#x10FFFF (65536-1114111) */
danielebarchiesi@4:     return '';                                                /* not defined => ignore */
danielebarchiesi@4:   }
danielebarchiesi@4:   
danielebarchiesi@4:   /*  */
danielebarchiesi@4:  
danielebarchiesi@4: }