Refactored Text.Pandoc.CharacterReferences.

Removed unnecessary 'try's for a speed improvement.
Removed unnecessary '&' and ';' from the entity table.


git-svn-id: https://pandoc.googlecode.com/svn/trunk@922 788f1e2b-df1e-0410-8736-df70ead52e1b

1 files changed, 271 insertions, 279 deletions

diff --git a/src/Text/Pandoc/CharacterReferences.hs b/src/Text/Pandoc/CharacterReferences.hs
index deb2c3f1a..466f5d8f4 100644
--- a/src/Text/Pandoc/CharacterReferences.hs
+++ b/src/Text/Pandoc/CharacterReferences.hs
@@ -37,36 +37,28 @@ import qualified Data.Map as Map
 
 -- | Parse character entity.
 characterReference :: GenParser Char st Char
-characterReference = characterEntity <|> 
-                     hexadecimalCharacterReference <|> 
-                     decimalCharacterReference <?> 
-                     "character entity"
-
--- | Parse character entity.
-characterEntity :: GenParser Char st Char
-characterEntity = try $ do
+characterReference = try $ do
   st <- char '&'
-  body <- many1 alphaNum
+  character <- numRef <|> entity
   end <- char ';'
-  let entity = "&" ++ body ++ ";"
-  return $ Map.findWithDefault '?' entity entityTable
-   
--- | Parse hexadecimal entity.
-hexadecimalCharacterReference :: GenParser Char st Char
-hexadecimalCharacterReference = try $ do
-  st <- string "&#"
-  hex <- oneOf "Xx"
-  body <- many1 (oneOf "0123456789ABCDEFabcdef")
-  end <- char ';'
-  return $ chr $ read ('0':'x':body)
+  return character  
 
--- | Parse decimal entity.
-decimalCharacterReference :: GenParser Char st Char
-decimalCharacterReference = try $ do
-  st <- string "&#"
-  body <- many1 digit
-  end <- char ';'
-  return $ chr $ read body
+numRef :: GenParser Char st Char
+numRef = do
+  char '#'
+  num <- hexNum <|> decNum
+  return $ chr $ num 
+
+hexNum :: GenParser Char st Int 
+hexNum = oneOf "Xx" >> many1 hexDigit >>= return . read . ("0x" ++)
+
+decNum :: GenParser Char st Int 
+decNum = many1 digit >>= return . read
+
+entity :: GenParser Char st Char
+entity = do
+  body <- many1 alphaNum
+  return $ Map.findWithDefault '?' body entityTable
 
 -- | Convert entities in a string to characters.
 decodeCharacterReferences :: String -> String
@@ -80,256 +72,256 @@ entityTable = Map.fromList entityTableList
 
 entityTableList :: [(String, Char)]
 entityTableList =  [
-	("&quot;", chr 34),
-	("&amp;", chr 38),
-	("&lt;", chr 60),
-	("&gt;", chr 62),
-	("&nbsp;", chr 160),
-	("&iexcl;", chr 161),
-	("&cent;", chr 162),
-	("&pound;", chr 163),
-	("&curren;", chr 164),
-	("&yen;", chr 165),
-	("&brvbar;", chr 166),
-	("&sect;", chr 167),
-	("&uml;", chr 168),
-	("&copy;", chr 169),
-	("&ordf;", chr 170),
-	("&laquo;", chr 171),
-	("&not;", chr 172),
-	("&shy;", chr 173),
-	("&reg;", chr 174),
-	("&macr;", chr 175),
-	("&deg;", chr 176),
-	("&plusmn;", chr 177),
-	("&sup2;", chr 178),
-	("&sup3;", chr 179),
-	("&acute;", chr 180),
-	("&micro;", chr 181),
-	("&para;", chr 182),
-	("&middot;", chr 183),
-	("&cedil;", chr 184),
-	("&sup1;", chr 185),
-	("&ordm;", chr 186),
-	("&raquo;", chr 187),
-	("&frac14;", chr 188),
-	("&frac12;", chr 189),
-	("&frac34;", chr 190),
-	("&iquest;", chr 191),
-	("&Agrave;", chr 192),
-	("&Aacute;", chr 193),
-	("&Acirc;", chr 194),
-	("&Atilde;", chr 195),
-	("&Auml;", chr 196),
-	("&Aring;", chr 197),
-	("&AElig;", chr 198),
-	("&Ccedil;", chr 199),
-	("&Egrave;", chr 200),
-	("&Eacute;", chr 201),
-	("&Ecirc;", chr 202),
-	("&Euml;", chr 203),
-	("&Igrave;", chr 204),
-	("&Iacute;", chr 205),
-	("&Icirc;", chr 206),
-	("&Iuml;", chr 207),
-	("&ETH;", chr 208),
-	("&Ntilde;", chr 209),
-	("&Ograve;", chr 210),
-	("&Oacute;", chr 211),
-	("&Ocirc;", chr 212),
-	("&Otilde;", chr 213),
-	("&Ouml;", chr 214),
-	("&times;", chr 215),
-	("&Oslash;", chr 216),
-	("&Ugrave;", chr 217),
-	("&Uacute;", chr 218),
-	("&Ucirc;", chr 219),
-	("&Uuml;", chr 220),
-	("&Yacute;", chr 221),
-	("&THORN;", chr 222),
-	("&szlig;", chr 223),
-	("&agrave;", chr 224),
-	("&aacute;", chr 225),
-	("&acirc;", chr 226),
-	("&atilde;", chr 227),
-	("&auml;", chr 228),
-	("&aring;", chr 229),
-	("&aelig;", chr 230),
-	("&ccedil;", chr 231),
-	("&egrave;", chr 232),
-	("&eacute;", chr 233),
-	("&ecirc;", chr 234),
-	("&euml;", chr 235),
-	("&igrave;", chr 236),
-	("&iacute;", chr 237),
-	("&icirc;", chr 238),
-	("&iuml;", chr 239),
-	("&eth;", chr 240),
-	("&ntilde;", chr 241),
-	("&ograve;", chr 242),
-	("&oacute;", chr 243),
-	("&ocirc;", chr 244),
-	("&otilde;", chr 245),
-	("&ouml;", chr 246),
-	("&divide;", chr 247),
-	("&oslash;", chr 248),
-	("&ugrave;", chr 249),
-	("&uacute;", chr 250),
-	("&ucirc;", chr 251),
-	("&uuml;", chr 252),
-	("&yacute;", chr 253),
-	("&thorn;", chr 254),
-	("&yuml;", chr 255),
-	("&OElig;", chr 338),
-	("&oelig;", chr 339),
-	("&Scaron;", chr 352),
-	("&scaron;", chr 353),
-	("&Yuml;", chr 376),
-	("&fnof;", chr 402),
-	("&circ;", chr 710),
-	("&tilde;", chr 732),
-	("&Alpha;", chr 913),
-	("&Beta;", chr 914),
-	("&Gamma;", chr 915),
-	("&Delta;", chr 916),
-	("&Epsilon;", chr 917),
-	("&Zeta;", chr 918),
-	("&Eta;", chr 919),
-	("&Theta;", chr 920),
-	("&Iota;", chr 921),
-	("&Kappa;", chr 922),
-	("&Lambda;", chr 923),
-	("&Mu;", chr 924),
-	("&Nu;", chr 925),
-	("&Xi;", chr 926),
-	("&Omicron;", chr 927),
-	("&Pi;", chr 928),
-	("&Rho;", chr 929),
-	("&Sigma;", chr 931),
-	("&Tau;", chr 932),
-	("&Upsilon;", chr 933),
-	("&Phi;", chr 934),
-	("&Chi;", chr 935),
-	("&Psi;", chr 936),
-	("&Omega;", chr 937),
-	("&alpha;", chr 945),
-	("&beta;", chr 946),
-	("&gamma;", chr 947),
-	("&delta;", chr 948),
-	("&epsilon;", chr 949),
-	("&zeta;", chr 950),
-	("&eta;", chr 951),
-	("&theta;", chr 952),
-	("&iota;", chr 953),
-	("&kappa;", chr 954),
-	("&lambda;", chr 955),
-	("&mu;", chr 956),
-	("&nu;", chr 957),
-	("&xi;", chr 958),
-	("&omicron;", chr 959),
-	("&pi;", chr 960),
-	("&rho;", chr 961),
-	("&sigmaf;", chr 962),
-	("&sigma;", chr 963),
-	("&tau;", chr 964),
-	("&upsilon;", chr 965),
-	("&phi;", chr 966),
-	("&chi;", chr 967),
-	("&psi;", chr 968),
-	("&omega;", chr 969),
-	("&thetasym;", chr 977),
-	("&upsih;", chr 978),
-	("&piv;", chr 982),
-	("&ensp;", chr 8194),
-	("&emsp;", chr 8195),
-	("&thinsp;", chr 8201),
-	("&zwnj;", chr 8204),
-	("&zwj;", chr 8205),
-	("&lrm;", chr 8206),
-	("&rlm;", chr 8207),
-	("&ndash;", chr 8211),
-	("&mdash;", chr 8212),
-	("&lsquo;", chr 8216),
-	("&rsquo;", chr 8217),
-	("&sbquo;", chr 8218),
-	("&ldquo;", chr 8220),
-	("&rdquo;", chr 8221),
-	("&bdquo;", chr 8222),
-	("&dagger;", chr 8224),
-	("&Dagger;", chr 8225),
-	("&bull;", chr 8226),
-	("&hellip;", chr 8230),
-	("&permil;", chr 8240),
-	("&prime;", chr 8242),
-	("&Prime;", chr 8243),
-	("&lsaquo;", chr 8249),
-	("&rsaquo;", chr 8250),
-	("&oline;", chr 8254),
-	("&frasl;", chr 8260),
-	("&euro;", chr 8364),
-	("&image;", chr 8465),
-	("&weierp;", chr 8472),
-	("&real;", chr 8476),
-	("&trade;", chr 8482),
-	("&alefsym;", chr 8501),
-	("&larr;", chr 8592),
-	("&uarr;", chr 8593),
-	("&rarr;", chr 8594),
-	("&darr;", chr 8595),
-	("&harr;", chr 8596),
-	("&crarr;", chr 8629),
-	("&lArr;", chr 8656),
-	("&uArr;", chr 8657),
-	("&rArr;", chr 8658),
-	("&dArr;", chr 8659),
-	("&hArr;", chr 8660),
-	("&forall;", chr 8704),
-	("&part;", chr 8706),
-	("&exist;", chr 8707),
-	("&empty;", chr 8709),
-	("&nabla;", chr 8711),
-	("&isin;", chr 8712),
-	("&notin;", chr 8713),
-	("&ni;", chr 8715),
-	("&prod;", chr 8719),
-	("&sum;", chr 8721),
-	("&minus;", chr 8722),
-	("&lowast;", chr 8727),
-	("&radic;", chr 8730),
-	("&prop;", chr 8733),
-	("&infin;", chr 8734),
-	("&ang;", chr 8736),
-	("&and;", chr 8743),
-	("&or;", chr 8744),
-	("&cap;", chr 8745),
-	("&cup;", chr 8746),
-	("&int;", chr 8747),
-	("&there4;", chr 8756),
-	("&sim;", chr 8764),
-	("&cong;", chr 8773),
-	("&asymp;", chr 8776),
-	("&ne;", chr 8800),
-	("&equiv;", chr 8801),
-	("&le;", chr 8804),
-	("&ge;", chr 8805),
-	("&sub;", chr 8834),
-	("&sup;", chr 8835),
-	("&nsub;", chr 8836),
-	("&sube;", chr 8838),
-	("&supe;", chr 8839),
-	("&oplus;", chr 8853),
-	("&otimes;", chr 8855),
-	("&perp;", chr 8869),
-	("&sdot;", chr 8901),
-	("&lceil;", chr 8968),
-	("&rceil;", chr 8969),
-	("&lfloor;", chr 8970),
-	("&rfloor;", chr 8971),
-	("&lang;", chr 9001),
-	("&rang;", chr 9002),
-	("&loz;", chr 9674),
-	("&spades;", chr 9824),
-	("&clubs;", chr 9827),
-	("&hearts;", chr 9829),
-	("&diams;", chr 9830)
+	("quot", chr 34),
+	("amp", chr 38),
+	("lt", chr 60),
+	("gt", chr 62),
+	("nbsp", chr 160),
+	("iexcl", chr 161),
+	("cent", chr 162),
+	("pound", chr 163),
+	("curren", chr 164),
+	("yen", chr 165),
+	("brvbar", chr 166),
+	("sect", chr 167),
+	("uml", chr 168),
+	("copy", chr 169),
+	("ordf", chr 170),
+	("laquo", chr 171),
+	("not", chr 172),
+	("shy", chr 173),
+	("reg", chr 174),
+	("macr", chr 175),
+	("deg", chr 176),
+	("plusmn", chr 177),
+	("sup2", chr 178),
+	("sup3", chr 179),
+	("acute", chr 180),
+	("micro", chr 181),
+	("para", chr 182),
+	("middot", chr 183),
+	("cedil", chr 184),
+	("sup1", chr 185),
+	("ordm", chr 186),
+	("raquo", chr 187),
+	("frac14", chr 188),
+	("frac12", chr 189),
+	("frac34", chr 190),
+	("iquest", chr 191),
+	("Agrave", chr 192),
+	("Aacute", chr 193),
+	("Acirc", chr 194),
+	("Atilde", chr 195),
+	("Auml", chr 196),
+	("Aring", chr 197),
+	("AElig", chr 198),
+	("Ccedil", chr 199),
+	("Egrave", chr 200),
+	("Eacute", chr 201),
+	("Ecirc", chr 202),
+	("Euml", chr 203),
+	("Igrave", chr 204),
+	("Iacute", chr 205),
+	("Icirc", chr 206),
+	("Iuml", chr 207),
+	("ETH", chr 208),
+	("Ntilde", chr 209),
+	("Ograve", chr 210),
+	("Oacute", chr 211),
+	("Ocirc", chr 212),
+	("Otilde", chr 213),
+	("Ouml", chr 214),
+	("times", chr 215),
+	("Oslash", chr 216),
+	("Ugrave", chr 217),
+	("Uacute", chr 218),
+	("Ucirc", chr 219),
+	("Uuml", chr 220),
+	("Yacute", chr 221),
+	("THORN", chr 222),
+	("szlig", chr 223),
+	("agrave", chr 224),
+	("aacute", chr 225),
+	("acirc", chr 226),
+	("atilde", chr 227),
+	("auml", chr 228),
+	("aring", chr 229),
+	("aelig", chr 230),
+	("ccedil", chr 231),
+	("egrave", chr 232),
+	("eacute", chr 233),
+	("ecirc", chr 234),
+	("euml", chr 235),
+	("igrave", chr 236),
+	("iacute", chr 237),
+	("icirc", chr 238),
+	("iuml", chr 239),
+	("eth", chr 240),
+	("ntilde", chr 241),
+	("ograve", chr 242),
+	("oacute", chr 243),
+	("ocirc", chr 244),
+	("otilde", chr 245),
+	("ouml", chr 246),
+	("divide", chr 247),
+	("oslash", chr 248),
+	("ugrave", chr 249),
+	("uacute", chr 250),
+	("ucirc", chr 251),
+	("uuml", chr 252),
+	("yacute", chr 253),
+	("thorn", chr 254),
+	("yuml", chr 255),
+	("OElig", chr 338),
+	("oelig", chr 339),
+	("Scaron", chr 352),
+	("scaron", chr 353),
+	("Yuml", chr 376),
+	("fnof", chr 402),
+	("circ", chr 710),
+	("tilde", chr 732),
+	("Alpha", chr 913),
+	("Beta", chr 914),
+	("Gamma", chr 915),
+	("Delta", chr 916),
+	("Epsilon", chr 917),
+	("Zeta", chr 918),
+	("Eta", chr 919),
+	("Theta", chr 920),
+	("Iota", chr 921),
+	("Kappa", chr 922),
+	("Lambda", chr 923),
+	("Mu", chr 924),
+	("Nu", chr 925),
+	("Xi", chr 926),
+	("Omicron", chr 927),
+	("Pi", chr 928),
+	("Rho", chr 929),
+	("Sigma", chr 931),
+	("Tau", chr 932),
+	("Upsilon", chr 933),
+	("Phi", chr 934),
+	("Chi", chr 935),
+	("Psi", chr 936),
+	("Omega", chr 937),
+	("alpha", chr 945),
+	("beta", chr 946),
+	("gamma", chr 947),
+	("delta", chr 948),
+	("epsilon", chr 949),
+	("zeta", chr 950),
+	("eta", chr 951),
+	("theta", chr 952),
+	("iota", chr 953),
+	("kappa", chr 954),
+	("lambda", chr 955),
+	("mu", chr 956),
+	("nu", chr 957),
+	("xi", chr 958),
+	("omicron", chr 959),
+	("pi", chr 960),
+	("rho", chr 961),
+	("sigmaf", chr 962),
+	("sigma", chr 963),
+	("tau", chr 964),
+	("upsilon", chr 965),
+	("phi", chr 966),
+	("chi", chr 967),
+	("psi", chr 968),
+	("omega", chr 969),
+	("thetasym", chr 977),
+	("upsih", chr 978),
+	("piv", chr 982),
+	("ensp", chr 8194),
+	("emsp", chr 8195),
+	("thinsp", chr 8201),
+	("zwnj", chr 8204),
+	("zwj", chr 8205),
+	("lrm", chr 8206),
+	("rlm", chr 8207),
+	("ndash", chr 8211),
+	("mdash", chr 8212),
+	("lsquo", chr 8216),
+	("rsquo", chr 8217),
+	("sbquo", chr 8218),
+	("ldquo", chr 8220),
+	("rdquo", chr 8221),
+	("bdquo", chr 8222),
+	("dagger", chr 8224),
+	("Dagger", chr 8225),
+	("bull", chr 8226),
+	("hellip", chr 8230),
+	("permil", chr 8240),
+	("prime", chr 8242),
+	("Prime", chr 8243),
+	("lsaquo", chr 8249),
+	("rsaquo", chr 8250),
+	("oline", chr 8254),
+	("frasl", chr 8260),
+	("euro", chr 8364),
+	("image", chr 8465),
+	("weierp", chr 8472),
+	("real", chr 8476),
+	("trade", chr 8482),
+	("alefsym", chr 8501),
+	("larr", chr 8592),
+	("uarr", chr 8593),
+	("rarr", chr 8594),
+	("darr", chr 8595),
+	("harr", chr 8596),
+	("crarr", chr 8629),
+	("lArr", chr 8656),
+	("uArr", chr 8657),
+	("rArr", chr 8658),
+	("dArr", chr 8659),
+	("hArr", chr 8660),
+	("forall", chr 8704),
+	("part", chr 8706),
+	("exist", chr 8707),
+	("empty", chr 8709),
+	("nabla", chr 8711),
+	("isin", chr 8712),
+	("notin", chr 8713),
+	("ni", chr 8715),
+	("prod", chr 8719),
+	("sum", chr 8721),
+	("minus", chr 8722),
+	("lowast", chr 8727),
+	("radic", chr 8730),
+	("prop", chr 8733),
+	("infin", chr 8734),
+	("ang", chr 8736),
+	("and", chr 8743),
+	("or", chr 8744),
+	("cap", chr 8745),
+	("cup", chr 8746),
+	("int", chr 8747),
+	("there4", chr 8756),
+	("sim", chr 8764),
+	("cong", chr 8773),
+	("asymp", chr 8776),
+	("ne", chr 8800),
+	("equiv", chr 8801),
+	("le", chr 8804),
+	("ge", chr 8805),
+	("sub", chr 8834),
+	("sup", chr 8835),
+	("nsub", chr 8836),
+	("sube", chr 8838),
+	("supe", chr 8839),
+	("oplus", chr 8853),
+	("otimes", chr 8855),
+	("perp", chr 8869),
+	("sdot", chr 8901),
+	("lceil", chr 8968),
+	("rceil", chr 8969),
+	("lfloor", chr 8970),
+	("rfloor", chr 8971),
+	("lang", chr 9001),
+	("rang", chr 9002),
+	("loz", chr 9674),
+	("spades", chr 9824),
+	("clubs", chr 9827),
+	("hearts", chr 9829),
+	("diams", chr 9830)
 	]