Make sure returned TStringBuffers do not change during splitter lifetime. Also make input string reference const

<https://github.com/ydb-platform/ydb/issues/12306>

Make input string reference const

Make sure returned TStringBuffers do not change during splitter lifetime

splitter.Consume() возвращает TStringBuf.

Если в колонке есть ескейпинг кавычек, вся колонка обрамлена двойными кавычками (`"`), а внутри для ескейпинга двойных кавычек используются две идущие подряд двойные кавычки (`""`).

В таком случае вернуть TStringBuf, ссылающийся на кусок входящего TString, не получится, т.к. нужной подстроки в нем не существует.

Для этого используется мембер TVector\<TStringbuf\> CustomStrings. В него накидываются нужные кусочки из исходной строки и в конце складываются в мембер-строку TString CustomString

Например, из строки  `"abc""cde""efg"`  копились кусочки `abc"`, `cde"`, `efg` и в конце склеивались.

И возвращался TStringBuf из этой строки-мембера.

Проблема в том, что если в другой колонке той же строки также встречались кавычки с ескейпингом, эта строка-мембер CustomString очищалась. При том, что на неё всё еще ссылался возвращённый ранее TStringBuf.

В итоге "предыдущий" TStringBuf либо начинал ссылаться на часть новой строки, если новая строка была длиннее, либо на часть новой строки \+ рандомный набор байт в памяти, если новая строка оказывалась короче.

Фикс в том, чтобы хранить все строки, сгенерённые сплиттером, всё время жизни сплиттера
commit_hash:aa4957e1d8030cd48d06eaa16a7ad61e878348f8

2 files changed, 24 insertions, 14 deletions

diff --git a/library/cpp/string_utils/csv/csv.cpp b/library/cpp/string_utils/csv/csv.cpp
index bca9a5d7f1..fd3d932fcd 100644
--- a/library/cpp/string_utils/csv/csv.cpp
+++ b/library/cpp/string_utils/csv/csv.cpp
@@ -4,8 +4,8 @@ TStringBuf NCsvFormat::CsvSplitter::Consume() {
     if (Begin == End) {
         return nullptr;
     }
-    TString::iterator TokenStart = Begin;
-    TString::iterator TokenEnd = Begin;
+    TString::const_iterator TokenStart = Begin;
+    TString::const_iterator TokenEnd = Begin;
     if (Quote == '\0') {
         while (1) {
             if (TokenEnd == End || *TokenEnd == Delimeter) {
@@ -33,21 +33,29 @@ TStringBuf NCsvFormat::CsvSplitter::Consume() {
                 } else if (*(TokenEnd + 1) == Delimeter) {
                     Begin = TokenEnd + 1;
                 } else if (*(TokenEnd + 1) == Quote) {
-                    CustomStringBufs.push_back(TStringBuf(TokenStart, (TokenEnd + 1)));
+                    TempResultParts.push_back(TStringBuf(TokenStart, (TokenEnd + 1)));
                     TokenEnd += 2;
                     TokenStart = TokenEnd;
                     continue;
                 } else {
                     Y_ENSURE(false, TStringBuf("RFC4180 violation: in escaped string quotation mark must be followed by a delimiter, EOL or another quotation mark"));
                 }
-                if (CustomStringBufs.size()) {
-                    CustomString.clear();
-                    for (auto CustomStringBuf : CustomStringBufs) {
-                        CustomString += TString{ CustomStringBuf };
+                if (TempResultParts.size()) {
+                    auto newEscapedStringPtr = std::make_unique<TString>();
+                    size_t newStringSize = 0;
+                    for (auto tempResultPart : TempResultParts) {
+                        newStringSize += tempResultPart.size();
                     }
-                    CustomString += TString{ TStringBuf(TokenStart, TokenEnd) };
-                    CustomStringBufs.clear();
-                    return TStringBuf(CustomString);
+                    newStringSize += TokenEnd - TokenStart;
+                    newEscapedStringPtr->reserve(newStringSize);
+                    for (auto tempResultPart : TempResultParts) {
+                        *newEscapedStringPtr += TString{ tempResultPart };
+                    }
+                    *newEscapedStringPtr += TString{ TStringBuf(TokenStart, TokenEnd) };
+                    TempResultParts.clear();
+                    // Storing built string so that returned TStringBuf won't change until this splitter is destroyed
+                    TempResults.push_back(std::move(newEscapedStringPtr));
+                    return TStringBuf(*TempResults.back());
                 } else {
                     return TStringBuf(TokenStart, TokenEnd);
                 }
diff --git a/library/cpp/string_utils/csv/csv.h b/library/cpp/string_utils/csv/csv.h
index 8cb96e6bb9..53fdafab1c 100644
--- a/library/cpp/string_utils/csv/csv.h
+++ b/library/cpp/string_utils/csv/csv.h
@@ -5,6 +5,8 @@
 #include <util/generic/vector.h>
 #include <util/stream/input.h>
 
+#include <vector>
+
 /*
     Split string by rfc4180
 */
@@ -24,7 +26,7 @@ namespace NCsvFormat {
 
     class CsvSplitter {
     public:
-        CsvSplitter(TString& data, const char delimeter = ',', const char quote = '"')
+        CsvSplitter(const TString& data, const char delimeter = ',', const char quote = '"')
         // quote = '\0' ignores quoting in values and words like simple split
             : Delimeter(delimeter)
             , Quote(quote)
@@ -56,9 +58,9 @@ namespace NCsvFormat {
     private:
         const char Delimeter;
         const char Quote;
-        TString::iterator Begin;
+        TString::const_iterator Begin;
         const TString::const_iterator End;
-        TString CustomString;
-        TVector<TStringBuf> CustomStringBufs;
+        std::vector<std::unique_ptr<TString>> TempResults; // CsvSplitter lifetime
+        std::vector<TStringBuf> TempResultParts; // Single Consume() method call lifetime
     };
 }