source: icGREP/icgrep-devel/icgrep/UCD/resolve_properties.cpp @ 5685

Last change on this file since 5685 was 5683, checked in by cameron, 2 years ago

Support for \p{property=@identity@}

File size: 11.1 KB
Line 
1/*
2 *  Copyright (c) 2015 International Characters.
3 *  This software is licensed to the public under the Open Software License 3.0.
4 *  icgrep is a trademark of International Characters.
5 */
6#include "resolve_properties.h"
7#include <re/re_alt.h>
8#include <re/re_any.h>
9#include <re/re_name.h>
10#include <re/re_diff.h>
11#include <re/re_start.h>
12#include <re/re_end.h>
13#include <re/re_cc.h>
14#include <re/re_seq.h>
15#include <re/re_assertion.h>
16#include <re/re_parser.h>
17#include "UCD/PropertyAliases.h"
18#include "UCD/PropertyObjects.h"
19#include "UCD/PropertyObjectTable.h"
20#include "UCD/PropertyValueAliases.h"
21#include <llvm/Support/ErrorHandling.h>
22
23using namespace UCD;
24using namespace re;
25using namespace llvm;
26
27namespace UCD {
28   
29void UnicodePropertyExpressionError(std::string errmsg) {
30    llvm::report_fatal_error(errmsg);
31
32}
33
34
35void generateGraphemeClusterBoundaryRule(Name * const &property) {
36    // 3.1.1 Grapheme Cluster Boundary Rules
37#define Behind(x) makeLookBehindAssertion(x)
38#define Ahead(x) makeLookAheadAssertion(x)
39
40//    RE * GCB_Control = makeName("gcb", "cn", Name::Type::UnicodeProperty);
41    RE * GCB_CR = makeName("gcb", "cr", Name::Type::UnicodeProperty);
42    RE * GCB_LF = makeName("gcb", "lf", Name::Type::UnicodeProperty);
43    RE * GCB_Control_CR_LF = makeAlt({GCB_CR, GCB_LF});
44
45    // Break at the start and end of text.
46    RE * GCB_1 = makeStart();
47    RE * GCB_2 = makeEnd();
48    // Do not break between a CR and LF.
49    RE * GCB_3 = makeSeq({Behind(GCB_CR), Ahead(GCB_LF)});
50    // Otherwise, break before and after controls.
51    RE * GCB_4 = Behind(GCB_Control_CR_LF);
52    RE * GCB_5 = Ahead(GCB_Control_CR_LF);
53    RE * GCB_1_5 = makeAlt({GCB_1, GCB_2, makeDiff(makeAlt({GCB_4, GCB_5}), GCB_3)});
54
55    RE * GCB_L = makeName("gcb", "l", Name::Type::UnicodeProperty);
56    RE * GCB_V = makeName("gcb", "v", Name::Type::UnicodeProperty);
57    RE * GCB_LV = makeName("gcb", "lv", Name::Type::UnicodeProperty);
58    RE * GCB_LVT = makeName("gcb", "lvt", Name::Type::UnicodeProperty);
59    RE * GCB_T = makeName("gcb", "t", Name::Type::UnicodeProperty);
60    RE * GCB_RI = makeName("gcb", "ri", Name::Type::UnicodeProperty);
61    // Do not break Hangul syllable sequences.
62    RE * GCB_6 = makeSeq({Behind(GCB_L), Ahead(makeAlt({GCB_L, GCB_V, GCB_LV, GCB_LVT}))});
63    RE * GCB_7 = makeSeq({Behind(makeAlt({GCB_LV, GCB_V})), Ahead(makeAlt({GCB_V, GCB_T}))});
64    RE * GCB_8 = makeSeq({Behind(makeAlt({GCB_LVT, GCB_T})), Ahead(GCB_T)});
65    // Do not break between regional indicator symbols.
66    RE * GCB_8a = makeSeq({Behind(GCB_RI), Ahead(GCB_RI)});
67    // Do not break before extending characters.
68    RE * GCB_9 = Ahead(makeName("gcb", "ex", Name::Type::UnicodeProperty));
69    // Do not break before SpacingMarks, or after Prepend characters.
70    RE * GCB_9a = Ahead(makeName("gcb", "sm", Name::Type::UnicodeProperty));
71    RE * GCB_9b = Behind(makeName("gcb", "pp", Name::Type::UnicodeProperty));
72    RE * GCB_6_9b = makeAlt({GCB_6, GCB_7, GCB_8, GCB_8a, GCB_9, GCB_9a, GCB_9b});
73    // Otherwise, break everywhere.
74    RE * GCB_10 = makeSeq({Behind(makeAny()), Ahead(makeAny())});
75
76    //Name * gcb = makeName("gcb", Name::Type::UnicodeProperty);
77    property->setDefinition(makeAlt({GCB_1_5, makeDiff(GCB_10, GCB_6_9b)}));
78}
79
80bool resolvePropertyDefinition(Name * const property) {
81    if (property->hasNamespace()) {
82        auto propit = alias_map.find(property->getNamespace());
83        if (propit == alias_map.end()) {
84            UnicodePropertyExpressionError("Expected a property name but '" + property->getNamespace() + "' was found instead");
85        }
86        auto theprop = propit->second;
87        if (isa<BinaryPropertyObject>(property_object_table[theprop])){
88            auto valit = Binary_ns::aliases_only_map.find(property->getName());
89            if (valit != Binary_ns::aliases_only_map.end()) {
90                if (valit->second == Binary_ns::N) {
91                    Name * binprop = makeName(property_enum_name[theprop], Name::Type::UnicodeProperty);
92                    property->setDefinition(makeDiff(makeAny(), binprop));
93                    return true;
94                }
95            }
96        }
97    } else {
98        const std::string value = property->getName();
99        // Try special cases of Unicode TR #18
100        if (value == "any") {
101            property->setDefinition(makeAny());
102            return true;
103        } else if (value == "ascii") {
104            property->setDefinition(makeName("blk", "ascii", Name::Type::UnicodeProperty));
105            return true;
106        } else if (value == "assigned") {
107            Name * unassigned = makeName("cn", Name::Type::UnicodeProperty);
108            property->setDefinition(makeDiff(makeAny(), unassigned));
109            return true;
110        } else if (value == "GCB" || value == "NonGCB"){
111            generateGraphemeClusterBoundaryRule(property);
112            return true;
113        }
114    }
115    return false;
116}
117
118const std::string & getPropertyValueGrepString(const std::string & prop) {
119    auto propit = alias_map.find(canonicalize_value_name(prop));
120    if (propit == alias_map.end()) {
121        UnicodePropertyExpressionError("Expected a property name, but '" + prop + "' found instead");
122    }
123    auto theprop = propit->second;
124    if (EnumeratedPropertyObject * p = dyn_cast<EnumeratedPropertyObject>(property_object_table[theprop])){
125        return p->GetPropertyValueGrepString();
126    } else if (BinaryPropertyObject * p = dyn_cast<BinaryPropertyObject>(property_object_table[theprop])) {
127        return p->GetPropertyValueGrepString();
128    }
129
130    UnicodePropertyExpressionError("Property " + property_full_name[theprop] + " recognized but not supported in icgrep 1.0");
131}
132
133UnicodeSet resolveUnicodeSet(Name * const name) {
134    if (name->getType() == Name::Type::UnicodeProperty) {
135        std::string prop = name->getNamespace();
136        std::string value = name->getName();
137        if (prop.length() > 0) {
138            prop = canonicalize_value_name(prop);
139            auto propit = alias_map.find(prop);
140            if (propit == alias_map.end()) {
141                UnicodePropertyExpressionError("Expected a property name, but '" + name->getNamespace() + "' found instead");
142            }
143            auto propObj = property_object_table[propit->second];
144            if ((value.length() > 0) && (value[0] == '/')) {
145                // resolve a regular expression
146                re::RE * propValueRe = RE_Parser::parse(value.substr(1), re::DEFAULT_MODE, re::PCRE);
147                return propObj->GetCodepointSetMatchingPattern(propValueRe);
148            }
149            if ((value.length() > 0) && (value[0] == '@')) {
150                // resolve a @property@ or @identity@ expression.
151                std::string otherProp = canonicalize_value_name(value.substr(1));
152                if (otherProp == "identity") {
153                    return propObj->GetReflexiveSet();
154                }
155                auto propit = alias_map.find(prop);
156                if (propit == alias_map.end()) {
157                    UnicodePropertyExpressionError("Expected a property name, but '" + value.substr(1) + "' found instead");
158                }
159                auto propObj2 = property_object_table[propit->second];
160                if (isa<BinaryPropertyObject>(propObj) && isa<BinaryPropertyObject>(propObj2)) {
161                    return ~(cast<BinaryPropertyObject>(propObj)->GetCodepointSet(UCD::Binary_ns::Y) ^
162                             cast<BinaryPropertyObject>(propObj2)->GetCodepointSet(UCD::Binary_ns::Y));
163                }
164                else {
165                    UnicodePropertyExpressionError("unsupported");
166                }
167            }
168            else {
169                return propObj->GetCodepointSet(value);
170            }
171        }
172        else {
173            // No namespace (property) name.   Try as a general category.
174            const auto & gcobj = cast<EnumeratedPropertyObject>(property_object_table[gc]);
175            int valcode = gcobj->GetPropertyValueEnumCode(value);
176            if (valcode >= 0) {
177                return gcobj->GetCodepointSet(valcode);
178            }
179            const auto & scObj = cast<EnumeratedPropertyObject>(property_object_table[sc]);
180            valcode = scObj->GetPropertyValueEnumCode(value);
181            if (valcode >= 0) {
182                return scObj->GetCodepointSet(valcode);
183            }
184            // Try as a binary property.
185            auto propit = alias_map.find(value);
186            if (propit != alias_map.end()) {
187                auto theprop = propit->second;
188                if (BinaryPropertyObject * p = dyn_cast<BinaryPropertyObject>(property_object_table[theprop])) {
189                    return p->GetCodepointSet(Binary_ns::Y);
190                }
191                else {
192                    UnicodePropertyExpressionError("Error: property " + property_full_name[theprop] + " specified without a value");
193                }
194            }
195            // Try special cases of Unicode TR #18
196            // Now compatibility properties of UTR #18 Annex C
197                   
198            else if (value == "alnum") {
199                Name * digit = makeName("nd", Name::Type::UnicodeProperty);
200                Name * alpha = makeName("alphabetic", Name::Type::UnicodeProperty);
201                return resolveUnicodeSet(digit) + resolveUnicodeSet(alpha);
202            } else if (value == "xdigit") {
203                Name * digit = makeName("nd", Name::Type::UnicodeProperty);
204                Name * hexdigit = makeName("hexdigit", Name::Type::UnicodeProperty);
205                return resolveUnicodeSet(digit) + resolveUnicodeSet(hexdigit);
206            } else if (value == "blank") {
207                Name * space_sep = makeName("space_separator", Name::Type::UnicodeProperty);
208                return resolveUnicodeSet(space_sep) + UnicodeSet(0x09) /* tab */;
209            } else if (value == "print") {
210                Name * graph = makeName("graph", Name::Type::UnicodeProperty);
211                Name * space_sep = makeName("space_separator", Name::Type::UnicodeProperty);
212                return resolveUnicodeSet(graph) + resolveUnicodeSet(space_sep);
213            } else if (value == "word") {
214                Name * alnum = makeName("alnum", Name::Type::UnicodeProperty);
215                Name * mark = makeName("mark", Name::Type::UnicodeProperty);
216                Name * conn = makeName("connectorpunctuation", Name::Type::UnicodeProperty);
217                Name * join = makeName("joincontrol", Name::Type::UnicodeProperty);
218                return resolveUnicodeSet(alnum) + resolveUnicodeSet(mark) + resolveUnicodeSet(conn) + resolveUnicodeSet(join);
219            } else if (value == "graph") {
220                Name * space = makeName("space", Name::Type::UnicodeProperty);
221                Name * ctrl = makeName("control", Name::Type::UnicodeProperty);
222                Name * surr = makeName("surrogate", Name::Type::UnicodeProperty);
223                Name * unassigned = makeName("cn", Name::Type::UnicodeProperty);
224                return ~(resolveUnicodeSet(space) + resolveUnicodeSet(ctrl) + resolveUnicodeSet(surr) + resolveUnicodeSet(unassigned));
225            }
226
227
228        }
229    }
230    UnicodePropertyExpressionError("Expected a general category, script or binary property name, but '" + name->getName() + "' found instead");
231}
232
233}
Note: See TracBrowser for help on using the repository browser.