source: icGREP/icgrep-devel/icgrep/UCD/resolve_properties.cpp @ 5880

Last change on this file since 5880 was 5880, checked in by cameron, 14 months ago

Grapheme cluster support: represent B{g} using Seq{} - b{g}; parser cleanups

File size: 9.6 KB
Line 
1/*
2 *  Copyright (c) 2018 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 <re/re_re.h>
7#include "resolve_properties.h"
8#include <re/re_alt.h>
9#include <re/re_any.h>
10#include <re/re_name.h>
11#include <re/re_diff.h>
12#include <re/re_start.h>
13#include <re/re_end.h>
14#include <re/re_cc.h>
15#include <re/re_seq.h>
16#include <re/re_assertion.h>
17#include <re/re_parser.h>
18#include <re/re_name_resolve.h>
19#include <re/grapheme_clusters.h>
20#include <re/re_compiler.h>
21#include "UCD/PropertyAliases.h"
22#include "UCD/PropertyObjects.h"
23#include "UCD/PropertyObjectTable.h"
24#include "UCD/PropertyValueAliases.h"
25#include <llvm/Support/ErrorHandling.h>
26
27using namespace UCD;
28using namespace re;
29using namespace llvm;
30
31namespace UCD {
32   
33void UnicodePropertyExpressionError(std::string errmsg) {
34    llvm::report_fatal_error(errmsg);
35}
36   
37   
38RE * UnicodeBreakRE() {
39    return makeAlt({makeCC(0x0A, 0x0C), makeSeq({makeCC(0x0D), makeCC(0x0A)}), makeSeq({makeCC(0x0D), makeNegativeLookAheadAssertion(makeCC(0x0A))})});
40}
41
42bool resolvePropertyDefinition(Name * const property) {
43    if (property->hasNamespace()) {
44        auto propit = alias_map.find(property->getNamespace());
45        if (propit == alias_map.end()) {
46            UnicodePropertyExpressionError("Expected a property name but '" + property->getNamespace() + "' was found instead");
47        }
48        auto theprop = propit->second;
49        if (isa<BinaryPropertyObject>(property_object_table[theprop])){
50            auto valit = Binary_ns::aliases_only_map.find(property->getName());
51            if (valit != Binary_ns::aliases_only_map.end()) {
52                if (valit->second == Binary_ns::N) {
53                    Name * binprop = makeName(property_enum_name[theprop], Name::Type::UnicodeProperty);
54                    property->setDefinition(makeDiff(makeAny(), binprop));
55                    return true;
56                }
57            }
58        }
59    } else {
60        const std::string value = property->getName();
61        // Try special cases of Unicode TR #18
62        if ((value == "any") || (value == ".")) {
63            property->setDefinition(makeCC(0, 0x10FFFF));
64            return true;
65        } else if (value == "ascii") {
66            property->setDefinition(makeName("blk", "ascii", Name::Type::UnicodeProperty));
67            return true;
68        } else if (value == "assigned") {
69            Name * unassigned = makeName("cn", Name::Type::UnicodeProperty);
70            property->setDefinition(makeDiff(makeAny(), unassigned));
71            return true;
72        } else if (value == "\\b{g}") {
73            generateGraphemeClusterBoundaryRule(property);
74            return true;
75        } else if (value == "^s") {  // "start anchor (^) in single-line mode"
76            property->setDefinition(makeNegativeLookBehindAssertion(makeCC(0, 0x10FFFF)));
77            return true;
78        } else if (value == "$s") { // "end anchor ($) in single-line mode"
79            property->setDefinition(makeNegativeLookAheadAssertion(makeCC(0, 0x10FFFF)));
80            return true;
81        }
82    }
83    return false;
84}
85
86const std::string & getPropertyValueGrepString(const std::string & prop) {
87    auto propit = alias_map.find(canonicalize_value_name(prop));
88    if (propit == alias_map.end()) {
89        UnicodePropertyExpressionError("Expected a property name, but '" + prop + "' found instead");
90    }
91    auto theprop = propit->second;
92    if (EnumeratedPropertyObject * p = dyn_cast<EnumeratedPropertyObject>(property_object_table[theprop])){
93        return p->GetPropertyValueGrepString();
94    } else if (BinaryPropertyObject * p = dyn_cast<BinaryPropertyObject>(property_object_table[theprop])) {
95        return p->GetPropertyValueGrepString();
96    }
97
98    UnicodePropertyExpressionError("Property " + property_full_name[theprop] + " recognized but not supported in icgrep 1.0");
99}
100
101UnicodeSet resolveUnicodeSet(Name * const name) {
102    if (name->getType() == Name::Type::UnicodeProperty) {
103        std::string prop = name->getNamespace();
104        std::string value = name->getName();
105        if (prop.length() > 0) {
106            prop = canonicalize_value_name(prop);
107            auto propit = alias_map.find(prop);
108            if (propit == alias_map.end()) {
109                UnicodePropertyExpressionError("Expected a property name, but '" + name->getNamespace() + "' found instead");
110            }
111            auto propObj = property_object_table[propit->second];
112            if ((value.length() > 0) && (value[0] == '/')) {
113                // resolve a regular expression
114                re::RE * propValueRe = RE_Parser::parse(value.substr(1), re::DEFAULT_MODE, re::PCRE, false);
115                propValueRe = re::resolveNames(propValueRe);  // Recursive name resolution may be required.
116                return propObj->GetCodepointSetMatchingPattern(propValueRe);
117            }
118            if ((value.length() > 0) && (value[0] == '@')) {
119                // resolve a @property@ or @identity@ expression.
120                std::string otherProp = canonicalize_value_name(value.substr(1));
121                if (otherProp == "identity") {
122                    return propObj->GetReflexiveSet();
123                }
124                auto propit = alias_map.find(prop);
125                if (propit == alias_map.end()) {
126                    UnicodePropertyExpressionError("Expected a property name, but '" + value.substr(1) + "' found instead");
127                }
128                auto propObj2 = property_object_table[propit->second];
129                if (isa<BinaryPropertyObject>(propObj) && isa<BinaryPropertyObject>(propObj2)) {
130                    return ~(cast<BinaryPropertyObject>(propObj)->GetCodepointSet(UCD::Binary_ns::Y) ^
131                             cast<BinaryPropertyObject>(propObj2)->GetCodepointSet(UCD::Binary_ns::Y));
132                }
133                else {
134                    UnicodePropertyExpressionError("unsupported");
135                }
136            }
137            else {
138                return propObj->GetCodepointSet(value);
139            }
140        }
141        else {
142            // No namespace (property) name.   Try as a general category.
143            const auto & gcobj = cast<EnumeratedPropertyObject>(property_object_table[gc]);
144            int valcode = gcobj->GetPropertyValueEnumCode(value);
145            if (valcode >= 0) {
146                return gcobj->GetCodepointSet(valcode);
147            }
148            const auto & scObj = cast<EnumeratedPropertyObject>(property_object_table[sc]);
149            valcode = scObj->GetPropertyValueEnumCode(value);
150            if (valcode >= 0) {
151                return scObj->GetCodepointSet(valcode);
152            }
153            // Try as a binary property.
154            auto propit = alias_map.find(value);
155            if (propit != alias_map.end()) {
156                auto theprop = propit->second;
157                if (BinaryPropertyObject * p = dyn_cast<BinaryPropertyObject>(property_object_table[theprop])) {
158                    return p->GetCodepointSet(Binary_ns::Y);
159                }
160                else {
161                    UnicodePropertyExpressionError("Error: property " + property_full_name[theprop] + " specified without a value");
162                }
163            }
164            // Try special cases of Unicode TR #18
165            // Now compatibility properties of UTR #18 Annex C
166                   
167            else if (value == ".") return UnicodeSet(0, 0x10FFFF);
168            else if (value == "alnum") {
169                Name * digit = makeName("nd", Name::Type::UnicodeProperty);
170                Name * alpha = makeName("alphabetic", Name::Type::UnicodeProperty);
171                return resolveUnicodeSet(digit) + resolveUnicodeSet(alpha);
172            } else if (value == "xdigit") {
173                Name * digit = makeName("nd", Name::Type::UnicodeProperty);
174                Name * hexdigit = makeName("hexdigit", Name::Type::UnicodeProperty);
175                return resolveUnicodeSet(digit) + resolveUnicodeSet(hexdigit);
176            } else if (value == "blank") {
177                Name * space_sep = makeName("space_separator", Name::Type::UnicodeProperty);
178                return resolveUnicodeSet(space_sep) + UnicodeSet(0x09) /* tab */;
179            } else if (value == "print") {
180                Name * graph = makeName("graph", Name::Type::UnicodeProperty);
181                Name * space_sep = makeName("space_separator", Name::Type::UnicodeProperty);
182                return resolveUnicodeSet(graph) + resolveUnicodeSet(space_sep);
183            } else if (value == "word") {
184                Name * alnum = makeName("alnum", Name::Type::UnicodeProperty);
185                Name * mark = makeName("mark", Name::Type::UnicodeProperty);
186                Name * conn = makeName("connectorpunctuation", Name::Type::UnicodeProperty);
187                Name * join = makeName("joincontrol", Name::Type::UnicodeProperty);
188                return resolveUnicodeSet(alnum) + resolveUnicodeSet(mark) + resolveUnicodeSet(conn) + resolveUnicodeSet(join);
189            } else if (value == "graph") {
190                Name * space = makeName("space", Name::Type::UnicodeProperty);
191                Name * ctrl = makeName("control", Name::Type::UnicodeProperty);
192                Name * surr = makeName("surrogate", Name::Type::UnicodeProperty);
193                Name * unassigned = makeName("cn", Name::Type::UnicodeProperty);
194                return ~(resolveUnicodeSet(space) + resolveUnicodeSet(ctrl) + resolveUnicodeSet(surr) + resolveUnicodeSet(unassigned));
195            }
196
197
198        }
199    }
200    UnicodePropertyExpressionError("Expected a general category, script or binary property name, but '" + name->getName() + "' found instead");
201}
202
203}
Note: See TracBrowser for help on using the repository browser.