source: icGREP/icgrep-devel/icgrep/UCD/resolve_properties.cpp @ 6194

Last change on this file since 6194 was 6194, checked in by cameron, 5 months ago

Canonicalize property names for lookup

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/parsers/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#include <llvm/Support/raw_ostream.h>
27
28using namespace UCD;
29using namespace re;
30using namespace llvm;
31
32namespace UCD {
33   
34void UnicodePropertyExpressionError(std::string errmsg) {
35    llvm::report_fatal_error(errmsg);
36}
37
38bool resolvePropertyDefinition(Name * const property) {
39    if (property->hasNamespace()) {
40        auto propit = alias_map.find(property->getNamespace());
41        if (propit == alias_map.end()) {
42            UnicodePropertyExpressionError("Expected a property name but '" + property->getNamespace() + "' was found instead");
43        }
44        auto theprop = propit->second;
45        if (isa<BinaryPropertyObject>(property_object_table[theprop])){
46            auto valit = Binary_ns::aliases_only_map.find(property->getName());
47            if (valit != Binary_ns::aliases_only_map.end()) {
48                if (valit->second == Binary_ns::N) {
49                    Name * binprop = makeName(property_enum_name[theprop], Name::Type::UnicodeProperty);
50                    property->setDefinition(makeDiff(makeAny(), binprop));
51                    return true;
52                }
53            }
54        }
55    } else {
56        const std::string value = property->getName();
57        // Try special cases of Unicode TR #18
58        if ((value == "any") || (value == ".")) {
59            property->setDefinition(makeCC(0, 0x10FFFF));
60            return true;
61        } else if (value == "ascii") {
62            property->setDefinition(makeName("blk", "ascii", Name::Type::UnicodeProperty));
63            return true;
64        } else if (value == "assigned") {
65            Name * unassigned = makeName("cn", Name::Type::UnicodeProperty);
66            property->setDefinition(makeDiff(makeAny(), unassigned));
67            return true;
68        } else if (value == "\\b{g}") {
69            RE * gcb = generateGraphemeClusterBoundaryRule();
70            property->setDefinition(resolveUnicodeNames(gcb));
71            return true;
72        } else if (value == "^s") {  // "start anchor (^) in single-line mode"
73            property->setDefinition(makeNegativeLookBehindAssertion(makeCC(0, 0x10FFFF)));
74            return true;
75        } else if (value == "$s") { // "end anchor ($) in single-line mode"
76            property->setDefinition(makeNegativeLookAheadAssertion(makeCC(0, 0x10FFFF)));
77            return true;
78        }
79    }
80    return false;
81}
82
83const std::string & getPropertyValueGrepString(const std::string & prop) {
84    auto propit = alias_map.find(canonicalize_value_name(prop));
85    if (propit == alias_map.end()) {
86        UnicodePropertyExpressionError("Expected a property name, but '" + prop + "' found instead");
87    }
88    auto theprop = propit->second;
89    if (EnumeratedPropertyObject * p = dyn_cast<EnumeratedPropertyObject>(property_object_table[theprop])){
90        return p->GetPropertyValueGrepString();
91    } else if (BinaryPropertyObject * p = dyn_cast<BinaryPropertyObject>(property_object_table[theprop])) {
92        return p->GetPropertyValueGrepString();
93    }
94
95    UnicodePropertyExpressionError("Property " + property_full_name[theprop] + " recognized but not supported in icgrep 1.0");
96}
97
98UnicodeSet resolveUnicodeSet(Name * const name) {
99    if (name->getType() == Name::Type::UnicodeProperty) {
100        std::string prop = name->getNamespace();
101        std::string value = name->getName();
102        llvm::errs() << "resolveUnicodeSet(" << prop << ":" << value << ")\n";
103        if (prop.length() > 0) {
104            prop = canonicalize_value_name(prop);
105            auto propit = alias_map.find(prop);
106            if (propit == alias_map.end()) {
107                UnicodePropertyExpressionError("Expected a property name, but '" + name->getNamespace() + "' found instead");
108            }
109            auto propObj = property_object_table[propit->second];
110            if ((value.length() > 0) && (value[0] == '/')) {
111                // resolve a regular expression
112                re::RE * propValueRe = RE_Parser::parse(value.substr(1), re::DEFAULT_MODE, re::PCRE, false);
113                propValueRe = re::resolveUnicodeNames(propValueRe);  // Recursive name resolution may be required.
114                return propObj->GetCodepointSetMatchingPattern(propValueRe);
115            }
116            if ((value.length() > 0) && (value[0] == '@')) {
117                // resolve a @property@ or @identity@ expression.
118                std::string otherProp = canonicalize_value_name(value.substr(1));
119                if (otherProp == "identity") {
120                    return propObj->GetReflexiveSet();
121                }
122                auto propit = alias_map.find(prop);
123                if (propit == alias_map.end()) {
124                    UnicodePropertyExpressionError("Expected a property name, but '" + value.substr(1) + "' found instead");
125                }
126                auto propObj2 = property_object_table[propit->second];
127                if (isa<BinaryPropertyObject>(propObj) && isa<BinaryPropertyObject>(propObj2)) {
128                    return ~(cast<BinaryPropertyObject>(propObj)->GetCodepointSet(UCD::Binary_ns::Y) ^
129                             cast<BinaryPropertyObject>(propObj2)->GetCodepointSet(UCD::Binary_ns::Y));
130                }
131                else {
132                    UnicodePropertyExpressionError("unsupported");
133                }
134            }
135            else {
136                return propObj->GetCodepointSet(value);
137            }
138        }
139        else {
140            // No namespace (property) name.   Try as a general category.
141            std::string canon = canonicalize_value_name(value);
142            const auto & gcobj = cast<EnumeratedPropertyObject>(property_object_table[gc]);
143            int valcode = gcobj->GetPropertyValueEnumCode(canon);
144            if (valcode >= 0) {
145                return gcobj->GetCodepointSet(valcode);
146            }
147            const auto & scObj = cast<EnumeratedPropertyObject>(property_object_table[sc]);
148            valcode = scObj->GetPropertyValueEnumCode(canon);
149            if (valcode >= 0) {
150                return scObj->GetCodepointSet(valcode);
151            }
152            // Try as a binary property.
153           
154            auto propit = alias_map.find(canon);
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 (canon == ".") return UnicodeSet(0, 0x10FFFF);
168            else if (canon == "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 (canon == "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 (canon == "blank") {
177                Name * space_sep = makeName("space_separator", Name::Type::UnicodeProperty);
178                return resolveUnicodeSet(space_sep) + UnicodeSet(0x09) /* tab */;
179            } else if (canon == "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 (canon == "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 (canon == "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.