source: icGREP/icgrep-devel/icgrep/grep_engine.cpp @ 5048

Last change on this file since 5048 was 5048, checked in by cameron, 3 years ago

Clean out vestigial finalLineUnterminated logic in grep_engine

File size: 10.3 KB
Line 
1/*
2 *  Copyright (c) 2016 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
7#include <grep_engine.h>
8#include <IDISA/idisa_builder.h>
9#include <IDISA/idisa_target.h>
10#include <llvm/Support/CommandLine.h>
11#include <re/re_toolchain.h>
12#include <re/re_cc.h>
13
14#include <pablo/pablo_toolchain.h>
15#include <toolchain.h>
16#include <utf_encoding.h>
17#include <pablo/pablo_compiler.h>
18#include <kernels/pipeline.h>
19#include <llvm/IR/Function.h>
20#include <llvm/IR/Type.h>
21#include <llvm/IR/Module.h>
22#include <llvm/ExecutionEngine/MCJIT.h>
23#include <llvm/IRReader/IRReader.h>
24#include <llvm/Support/Debug.h>
25#include <llvm/IR/Verifier.h>
26#include <UCD/UnicodeNameData.h>
27
28#include <fstream>
29#include <sstream>
30#include <iostream>
31#include <string>
32#include <stdint.h>
33
34#include <stdio.h>
35#include <stdlib.h>
36#include <unistd.h>
37#include <errno.h>
38#include <sys/types.h>
39#include <sys/stat.h>
40#include <stdexcept>
41#include <cctype>
42
43
44#include <llvm/Support/raw_os_ostream.h>
45
46// mmap system
47#include <boost/filesystem.hpp>
48#include <boost/iostreams/device/mapped_file.hpp>
49using namespace boost::iostreams;
50using namespace boost::filesystem;
51
52#include <fcntl.h>
53
54#include <kernels/kernel.h>
55
56static cl::OptionCategory bGrepOutputOptions("Output Options",
57                                             "These options control the output.");
58
59static cl::opt<bool> NormalizeLineBreaks("normalize-line-breaks", cl::desc("Normalize line breaks to std::endl."), cl::init(false),  cl::cat(bGrepOutputOptions));
60
61static cl::opt<bool> ShowFileNames("H", cl::desc("Show the file name with each matching line."), cl::cat(bGrepOutputOptions));
62static cl::alias ShowFileNamesLong("with-filename", cl::desc("Alias for -H"), cl::aliasopt(ShowFileNames));
63
64static cl::opt<bool> ShowLineNumbers("n", cl::desc("Show the line number with each matching line."), cl::cat(bGrepOutputOptions));
65static cl::alias ShowLineNumbersLong("line-number", cl::desc("Alias for -n"), cl::aliasopt(ShowLineNumbers));
66
67
68bool isUTF_16 = false;
69
70void GrepEngine::doGrep(const std::string & fileName, const int fileIdx, bool CountOnly, std::vector<uint64_t> & total_CountOnly, bool UTF_16) {
71    path file(fileName);
72    if (exists(file)) {
73        if (is_directory(file)) {
74            return;
75        }
76    } else {
77        std::cerr << "Error: cannot open " << fileName << " for processing. Skipped.\n";
78        return;
79    }
80
81    const auto fileSize = file_size(file);
82    if (fileSize > 0) {
83        try {
84            mapped_file_source source(fileName, fileSize, 0);
85            char * fileBuffer = const_cast<char *>(source.data());
86            if (CountOnly) {
87                total_CountOnly[fileIdx] = mGrepFunction_CountOnly(fileBuffer, fileSize, fileIdx);
88            } else {
89                mGrepFunction(fileBuffer, fileSize, fileIdx);
90            }
91            source.close();
92        } catch (std::exception & e) {
93            throw std::runtime_error("Boost mmap error: " + fileName + ": " + e.what());
94        }
95    } else {
96        if (CountOnly) {
97            mGrepFunction_CountOnly(nullptr, 0, fileIdx);
98        } else {
99            mGrepFunction(nullptr, 0, fileIdx);
100        }
101    }
102}
103
104
105void GrepEngine::grepCodeGen(std::string moduleName, re::RE * re_ast, bool CountOnly, bool UTF_16, bool isNameExpression) {
106    isUTF_16 = UTF_16; 
107    Module * M = new Module(moduleName, getGlobalContext());
108   
109    IDISA::IDISA_Builder * idb = IDISA::GetIDISA_Builder(M);
110
111    kernel::PipelineBuilder pipelineBuilder(M, idb);
112
113    Encoding::Type type;
114    type = UTF_16 ? Encoding::Type::UTF_16 : Encoding::Type::UTF_8;
115    unsigned bits;
116    bits = UTF_16 ? 16 : 8;
117
118    Encoding encoding(type, bits);
119
120    mIsNameExpression = isNameExpression;
121    re_ast = re::regular_expression_passes(encoding, re_ast);   
122    pablo::PabloFunction * function = re::re2pablo_compiler(encoding, re_ast);
123   
124
125    pipelineBuilder.CreateKernels(function, UTF_16, isNameExpression);
126
127    llvm::Function * grepIR = pipelineBuilder.ExecuteKernels(CountOnly, UTF_16);
128
129    mEngine = JIT_to_ExecutionEngine(M);
130    ApplyObjectCache(mEngine);
131    icgrep_Linking(M, mEngine);
132   
133    #ifndef NDEBUG
134    verifyModule(*M, &dbgs());
135    #endif
136
137    mEngine->finalizeObject();
138    delete idb;
139
140    if (CountOnly) {
141        mGrepFunction_CountOnly = reinterpret_cast<GrepFunctionType_CountOnly>(mEngine->getPointerToFunction(grepIR));
142    } else {
143        mGrepFunction = reinterpret_cast<GrepFunctionType>(mEngine->getPointerToFunction(grepIR));
144    }
145
146}
147
148
149
150re::CC *  GrepEngine::grepCodepoints() {
151
152    setParsedCodePointSet();
153    char * mFileBuffer = getUnicodeNameDataPtr();
154    size_t mFileSize = getUnicodeNameDataSize();
155    std::string mFileName = "Uname.txt";
156
157    mGrepFunction(mFileBuffer, mFileSize, 0);
158
159    return getParsedCodePointSet();
160}
161
162GrepEngine::~GrepEngine() {
163    delete mEngine;
164}
165
166
167static int * total_count;
168static std::stringstream * resultStrs = nullptr;
169static std::vector<std::string> inputFiles;
170
171void initResult(std::vector<std::string> filenames){
172    const int n = filenames.size();
173    if (n > 1) {
174        ShowFileNames = true;
175    }
176    inputFiles = filenames;
177    resultStrs = new std::stringstream[n];
178    total_count = new int[n];
179    for (unsigned i = 0; i < inputFiles.size(); ++i){
180        total_count[i] = 0;
181    }
182   
183}
184
185extern "C" {
186    void wrapped_report_match(uint64_t lineNum, uint64_t line_start, uint64_t line_end, const char * buffer, uint64_t filesize, int fileIdx) {
187        int index = isUTF_16 ? 2 : 1;
188        int idx = fileIdx;
189         
190        if (ShowFileNames) {
191            resultStrs[idx] << inputFiles[idx] << ':';
192        }
193        if (ShowLineNumbers) {
194            resultStrs[idx] << lineNum << ":";
195        }
196       
197        if ((!isUTF_16 && buffer[line_start] == 0xA) && (line_start != line_end)) {
198            // The line "starts" on the LF of a CRLF.  Really the end of the last line.
199            line_start++;
200        }
201        if (((isUTF_16 && buffer[line_start] == 0x0) && buffer[line_start + 1] == 0xA) && (line_start != line_end)) {
202            // The line "starts" on the LF of a CRLF.  Really the end of the last line.
203            line_start += 2;
204        }
205        if (line_end == filesize) {
206            // The match position is at end-of-file.   We have a final unterminated line.
207            resultStrs[idx].write(&buffer[line_start * index], (line_end - line_start) * index);
208            if (NormalizeLineBreaks) {
209                resultStrs[idx] << '\n';  // terminate it
210            }
211            return;
212        }
213        unsigned char end_byte = (unsigned char)buffer[line_end]; 
214        unsigned char penult_byte = (unsigned char)(buffer[line_end - 1]);
215        if (NormalizeLineBreaks) {
216            if (end_byte == 0x85) {
217                // Line terminated with NEL, on the second byte.  Back up 1.
218                line_end--;
219            } else if (end_byte > 0xD) {
220                // Line terminated with PS or LS, on the third byte.  Back up 2.
221                isUTF_16 ? line_end-- : line_end -= 2;
222            }
223            resultStrs[idx].write(&buffer[line_start * index], (line_end - line_start) * index);
224            resultStrs[idx] << '\n';
225        }
226        else {   
227            if ((!isUTF_16 && end_byte == 0x0D) || (isUTF_16 && (end_byte == 0x0D && penult_byte == 0x0))) {
228                // Check for line_end on first byte of CRLF;  note that we don't
229                // want to access past the end of buffer.
230                if (line_end + 1 < filesize) {
231                    if (!isUTF_16 && buffer[line_end + 1] == 0x0A) {
232                        // Found CRLF; preserve both bytes.
233                        line_end++;
234                    }
235                    if (isUTF_16 && buffer[line_end + 1] == 0x0 && buffer[line_end + 2] == 0x0A) {
236                        // Found CRLF; preserve both bytes.
237                        line_end += 2;
238                    }
239                }
240            }
241            resultStrs[idx].write(&buffer[line_start * index], (line_end - line_start + 1) * index);
242        }
243    }
244}
245
246void PrintResult(bool CountOnly, std::vector<uint64_t> & total_CountOnly){
247    if(CountOnly){
248        if (!ShowFileNames) {
249            for (unsigned i = 0; i < inputFiles.size(); ++i){
250                std::cout << total_CountOnly[i] << std::endl;
251            }
252        }
253        else {
254            for (unsigned i = 0; i < inputFiles.size(); ++i){
255                std::cout << inputFiles[i] << ':' << total_CountOnly[i] << std::endl;
256            };
257        }
258        return;
259    }
260   
261    for (unsigned i = 0; i < inputFiles.size(); ++i){
262        std::cout << resultStrs[i].str();
263    }
264}
265
266re::CC * parsedCodePointSet;
267
268extern "C" {
269    void insert_codepoints(uint64_t lineNum, uint64_t line_start, uint64_t line_end, const char * buffer) {
270        re::codepoint_t c = 0;
271        ssize_t line_pos = line_start;
272        while (isxdigit(buffer[line_pos])) {
273            if (isdigit(buffer[line_pos])) {
274                c = (c << 4) | (buffer[line_pos] - '0');
275            }
276            else {
277                c = (c << 4) | (tolower(buffer[line_pos]) - 'a' + 10);
278            }
279            line_pos++;
280        }
281        assert(((line_pos - line_start) >= 4) && ((line_pos - line_start) <= 6)); // UCD format 4 to 6 hex digits.       
282        parsedCodePointSet->insert(c);
283    }
284}
285
286void setParsedCodePointSet(){
287    parsedCodePointSet = re::makeCC();
288}
289
290re::CC * getParsedCodePointSet(){
291    return parsedCodePointSet;
292}
293
294
295
296
297void icgrep_Linking(Module * m, ExecutionEngine * e) {
298    Module::FunctionListType & fns = m->getFunctionList();
299    for (Module::FunctionListType::iterator it = fns.begin(), it_end = fns.end(); it != it_end; ++it) {
300        std::string fnName = it->getName().str();
301        if (fnName == "s2p_block") continue;
302        if (fnName == "process_block") continue;
303        if (fnName == "process_block_initialize_carries") continue;
304       
305        if (fnName == "wrapped_report_match") {
306            e->addGlobalMapping(cast<GlobalValue>(it), (void *)&wrapped_report_match);
307        }
308        if (fnName == "insert_codepoints") {
309            e->addGlobalMapping(cast<GlobalValue>(it), (void *)&insert_codepoints);
310        }
311#ifndef DISABLE_PREGENERATED_UCD_FUNCTIONS
312        else {
313            const UCD::ExternalProperty & ep = UCD::resolveExternalProperty(fnName);
314            e->addGlobalMapping(cast<GlobalValue>(it), std::get<0>(ep));
315        }
316#endif
317    }
318}
319
Note: See TracBrowser for help on using the repository browser.