source: icGREP/icgrep-devel/icgrep/re/re_compiler.cpp @ 4815

Last change on this file since 4815 was 4815, checked in by nmedfort, 4 years ago

Bug fixes and removal of byte class compiler.

File size: 31.7 KB
Line 
1/*
2 *  Copyright (c) 2014 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_compiler.h>
7//Regular Expressions
8#include <re/re_name.h>
9#include <re/re_any.h>
10#include <re/re_start.h>
11#include <re/re_end.h>
12#include <re/re_alt.h>
13#include <re/re_cc.h>
14#include <re/re_seq.h>
15#include <re/re_rep.h>
16#include <re/re_diff.h>
17#include <re/re_intersect.h>
18#include <re/re_assertion.h>
19#include <re/re_analysis.h>
20#include <cc/cc_namemap.hpp>
21#include <pablo/codegenstate.h>
22#include <UCD/ucd_compiler.hpp>
23#include <UCD/resolve_properties.h>
24#ifndef DISABLE_PREGENERATED_UCD_FUNCTIONS
25#include <UCD/precompiled_properties.h>
26#endif
27#include <assert.h>
28#include <stdexcept>
29#include <iostream>
30#include <pablo/printer_pablos.h>
31
32#include "llvm/Support/CommandLine.h"
33static cl::OptionCategory fREcompilationOptions("Regex Compilation Options",
34                                      "These options control the compilation of regular expressions to Pablo.");
35
36static cl::opt<bool> DisableLog2BoundedRepetition("disable-log2-bounded-repetition", cl::init(false),
37                     cl::desc("disable log2 optimizations for bounded repetition of bytes"), cl::cat(fREcompilationOptions));
38static cl::opt<int> IfInsertionGap("if-insertion-gap", cl::init(3), cl::desc("minimum number of nonempty elements between inserted if short-circuit tests"), cl::cat(fREcompilationOptions));
39static cl::opt<bool> DisableMatchStar("disable-matchstar", cl::init(false),
40                     cl::desc("disable MatchStar optimization"), cl::cat(fREcompilationOptions));
41static cl::opt<bool> DisableUnicodeMatchStar("disable-unicode-matchstar", cl::init(false),
42                     cl::desc("disable Unicode MatchStar optimization"), cl::cat(fREcompilationOptions));
43static cl::opt<bool> DisableUnicodeLineBreak("disable-unicode-linebreak", cl::init(false),
44                     cl::desc("disable Unicode line breaks - use LF only"), cl::cat(fREcompilationOptions));
45static cl::opt<bool> SetMod64Approximation("mod64-approximate", cl::init(false),
46                     cl::desc("set mod64 approximate mode"), cl::cat(fREcompilationOptions));
47#ifndef DISABLE_PREGENERATED_UCD_FUNCTIONS
48static cl::opt<bool> UsePregeneratedUnicode("use-pregenerated-unicode", cl::init(false),
49                     cl::desc("use fixed pregenerated Unicode character class sets instead"), cl::cat(fREcompilationOptions));
50#endif
51using namespace pablo;
52
53namespace re {
54
55RE_Compiler::RE_Compiler(pablo::PabloFunction & function, cc::CC_Compiler & ccCompiler)
56: mCCCompiler(ccCompiler)
57, mLineFeed(nullptr)
58, mCRLF(nullptr)
59, mUnicodeLineBreak(nullptr)
60, mNonLineBreak(nullptr)
61, mInitial(nullptr)
62, mNonFinal(nullptr)
63, mFinal(nullptr)
64, mWhileTest(nullptr)
65, mStarDepth(0)
66, mLoopVariants()
67, mPB(*ccCompiler.getBuilder().getPabloBlock(), ccCompiler.getBuilder())
68, mFunction(function)
69{
70
71}
72   
73MarkerType RE_Compiler::AdvanceMarker(MarkerType m, MarkerPosition newpos, PabloBuilder & pb) {
74    if (m.pos == newpos) return m;
75    PabloAST * a = m.stream;
76    if (m.pos == MarkerPosition::FinalMatchByte) {
77        // Must advance at least to InitialPostPositionByte
78        a = pb.createAdvance(a, 1, "adv");
79    }
80    // Now at InitialPostPositionByte; is a further advance needed?
81    if (newpos == MarkerPosition::FinalPostPositionByte) {
82        // Must advance through nonfinal bytes
83        a = pb.createScanThru(pb.createAnd(mInitial, a), mNonFinal, "scanToFinal");
84    }
85    return {newpos, a};
86}
87
88void RE_Compiler::AlignMarkers(MarkerType & m1, MarkerType & m2, PabloBuilder & pb) {
89    if (m1.pos < m2.pos) {
90        m1 = AdvanceMarker(m1, m2.pos, pb); 
91    }
92    else if (m2.pos < m1.pos) {
93        m2 = AdvanceMarker(m2, m1.pos, pb); 
94    }
95}
96
97#define UNICODE_LINE_BREAK (!DisableUnicodeLineBreak)
98
99void RE_Compiler::initializeRequiredStreams() {
100
101    Assign * LF = mPB.createAssign("LF", mCCCompiler.compileCC(makeCC(0x0A)));
102    mLineFeed = LF;
103    PabloAST * CR = mCCCompiler.compileCC(makeCC(0x0D));
104    PabloAST * LF_VT_FF_CR = mCCCompiler.compileCC(makeCC(0x0A, 0x0D));
105
106    PabloBuilder crb = PabloBuilder::Create(mPB);
107    PabloAST * cr1 = crb.createAdvance(CR, 1, "cr1");
108    Assign * acrlf = crb.createAssign("crlf", crb.createAnd(cr1, LF));
109    mPB.createIf(CR, {acrlf}, crb);
110    mCRLF = acrlf;
111
112    PabloAST * u8pfx = mCCCompiler.compileCC(makeCC(0xC0, 0xFF));
113    PabloBuilder it = PabloBuilder::Create(mPB);
114    PabloAST * u8pfx2 = mCCCompiler.compileCC(makeCC(0xC2, 0xDF), it);
115    PabloAST * u8pfx3 = mCCCompiler.compileCC(makeCC(0xE0, 0xEF), it);
116    PabloAST * u8pfx4 = mCCCompiler.compileCC(makeCC(0xF0, 0xF4), it);
117    Assign * u8suffix = it.createAssign("u8suffix", mCCCompiler.compileCC(makeCC(0x80, 0xBF)));
118   
119    //
120    // Two-byte sequences
121    PabloBuilder it2 = PabloBuilder::Create(it);
122    Assign * u8scope22 = it2.createAssign("u8scope22", it2.createAdvance(u8pfx2, 1));
123    Assign * NEL = it2.createAssign("NEL", it2.createAnd(it2.createAdvance(mCCCompiler.compileCC(makeCC(0xC2), it2), 1), mCCCompiler.compileCC(makeCC(0x85), it2)));
124    it.createIf(u8pfx2, {u8scope22, NEL}, it2);
125   
126    //
127    // Three-byte sequences
128    PabloBuilder it3 = PabloBuilder::Create(it);
129    Assign * u8scope32 = it3.createAssign("u8scope32", it3.createAdvance(u8pfx3, 1));
130    PabloAST * u8scope33 = it3.createAdvance(u8pfx3, 2);
131    Assign * u8scope3X = it3.createAssign("u8scope3X", it3.createOr(u8scope32, u8scope33));
132    PabloAST * E2_80 = it3.createAnd(it3.createAdvance(mCCCompiler.compileCC(makeCC(0xE2), it3), 1), mCCCompiler.compileCC(makeCC(0x80), it3));
133    Assign * LS_PS = it3.createAssign("LS_PS", it3.createAnd(it3.createAdvance(E2_80, 1), mCCCompiler.compileCC(makeCC(0xA8,0xA9), it3)));
134    PabloAST * E0_invalid = it3.createAnd(it3.createAdvance(mCCCompiler.compileCC(makeCC(0xE0), it3), 1), mCCCompiler.compileCC(makeCC(0x80, 0x9F), it3));
135    PabloAST * ED_invalid = it3.createAnd(it3.createAdvance(mCCCompiler.compileCC(makeCC(0xED), it3), 1), mCCCompiler.compileCC(makeCC(0xA0, 0xBF), it3));
136    Assign * EX_invalid = it3.createAssign("EX_invalid", it3.createOr(E0_invalid, ED_invalid));
137    it.createIf(u8pfx3, {u8scope32, u8scope3X, LS_PS, EX_invalid}, it3);
138 
139    //
140    // Four-byte sequences
141    PabloBuilder it4 = PabloBuilder::Create(it);
142    PabloAST * u8scope42 = it4.createAdvance(u8pfx4, 1, "u8scope42");
143    PabloAST * u8scope43 = it4.createAdvance(u8scope42, 1, "u8scope43");
144    PabloAST * u8scope44 = it4.createAdvance(u8scope43, 1, "u8scope44");
145    Assign * u8scope4nonfinal = it4.createAssign("u8scope4nonfinal", it4.createOr(u8scope42, u8scope43));
146    Assign * u8scope4X = it4.createAssign("u8scope4X", it4.createOr(u8scope4nonfinal, u8scope44));
147    PabloAST * F0_invalid = it4.createAnd(it4.createAdvance(mCCCompiler.compileCC(makeCC(0xF0), it4), 1), mCCCompiler.compileCC(makeCC(0x80, 0x8F), it4));
148    PabloAST * F4_invalid = it4.createAnd(it4.createAdvance(mCCCompiler.compileCC(makeCC(0xF4), it4), 1), mCCCompiler.compileCC(makeCC(0x90, 0xBF), it4));
149    Assign * FX_invalid = it4.createAssign("FX_invalid", it4.createOr(F0_invalid, F4_invalid));
150    it.createIf(u8pfx4, {u8scope4nonfinal, u8scope4X, FX_invalid}, it4);
151
152    //
153    // Invalid cases
154    PabloAST * anyscope = it.createOr(u8scope22, it.createOr(u8scope3X, u8scope4X));
155    PabloAST * legalpfx = it.createOr(it.createOr(u8pfx2, u8pfx3), u8pfx4);
156    //  Any scope that does not have a suffix byte, and any suffix byte that is not in
157    //  a scope is a mismatch, i.e., invalid UTF-8.
158    PabloAST * mismatch = it.createXor(anyscope, u8suffix);
159    //
160    PabloAST * EF_invalid = it.createOr(EX_invalid, FX_invalid);
161    PabloAST * pfx_invalid = it.createXor(u8pfx, legalpfx);
162    Assign * u8invalid = it.createAssign("u8invalid", it.createOr(pfx_invalid, it.createOr(mismatch, EF_invalid)));
163    Assign * u8valid = it.createAssign("u8valid", it.createNot(u8invalid));
164    //
165    //
166   
167    Assign * valid_pfx = it.createAssign("valid_pfx", it.createAnd(u8pfx, u8valid));
168    mNonFinal = it.createAssign("nonfinal", it.createAnd(it.createOr(it.createOr(u8pfx, u8scope32), u8scope4nonfinal), u8valid));
169   
170    Assign * NEL_LS_PS = it.createAssign("NEL_LS_PS", it.createOr(NEL, LS_PS));
171    mPB.createIf(u8pfx, {u8invalid, valid_pfx, mNonFinal, NEL_LS_PS}, it);
172   
173    PabloAST * LB_chars = mPB.createOr(LF_VT_FF_CR, NEL_LS_PS);
174    PabloAST * u8single = mPB.createAnd(mCCCompiler.compileCC(makeCC(0x00, 0x7F)), mPB.createNot(u8invalid));
175    mInitial = mPB.createOr(u8single, valid_pfx, "initial");
176    mFinal = mPB.createNot(mPB.createOr(mNonFinal, u8invalid), "final");
177    mUnicodeLineBreak = mPB.createAnd(LB_chars, mPB.createNot(mCRLF));  // count the CR, but not CRLF
178    PabloAST * const lb = UNICODE_LINE_BREAK ? mUnicodeLineBreak : mLineFeed;
179    mNonLineBreak = mPB.createNot(lb);
180    mFunction.setResult(1, mPB.createAssign("lf", mPB.createAnd(lb, mPB.createNot(mCRLF))));
181}
182
183static inline CC * getDefinitionIfCC(RE * re) {
184    if (LLVM_LIKELY(isa<Name>(re))) {
185        Name * name = cast<Name>(re);
186        if (name->getDefinition() && isa<CC>(name->getDefinition())) {
187            return cast<CC>(name->getDefinition());
188        }
189    }
190    return nullptr;
191}
192
193RE * RE_Compiler::resolveUnicodeProperties(RE * re) {
194
195    using PropertyMap = std::map<std::string, RE *>;
196    using NamespacedPropertyMap = std::map<std::pair<std::string, std::string>, RE *>;
197    using NameMap = UCD::UCDCompiler::NameMap;
198
199    PropertyMap                 propertyMap;
200    NamespacedPropertyMap       namespacedPropertyMap;
201    NameMap                     nameMap;
202
203    std::function<RE*(RE*)> resolve = [&](RE * re) -> RE * {
204        if (Name * name = dyn_cast<Name>(re)) {
205            if (LLVM_LIKELY(name->getDefinition() != nullptr)) {
206                name->setDefinition(resolve(name->getDefinition()));
207            } else if (LLVM_LIKELY(name->getType() == Name::Type::UnicodeProperty)) {
208                // Attempt to look up an equivalently named Name object
209                if (name->hasNamespace()) {
210                    const auto f = namespacedPropertyMap.find(std::make_pair(name->getNamespace(), name->getName()));
211                    if (f != namespacedPropertyMap.end()) {
212                        if (f->second != name) {
213                            return f->second;
214                        }
215                    }
216                    namespacedPropertyMap.insert(std::make_pair(std::make_pair(name->getNamespace(), name->getName()), name));
217                } else {
218                    const auto f = propertyMap.find(name->getName());
219                    if (f != propertyMap.end()) {
220                        if (f->second != name) {
221                            return f->second;
222                        }
223                    }
224                    propertyMap.insert(std::make_pair(name->getName(), name));
225                }
226                if (UCD::resolvePropertyDefinition(name)) {
227                    resolve(name->getDefinition());
228                } else {
229                    #ifndef DISABLE_PREGENERATED_UCD_FUNCTIONS
230                    if (UsePregeneratedUnicode) {
231                        const std::string functionName = UCD::resolvePropertyFunction(name);
232                        const UCD::ExternalProperty & ep = UCD::resolveExternalProperty(functionName);
233                        Call * call = mPB.createCall(Prototype::Create(functionName, std::get<1>(ep), std::get<2>(ep), std::get<0>(ep)), mCCCompiler.getBasisBits());
234                        name->setCompiled(mPB.createAnd(call, mNonLineBreak));
235                    } else {
236                    #endif
237                        name->setDefinition(makeCC(std::move(UCD::resolveUnicodeSet(name))));
238                    #ifndef DISABLE_PREGENERATED_UCD_FUNCTIONS
239                    }
240                    #endif
241                }
242            } else {
243                throw std::runtime_error("All non-unicode-property Name objects should have been defined prior to Unicode property resolution.");
244            }
245        } else if (Seq * seq = dyn_cast<Seq>(re)) {
246            for (auto si = seq->begin(); si != seq->end(); ) {
247                RE * re = resolve(*si);
248                if (LLVM_UNLIKELY(isa<Seq>(re))) {
249                    auto sj = cast<Seq>(re)->begin();
250                    *si = *sj;
251                    si = seq->insert(++si, ++sj, cast<Seq>(re)->end());
252                } else {
253                    *si++ = re;
254                }
255            }
256        } else if (Alt * alt = dyn_cast<Alt>(re)) {
257            CC * unionCC = nullptr;
258            for (auto ai = alt->begin(); ai != alt->end(); ) {
259                RE * re = resolve(*ai);
260                if (CC * cc = getDefinitionIfCC(re)) {
261                    unionCC = (unionCC == nullptr) ? cc : makeCC(unionCC, cc);
262                    ai = alt->erase(ai);
263                } else if (LLVM_UNLIKELY(isa<Alt>(re))) {
264                    auto aj = cast<Alt>(re)->begin();
265                    *ai = *aj;
266                    ai = alt->insert(++ai, ++aj, cast<Alt>(re)->end());
267                } else {
268                    *ai++ = re;
269                }
270            }
271            if (unionCC) {
272                alt->push_back(makeName("union", unionCC));
273            }
274            if (alt->size() == 1) {
275                return alt->front();
276            }
277        } else if (Rep * rep = dyn_cast<Rep>(re)) {
278            rep->setRE(resolve(rep->getRE()));
279        } else if (Assertion * a = dyn_cast<Assertion>(re)) {
280            a->setAsserted(resolve(a->getAsserted()));
281        } else if (Diff * diff = dyn_cast<Diff>(re)) {
282            diff->setLH(resolve(diff->getLH()));
283            diff->setRH(resolve(diff->getRH()));
284            CC * lh = getDefinitionIfCC(diff->getLH());
285            CC * rh = getDefinitionIfCC(diff->getRH());
286            if (lh && rh) {
287                return resolve(makeName("diff", subtractCC(lh, rh)));
288            }
289        } else if (Intersect * ix = dyn_cast<Intersect>(re)) {
290            ix->setLH(resolve(ix->getLH()));
291            ix->setRH(resolve(ix->getRH()));
292            CC * lh = getDefinitionIfCC(diff->getLH());
293            CC * rh = getDefinitionIfCC(diff->getRH());
294            if (lh && rh) {
295                return resolve(makeName("intersect", intersectCC(lh, rh)));
296            }
297        }
298        return re;
299    };
300
301    std::function<void(RE*)> gather = [&](RE * re) {
302        if (Name * name = dyn_cast<Name>(re)) {
303            if (name->getCompiled() == nullptr) {
304                if (isa<CC>(name->getDefinition())) {
305                    nameMap.emplace(name, nullptr);
306                } else {
307                    gather(name->getDefinition());
308                }
309            }
310        } else if (Seq * seq = dyn_cast<Seq>(re)) {
311            for (auto re : *seq) {
312                gather(re);
313            }
314        } else if (Alt * alt = dyn_cast<Alt>(re)) {
315            for (auto re : *alt) {
316                gather(re);
317            }
318        } else if (Rep * rep = dyn_cast<Rep>(re)) {
319            gather(rep->getRE());
320        } else if (Assertion * a = dyn_cast<Assertion>(re)) {
321            gather(a->getAsserted());
322        } else if (Diff * diff = dyn_cast<Diff>(re)) {
323            gather(diff->getLH());
324            gather(diff->getRH());
325        }
326    };
327
328    re = resolve(re);
329    gather(re);
330
331    if (nameMap.size() > 0) {
332        UCD::UCDCompiler ucdCompiler(mCCCompiler);
333        ucdCompiler.generateWithDefaultIfHierarchy(nameMap, mPB);
334        for (auto t : nameMap) {
335            if (t.second) {
336                t.first->setCompiled(mPB.createAnd(t.second, mNonLineBreak));
337            }
338        }
339    }
340
341    return re;
342}
343
344void RE_Compiler::compileUnicodeNames(RE *& re) {
345    re = resolveUnicodeProperties(re);
346}
347
348void RE_Compiler::finalizeMatchResult(MarkerType match_result) {
349    mFunction.setResult(0, mPB.createAssign("matches", mPB.createAnd(mPB.createMatchStar(markerVar(match_result), mNonLineBreak), UNICODE_LINE_BREAK ? mUnicodeLineBreak : mLineFeed)));
350}
351
352MarkerType RE_Compiler::compile(RE * re, PabloBuilder & pb) {
353    return process(re, makeMarker(MarkerPosition::FinalPostPositionByte, pb.createOnes()), pb);
354}
355
356PabloAST * RE_Compiler::nextUnicodePosition(MarkerType m, PabloBuilder & pb) {
357    if (markerPos(m) == MarkerPosition::FinalPostPositionByte) {
358        return markerVar(m);
359    } else if (markerPos(m) == MarkerPosition::InitialPostPositionByte) {
360        return pb.createScanThru(pb.createAnd(mInitial, markerVar(m)), mNonFinal);
361    } else {
362        return pb.createScanThru(pb.createAnd(mInitial, pb.createAdvance(markerVar(m), 1)), mNonFinal);
363    }
364}
365
366MarkerType RE_Compiler::process(RE * re, MarkerType marker, PabloBuilder & pb) {
367    if (Name * name = dyn_cast<Name>(re)) {
368        return process(name, marker, pb);
369    }
370    else if (Seq* seq = dyn_cast<Seq>(re)) {
371        return process(seq, marker, pb);
372    }
373    else if (Alt * alt = dyn_cast<Alt>(re)) {
374        return process(alt, marker, pb);
375    }
376    else if (Rep * rep = dyn_cast<Rep>(re)) {
377        return process(rep, marker, pb);
378    }
379    else if (Assertion * a = dyn_cast<Assertion>(re)) {
380        return process(a, marker, pb);
381    }
382    else if (isa<Any>(re)) {
383        PabloAST * nextPos = nextUnicodePosition(marker, pb);
384        PabloAST * dot = pb.createNot(UNICODE_LINE_BREAK ? pb.createOr(mUnicodeLineBreak, mCRLF) : mLineFeed);
385        return makeMarker(MarkerPosition::FinalMatchByte, pb.createAnd(nextPos, dot, "dot"));
386    }
387    else if (Diff * diff = dyn_cast<Diff>(re)) {
388        return process(diff, marker, pb);
389    }
390    else if (Intersect * ix = dyn_cast<Intersect>(re)) {
391        return process(ix, marker, pb);
392    }
393    else if (isa<Start>(re)) {
394        MarkerType m = AdvanceMarker(marker, MarkerPosition::InitialPostPositionByte, pb);
395        if (UNICODE_LINE_BREAK) {
396            PabloAST * line_end = mPB.createOr(mUnicodeLineBreak, mCRLF);
397            PabloAST * sol = pb.createNot(pb.createOr(pb.createAdvance(pb.createNot(line_end), 1), mCRLF));
398            return makeMarker(MarkerPosition::InitialPostPositionByte, pb.createAnd(markerVar(m), sol, "sol"));
399        }
400        else {
401            PabloAST * sol = pb.createNot(pb.createAdvance(pb.createNot(mLineFeed), 1));
402            return makeMarker(MarkerPosition::FinalPostPositionByte, pb.createAnd(markerVar(m), sol, "sol"));
403        }
404    }
405    else if (isa<End>(re)) {
406        if (UNICODE_LINE_BREAK) {
407            PabloAST * nextPos = markerVar(AdvanceMarker(marker, MarkerPosition::FinalPostPositionByte, pb));
408            return makeMarker(MarkerPosition::FinalPostPositionByte, pb.createAnd(nextPos, mUnicodeLineBreak, "end"));
409        }
410        PabloAST * nextPos = markerVar(AdvanceMarker(marker, MarkerPosition::InitialPostPositionByte, pb));  // For LF match
411        return makeMarker(MarkerPosition::FinalPostPositionByte, pb.createAnd(nextPos, mLineFeed, "eol"));
412    }
413    return marker;
414}
415
416MarkerType RE_Compiler::process(Name * name, MarkerType marker, PabloBuilder & pb) {
417    MarkerType nextPos;
418    if (markerPos(marker) == MarkerPosition::FinalPostPositionByte) {
419        nextPos = marker;
420    }
421    else if (name->getType() == Name::Type::Byte) {
422        nextPos = AdvanceMarker(marker, MarkerPosition::InitialPostPositionByte, pb);
423    }
424    else {
425        nextPos = AdvanceMarker(marker, MarkerPosition::FinalPostPositionByte, pb);
426    }
427    return makeMarker(MarkerPosition::FinalMatchByte, pb.createAnd(markerVar(nextPos), getNamedCharacterClassStream(name, pb), "m"));
428}
429
430PabloAST * RE_Compiler::getNamedCharacterClassStream(Name * name, PabloBuilder & pb) {
431    PabloAST * var = name->getCompiled();
432    if (LLVM_LIKELY(var != nullptr)) {
433        return var;
434    } else if (LLVM_LIKELY(name->getDefinition() != nullptr)) {
435        MarkerType m = compile(name->getDefinition(), pb);
436        assert(markerPos(m) == MarkerPosition::FinalMatchByte);
437        var = pb.createAnd(markerVar(m), mNonLineBreak);
438        name->setCompiled(var);
439        return var;
440    } else {
441        throw std::runtime_error("Unresolved name " + name->getName());
442    }
443}
444
445MarkerType RE_Compiler::process(Seq * seq, MarkerType marker, PabloBuilder & pb) {
446    // if-hierarchies are not inserted within unbounded repetitions
447    if (mStarDepth > 0) {
448        for (RE * re : *seq) {
449            marker = process(re, marker, pb);
450        }
451        return marker;
452    }
453    else {
454        return processSeqTail(seq->begin(), seq->end(), 0, marker, pb);
455    }
456}
457
458MarkerType RE_Compiler::processSeqTail(Seq::iterator current, Seq::iterator end, int matchLenSoFar, MarkerType marker, PabloBuilder & pb) {
459    if (current == end) return marker;
460    if (matchLenSoFar < IfInsertionGap) {
461        RE * r = *current;
462        marker = process(r, marker, pb);
463        current++;
464        return processSeqTail(current, end, matchLenSoFar + minMatchLength(r), marker, pb);
465    }
466    else {
467        PabloBuilder nested = PabloBuilder::Create(pb);
468        MarkerType m1 = processSeqTail(current, end, 0, marker, nested);
469        Assign * m1a = nested.createAssign("m", markerVar(m1));
470        pb.createIf(markerVar(marker), {m1a}, nested);
471        return makeMarker(m1.pos, m1a);
472    }
473}
474
475MarkerType RE_Compiler::process(Alt * alt, MarkerType marker, PabloBuilder & pb) {
476    std::vector<PabloAST *>  accum = {pb.createZeroes(), pb.createZeroes(), pb.createZeroes()};
477    MarkerType const base = marker;
478    // The following may be useful to force a common Advance rather than separate
479    // Advances in each alternative.
480    // MarkerType const base = makeMarker(InitialPostPositionByte, postPositionVar(marker, pb), pb);
481    for (RE * re : *alt) {
482        MarkerType rslt = process(re, base, pb);
483        MarkerPosition p = markerPos(rslt);
484        accum[p] = pb.createOr(accum[p], markerVar(rslt), "alt");
485    }
486    if (isa<Zeroes>(accum[MarkerPosition::InitialPostPositionByte]) && isa<Zeroes>(accum[MarkerPosition::FinalPostPositionByte])) {
487        return makeMarker(MarkerPosition::FinalMatchByte, accum[MarkerPosition::FinalMatchByte]);
488    }
489    PabloAST * combine = pb.createOr(accum[InitialPostPositionByte], pb.createAdvance(accum[MarkerPosition::FinalMatchByte], 1), "alt");
490    if (isa<Zeroes>(accum[FinalPostPositionByte])) {
491        return makeMarker(InitialPostPositionByte, combine);
492    }
493    combine = pb.createOr(pb.createScanThru(pb.createAnd(mInitial, combine), mNonFinal), accum[MarkerPosition::FinalPostPositionByte], "alt");
494    return makeMarker(MarkerPosition::FinalPostPositionByte, combine);
495}
496
497MarkerType RE_Compiler::process(Assertion * a, MarkerType marker, PabloBuilder & pb) {
498    RE * asserted = a->getAsserted();
499    if (a->getKind() == Assertion::Kind::Lookbehind) {
500        MarkerType m = marker;
501        MarkerType lookback = compile(asserted, pb);
502        AlignMarkers(m, lookback, pb);
503        PabloAST * lb = markerVar(lookback);
504        if (a->getSense() == Assertion::Sense::Negative) {
505            lb = pb.createNot(lb);
506        }
507        return makeMarker(markerPos(m), pb.createAnd(markerVar(marker), lb, "lookback"));
508    }
509    else if (isUnicodeUnitLength(asserted)) {
510        MarkerType lookahead = compile(asserted, pb);
511        assert(markerPos(lookahead) == MarkerPosition::FinalMatchByte);
512        PabloAST * la = markerVar(lookahead);
513        if (a->getSense() == Assertion::Sense::Negative) {
514            la = pb.createNot(la);
515        }
516        MarkerType fbyte = AdvanceMarker(marker, MarkerPosition::FinalPostPositionByte, pb);
517        return makeMarker(MarkerPosition::FinalPostPositionByte, pb.createAnd(markerVar(fbyte), la, "lookahead"));
518    }
519    else {
520        throw std::runtime_error("Unsupported lookahead assertion.");
521    }
522}
523
524MarkerType RE_Compiler::process(Diff * diff, MarkerType marker, PabloBuilder & pb) {
525    RE * lh = diff->getLH();
526    RE * rh = diff->getRH();
527    if (isUnicodeUnitLength(lh) && isUnicodeUnitLength(rh)) {
528        MarkerType t1 = process(lh, marker, pb);
529        MarkerType t2 = process(rh, marker, pb);
530        AlignMarkers(t1, t2, pb);
531        return makeMarker(markerPos(t1), pb.createAnd(markerVar(t1), pb.createNot(markerVar(t2)), "diff"));
532    }
533    throw std::runtime_error("Unsupported Diff operands: " + Printer_RE::PrintRE(diff));
534}
535
536MarkerType RE_Compiler::process(Intersect * x, MarkerType marker, PabloBuilder & pb) {
537    RE * lh = x->getLH();
538    RE * rh = x->getRH();
539    if (isUnicodeUnitLength(lh) && isUnicodeUnitLength(rh)) {
540        MarkerType t1 = process(lh, marker, pb);
541        MarkerType t2 = process(rh, marker, pb);
542        AlignMarkers(t1, t2, pb);
543        return makeMarker(markerPos(t1), pb.createAnd(markerVar(t1), markerVar(t2), "intersect"));
544    }
545    throw std::runtime_error("Unsupported Intersect operands: " + Printer_RE::PrintRE(x));
546}
547
548MarkerType RE_Compiler::process(Rep * rep, MarkerType marker, PabloBuilder & pb) {
549    int lb = rep->getLB();
550    int ub = rep->getUB();
551    if (lb > 0) {
552        marker = processLowerBound(rep->getRE(), lb, marker, pb);
553    }
554    if (ub == Rep::UNBOUNDED_REP) {
555        return processUnboundedRep(rep->getRE(), marker, pb);
556    }
557    else if (ub == lb) { // if (rep->getUB() != Rep::UNBOUNDED_REP)
558        return marker;
559    }
560    else { // if (rep->getUB() != Rep::UNBOUNDED_REP)
561        return processBoundedRep(rep->getRE(), ub - lb, marker, pb);
562    }
563}
564
565/*
566   Given a stream |repeated| marking positions associated with matches to an item
567   of length |repeated_lgth|, compute a stream marking |repeat_count| consecutive
568   occurrences of such items.
569*/
570
571inline PabloAST * RE_Compiler::consecutive1(PabloAST * repeated, int repeated_lgth, int repeat_count, PabloBuilder & pb) {
572        int i = repeated_lgth;
573        int total_lgth = repeat_count * repeated_lgth;
574        PabloAST * consecutive_i = repeated;
575        while (i * 2 <= total_lgth) {
576            PabloAST * v = consecutive_i;
577            PabloAST * v2 =  pb.createAdvance(v, i);
578            i *= 2;
579            consecutive_i = pb.createAnd(v, v2, "at" + std::to_string(i) + "inarow");
580        }       
581        if (i < total_lgth) {
582            PabloAST * v = consecutive_i;
583            consecutive_i = pb.createAnd(v, pb.createAdvance(v, total_lgth - i), "at" + std::to_string(total_lgth) + "inarow");
584        }
585        return consecutive_i;
586}
587
588inline PabloAST * RE_Compiler::reachable(PabloAST *repeated, int repeated_lgth, int repeat_count, PabloBuilder & pb) {
589        int i = repeated_lgth;
590        int total_lgth = repeat_count * repeated_lgth;
591        if (repeat_count == 0) {
592            return repeated;
593        }
594        PabloAST * reachable_i = pb.createOr(repeated, pb.createAdvance(repeated, 1), "within1");
595        while (i * 2 < total_lgth) {
596            PabloAST * v = reachable_i;
597            PabloAST * v2 =  pb.createAdvance(v, i);
598            i *= 2;
599            reachable_i = pb.createOr(v, v2, "within" + std::to_string(i));
600        }       
601        if (i < total_lgth) {
602            PabloAST * v = reachable_i;
603            reachable_i = pb.createOr(v, pb.createAdvance(v, total_lgth - i), "within" + std::to_string(total_lgth));
604        }
605        return reachable_i;
606}
607
608MarkerType RE_Compiler::processLowerBound(RE * repeated, int lb, MarkerType marker, PabloBuilder & pb) {
609    if (isByteLength(repeated) && !DisableLog2BoundedRepetition) {
610        PabloAST * cc = markerVar(compile(repeated, pb));
611        PabloAST * cc_lb = consecutive1(cc, 1, lb, pb);
612        PabloAST * marker_fwd = pb.createAdvance(markerVar(marker), markerPos(marker) == MarkerPosition::FinalMatchByte ? lb : lb - 1);
613        return makeMarker(MarkerPosition::FinalMatchByte, pb.createAnd(marker_fwd, cc_lb, "lowerbound"));
614    }
615    // Fall through to general case.
616    while (lb-- != 0) {
617        marker = process(repeated, marker, pb);
618    }
619    return marker;
620}
621
622MarkerType RE_Compiler::processBoundedRep(RE * repeated, int ub, MarkerType marker, PabloBuilder & pb) {
623    if (isByteLength(repeated) && ub > 1 && !DisableLog2BoundedRepetition) {
624        // log2 upper bound for fixed length (=1) class
625        // Create a mask of positions reachable within ub from current marker.
626        // Use matchstar, then apply filter.
627        PabloAST * match = markerVar(AdvanceMarker(marker, MarkerPosition::InitialPostPositionByte, pb));
628        PabloAST * upperLimitMask = reachable(match, 1, ub, pb);
629        PabloAST * cursor = markerVar(AdvanceMarker(marker, MarkerPosition::InitialPostPositionByte, pb));
630        PabloAST * rep_class_var = markerVar(compile(repeated, pb));
631        return makeMarker(MarkerPosition::InitialPostPositionByte, pb.createAnd(pb.createMatchStar(cursor, rep_class_var), upperLimitMask, "bounded"));
632    }
633    // Fall through to general case.
634    while (ub-- != 0) {
635        MarkerType a = process(repeated, marker, pb);
636        MarkerType m = marker;
637        AlignMarkers(a, m, pb);
638        marker = makeMarker(markerPos(a), pb.createOr(markerVar(a), markerVar(m), "m"));
639    }
640    return marker;
641}
642
643MarkerType RE_Compiler::processUnboundedRep(RE * repeated, MarkerType marker, PabloBuilder & pb) {
644    // always use PostPosition markers for unbounded repetition.
645    PabloAST * base = markerVar(AdvanceMarker(marker, MarkerPosition::InitialPostPositionByte, pb));
646   
647    if (isByteLength(repeated)  && !DisableMatchStar) {
648        PabloAST * cc = markerVar(compile(repeated, pb)); 
649        PabloAST * mstar = SetMod64Approximation ? pb.createMod64MatchStar(base, cc) : pb.createMatchStar(base, cc, "unbounded");
650        return makeMarker(MarkerPosition::InitialPostPositionByte, mstar);
651    }
652    else if (isUnicodeUnitLength(repeated) && !DisableMatchStar && !DisableUnicodeMatchStar) {
653        PabloAST * cc = markerVar(compile(repeated, pb));
654        PabloAST * mstar = SetMod64Approximation ? pb.createMod64MatchStar(base, pb.createOr(mNonFinal, cc)) : pb.createMatchStar(base, pb.createOr(mNonFinal, cc));
655        return makeMarker(MarkerPosition::FinalPostPositionByte, pb.createAnd(mstar, mFinal, "unbounded"));
656    }
657    else if (mStarDepth > 0){
658       
659        PabloBuilder * outerb = pb.getParent();
660       
661        Assign * starPending = outerb->createAssign("pending", outerb->createZeroes());
662        Assign * starAccum = outerb->createAssign("accum", outerb->createZeroes());
663       
664        mStarDepth++;
665        PabloAST * m1 = pb.createOr(base, starPending);
666        PabloAST * m2 = pb.createOr(base, starAccum);
667        PabloAST * loopComputation = markerVar(AdvanceMarker(process(repeated, makeMarker(MarkerPosition::InitialPostPositionByte, m1), pb), MarkerPosition::InitialPostPositionByte, pb));
668        Next * nextPending = pb.createNext(starPending, pb.createAnd(loopComputation, pb.createNot(m2)));
669        Next * nextStarAccum = pb.createNext(starAccum, pb.createOr(loopComputation, m2));
670        mWhileTest = pb.createOr(mWhileTest, nextPending);
671        mLoopVariants.push_back(nextPending);
672        mLoopVariants.push_back(nextStarAccum);
673        mStarDepth--;
674       
675        return makeMarker(MarkerPosition::InitialPostPositionByte, pb.createAssign("unbounded", pb.createOr(base, nextStarAccum)));
676    }   
677    else {
678        Assign * whileTest = pb.createAssign("test", base);
679        Assign * whilePending = pb.createAssign("pending", base);
680        Assign * whileAccum = pb.createAssign("accum", base);
681        mWhileTest = pb.createZeroes();
682
683        PabloBuilder wb = PabloBuilder::Create(pb);
684        mStarDepth++;
685
686        PabloAST * loopComputation = markerVar(AdvanceMarker(process(repeated, makeMarker(MarkerPosition::InitialPostPositionByte, whilePending), wb), MarkerPosition::InitialPostPositionByte, wb));
687        Next * nextWhilePending = wb.createNext(whilePending, wb.createAnd(loopComputation, wb.createNot(whileAccum)));
688        Next * nextWhileAccum = wb.createNext(whileAccum, wb.createOr(loopComputation, whileAccum));
689        Next * nextWhileTest = wb.createNext(whileTest, wb.createOr(mWhileTest, nextWhilePending));
690        mLoopVariants.push_back(nextWhilePending);
691        mLoopVariants.push_back(nextWhileAccum);
692        mLoopVariants.push_back(nextWhileTest);
693        pb.createWhile(nextWhileTest, mLoopVariants, wb);
694        mStarDepth--;
695        mLoopVariants.clear();
696        return makeMarker(MarkerPosition::InitialPostPositionByte, pb.createAssign("unbounded", nextWhileAccum));
697    }   
698} // end of namespace re
699}
Note: See TracBrowser for help on using the repository browser.