source: icGREP/icgrep-devel/icgrep/re/re_compiler.cpp @ 5091

Last change on this file since 5091 was 5091, checked in by xuedongx, 3 years ago

delete GCB as a separate type.

File size: 29.9 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#include <re/re_toolchain.h>
8#include <re/re_name_resolve.h>
9//Regular Expressions
10#include <re/re_name.h>
11#include <re/re_any.h>
12#include <re/re_start.h>
13#include <re/re_end.h>
14#include <re/re_alt.h>
15#include <re/re_cc.h>
16#include <re/re_seq.h>
17#include <re/re_rep.h>
18#include <re/re_diff.h>
19#include <re/re_intersect.h>
20#include <re/re_assertion.h>
21#include <re/re_analysis.h>
22#include <re/re_memoizer.hpp>
23#include <re/printer_re.h>
24#include <pablo/codegenstate.h>
25#include <UCD/ucd_compiler.hpp>
26#include <UCD/resolve_properties.h>
27#ifndef DISABLE_PREGENERATED_UCD_FUNCTIONS
28#include <UCD/precompiled_properties.h>
29#endif
30#include <assert.h>
31#include <stdexcept>
32#include <iostream>
33#include <pablo/printer_pablos.h>
34#include "llvm/Support/CommandLine.h"
35#include <sstream>
36#include <unordered_set>
37
38
39#define UNICODE_LINE_BREAK (!AlgorithmOptionIsSet(DisableUnicodeLineBreak))
40
41using namespace pablo;
42
43namespace re {
44
45void RE_Compiler::initializeRequiredStreams(Encoding encoding) {
46    if (encoding.getType() == Encoding::Type::UTF_8) {
47      RE_Compiler::initializeRequiredStreams_utf8();
48    }
49    else if (encoding.getType() == Encoding::Type::UTF_16) {
50      RE_Compiler::initializeRequiredStreams_utf16();
51    }
52}
53
54void RE_Compiler::initializeRequiredStreams_utf16() {
55    Assign * LF = mPB.createAssign("LF", mCCCompiler.compileCC(makeCC(0x000A)));
56    PabloAST * CR = mCCCompiler.compileCC(makeCC(0x000D));
57    PabloAST * LF_VT_FF_CR = mCCCompiler.compileCC(makeCC(0x000A, 0x000D));
58    Assign * NEL = mPB.createAssign("NEL", mCCCompiler.compileCC(makeCC(0x0085)));
59    Assign * LS_PS = mPB.createAssign("LS_PS", mCCCompiler.compileCC(makeCC(0x2028, 0x2029)));
60    Assign * NEL_LS_PS = mPB.createAssign("NEL_LS_PS", mPB.createOr(NEL, LS_PS));
61
62    PabloAST * cr1 = mPB.createAdvance(CR, 1, "cr1");
63    Assign * acrlf = mPB.createAssign("crlf", mPB.createAnd(cr1, LF));
64    mCRLF = acrlf;
65
66    PabloAST * hi_surrogate = mCCCompiler.compileCC(makeCC(0xD800, 0xDBFF));
67    //PabloAST * lo_surrogate = mCCCompiler.compileCC(makeCC(0xDC00, 0xDFFF));
68    PabloAST * u16hi_hi_surrogate = mCCCompiler.compileCC(makeCC(0xD800, 0xDB00));    //u16hi_hi_surrogate = [\xD8-\xDB]
69    PabloAST * u16hi_lo_surrogate = mCCCompiler.compileCC(makeCC(0xDC00, 0xDF00));    //u16hi_lo_surrogate = [\xDC-\xDF]
70
71    PabloAST * invalidTemp = mPB.createAdvance(u16hi_hi_surrogate, 1, "InvalidTemp");
72    Assign * u16invalid = mPB.createAssign("u16invalid", mPB.createXor(invalidTemp, u16hi_lo_surrogate));//errors.Unicode=pablo.Advance(u16hi_hi_surrogate) ^ u16hi_lo_surrogate
73    Assign * u16valid = mPB.createAssign("u16valid", mPB.createNot(u16invalid));
74
75    PabloAST * u16single_temp = mPB.createOr(mCCCompiler.compileCC(makeCC(0x0000, 0xD7FF)), mCCCompiler.compileCC(makeCC(0xE000, 0xFFFF)));
76    PabloAST * u16single = mPB.createAnd(u16single_temp, mPB.createNot(u16invalid));
77   
78    mNonFinal = mPB.createAssign("nonfinal", mPB.createAnd(hi_surrogate, u16valid));
79    mFinal = mPB.createNot(mPB.createOr(mNonFinal, u16invalid), "final");
80    mInitial = mPB.createOr(u16single, hi_surrogate, "initial");
81   
82    PabloAST * LB_chars = mPB.createOr(LF_VT_FF_CR, NEL_LS_PS);
83    PabloAST * UnicodeLineBreak = mPB.createAnd(LB_chars, mPB.createNot(mCRLF));  // count the CR, but not CRLF
84    PabloAST * lb = UNICODE_LINE_BREAK ? UnicodeLineBreak : LF;
85    PabloAST * unterminatedLineAtEOF = mPB.createAtEOF(mPB.createAdvance(mPB.createNot(LB_chars), 1));
86    mLineBreak = mPB.createOr(lb, unterminatedLineAtEOF);
87    mAny = mPB.createNot(lb, "any");
88    mFunction.setResult(1, mPB.createAssign("lf", mLineBreak));
89    return;
90}
91void RE_Compiler::initializeRequiredStreams_utf8() {
92    Assign * LF = mPB.createAssign("LF", mCCCompiler.compileCC(makeCC(0x0A)));
93    PabloAST * CR = mCCCompiler.compileCC(makeCC(0x0D));
94    PabloAST * LF_VT_FF_CR = mCCCompiler.compileCC(makeCC(0x0A, 0x0D));
95
96    PabloBuilder crb = PabloBuilder::Create(mPB);
97    PabloAST * cr1 = crb.createAdvance(CR, 1, "cr1");
98    Assign * acrlf = crb.createAssign("crlf", crb.createAnd(cr1, LF));
99    mPB.createIf(CR, {acrlf}, crb);
100    mCRLF = acrlf;
101
102    PabloAST * u8pfx = mCCCompiler.compileCC(makeCC(0xC0, 0xFF));
103    PabloBuilder it = PabloBuilder::Create(mPB);
104    PabloAST * u8pfx2 = mCCCompiler.compileCC(makeCC(0xC2, 0xDF), it);
105    PabloAST * u8pfx3 = mCCCompiler.compileCC(makeCC(0xE0, 0xEF), it);
106    PabloAST * u8pfx4 = mCCCompiler.compileCC(makeCC(0xF0, 0xF4), it);
107    Assign * u8suffix = it.createAssign("u8suffix", mCCCompiler.compileCC(makeCC(0x80, 0xBF)));
108
109    //
110    // Two-byte sequences
111    PabloBuilder it2 = PabloBuilder::Create(it);
112    Assign * u8scope22 = it2.createAssign("u8scope22", it2.createAdvance(u8pfx2, 1));
113    Assign * NEL = it2.createAssign("NEL", it2.createAnd(it2.createAdvance(mCCCompiler.compileCC(makeCC(0xC2), it2), 1), mCCCompiler.compileCC(makeCC(0x85), it2)));
114    it.createIf(u8pfx2, {u8scope22, NEL}, it2);
115
116    //
117    // Three-byte sequences
118    PabloBuilder it3 = PabloBuilder::Create(it);
119    Assign * u8scope32 = it3.createAssign("u8scope32", it3.createAdvance(u8pfx3, 1));
120    PabloAST * u8scope33 = it3.createAdvance(u8pfx3, 2);
121    Assign * u8scope3X = it3.createAssign("u8scope3X", it3.createOr(u8scope32, u8scope33));
122    PabloAST * E2_80 = it3.createAnd(it3.createAdvance(mCCCompiler.compileCC(makeCC(0xE2), it3), 1), mCCCompiler.compileCC(makeCC(0x80), it3));
123    Assign * LS_PS = it3.createAssign("LS_PS", it3.createAnd(it3.createAdvance(E2_80, 1), mCCCompiler.compileCC(makeCC(0xA8,0xA9), it3)));
124    PabloAST * E0_invalid = it3.createAnd(it3.createAdvance(mCCCompiler.compileCC(makeCC(0xE0), it3), 1), mCCCompiler.compileCC(makeCC(0x80, 0x9F), it3));
125    PabloAST * ED_invalid = it3.createAnd(it3.createAdvance(mCCCompiler.compileCC(makeCC(0xED), it3), 1), mCCCompiler.compileCC(makeCC(0xA0, 0xBF), it3));
126    Assign * EX_invalid = it3.createAssign("EX_invalid", it3.createOr(E0_invalid, ED_invalid));
127    it.createIf(u8pfx3, {u8scope32, u8scope3X, LS_PS, EX_invalid}, it3);
128
129    //
130    // Four-byte sequences
131    PabloBuilder it4 = PabloBuilder::Create(it);
132    PabloAST * u8scope42 = it4.createAdvance(u8pfx4, 1, "u8scope42");
133    PabloAST * u8scope43 = it4.createAdvance(u8scope42, 1, "u8scope43");
134    PabloAST * u8scope44 = it4.createAdvance(u8scope43, 1, "u8scope44");
135    Assign * u8scope4nonfinal = it4.createAssign("u8scope4nonfinal", it4.createOr(u8scope42, u8scope43));
136    Assign * u8scope4X = it4.createAssign("u8scope4X", it4.createOr(u8scope4nonfinal, u8scope44));
137    PabloAST * F0_invalid = it4.createAnd(it4.createAdvance(mCCCompiler.compileCC(makeCC(0xF0), it4), 1), mCCCompiler.compileCC(makeCC(0x80, 0x8F), it4));
138    PabloAST * F4_invalid = it4.createAnd(it4.createAdvance(mCCCompiler.compileCC(makeCC(0xF4), it4), 1), mCCCompiler.compileCC(makeCC(0x90, 0xBF), it4));
139    Assign * FX_invalid = it4.createAssign("FX_invalid", it4.createOr(F0_invalid, F4_invalid));
140    it.createIf(u8pfx4, {u8scope4nonfinal, u8scope4X, FX_invalid}, it4);
141
142    //
143    // Invalid cases
144    PabloAST * anyscope = it.createOr(u8scope22, it.createOr(u8scope3X, u8scope4X));
145    PabloAST * legalpfx = it.createOr(it.createOr(u8pfx2, u8pfx3), u8pfx4);
146    //  Any scope that does not have a suffix byte, and any suffix byte that is not in
147    //  a scope is a mismatch, i.e., invalid UTF-8.
148    PabloAST * mismatch = it.createXor(anyscope, u8suffix);
149    //
150    PabloAST * EF_invalid = it.createOr(EX_invalid, FX_invalid);
151    PabloAST * pfx_invalid = it.createXor(u8pfx, legalpfx);
152    Assign * u8invalid = it.createAssign("u8invalid", it.createOr(pfx_invalid, it.createOr(mismatch, EF_invalid)));
153    Assign * u8valid = it.createAssign("u8valid", it.createNot(u8invalid));
154    //
155    //
156
157    Assign * valid_pfx = it.createAssign("valid_pfx", it.createAnd(u8pfx, u8valid));
158    mNonFinal = it.createAssign("nonfinal", it.createAnd(it.createOr(it.createOr(u8pfx, u8scope32), u8scope4nonfinal), u8valid));
159
160    Assign * NEL_LS_PS = it.createAssign("NEL_LS_PS", it.createOr(NEL, LS_PS));
161    mPB.createIf(u8pfx, {u8invalid, valid_pfx, mNonFinal, NEL_LS_PS}, it);
162
163    PabloAST * LB_chars = mPB.createOr(LF_VT_FF_CR, NEL_LS_PS);
164    PabloAST * u8single = mPB.createAnd(mCCCompiler.compileCC(makeCC(0x00, 0x7F)), mPB.createNot(u8invalid));
165    mInitial = mPB.createOr(u8single, valid_pfx, "initial");
166    mFinal = mPB.createNot(mPB.createOr(mNonFinal, u8invalid), "final");
167    PabloAST * UnicodeLineBreak = mPB.createAnd(LB_chars, mPB.createNot(mCRLF));  // count the CR, but not CRLF
168    PabloAST * lb = UNICODE_LINE_BREAK ? UnicodeLineBreak : LF;
169    PabloAST * unterminatedLineAtEOF = mPB.createAtEOF(mPB.createAdvance(mPB.createNot(LB_chars), 1));
170    mLineBreak = mPB.createOr(lb, unterminatedLineAtEOF);
171    mAny = mPB.createNot(lb, "any");
172    mFunction.setResult(1, mPB.createAssign("lf", mLineBreak));
173}
174
175
176RE * RE_Compiler::resolveUnicodeProperties(RE * re) {
177    Name * ZeroWidth = nullptr;
178    UCD::UCDCompiler::NameMap nameMap;
179    std::unordered_set<Name *> visited;
180    nameMap = resolveNames(re, ZeroWidth);
181   
182    if (LLVM_LIKELY(nameMap.size() > 0)) {
183        UCD::UCDCompiler ucdCompiler(mCCCompiler);
184        if (LLVM_UNLIKELY(AlgorithmOptionIsSet(DisableIfHierarchy))) {
185            ucdCompiler.generateWithoutIfHierarchy(nameMap, mPB);
186        } else {
187            ucdCompiler.generateWithDefaultIfHierarchy(nameMap, mPB);
188        }
189        for (auto t : nameMap) {
190            if (t.second) {
191                mCompiledName.insert(std::make_pair(t.first, makeMarker(MarkerPosition::FinalMatchUnit, t.second)));
192            }
193        }
194    }
195
196    // Now precompile any grapheme segmentation rules
197    if (ZeroWidth) {
198        auto gcb = compileName(ZeroWidth, mPB);
199        mCompiledName.insert(std::make_pair(ZeroWidth, gcb));
200    }
201    return re;
202}
203
204void RE_Compiler::compileUnicodeNames(RE *& re) {
205    re = resolveUnicodeProperties(re);
206}
207
208void RE_Compiler::finalizeMatchResult(MarkerType match_result, bool InvertMatches) {
209    PabloAST * match_follow = mPB.createMatchStar(markerVar(match_result), mAny);
210    if (InvertMatches) {
211        match_follow = mPB.createNot(match_follow);
212    }
213    Assign * matches = mPB.createAssign("matches", mPB.createAnd(match_follow, mLineBreak));
214    mFunction.setResultCount(mPB.createCount("matchedLineCount", matches));
215    mFunction.setResult(0, matches);
216}
217
218MarkerType RE_Compiler::compile(RE * re, PabloBuilder & pb) {
219    return process(re, makeMarker(MarkerPosition::FinalPostPositionUnit, pb.createOnes()), pb);
220}
221
222MarkerType RE_Compiler::process(RE * re, MarkerType marker, PabloBuilder & pb) {
223    if (isa<Name>(re)) {
224        return compileName(cast<Name>(re), marker, pb);
225    } else if (isa<Seq>(re)) {
226        return compileSeq(cast<Seq>(re), marker, pb);
227    } else if (isa<Alt>(re)) {
228        return compileAlt(cast<Alt>(re), marker, pb);
229    } else if (isa<Rep>(re)) {
230        return compileRep(cast<Rep>(re), marker, pb);
231    } else if (isa<Assertion>(re)) {
232        return compileAssertion(cast<Assertion>(re), marker, pb);
233    } else if (isa<Any>(re)) {
234        return compileAny(marker, pb);
235    } else if (isa<Diff>(re)) {
236        return compileDiff(cast<Diff>(re), marker, pb);
237    } else if (isa<Intersect>(re)) {
238        return compileIntersect(cast<Intersect>(re), marker, pb);
239    } else if (isa<Start>(re)) {
240        return compileStart(marker, pb);
241    } else if (isa<End>(re)) {
242        return compileEnd(marker, pb);
243    }
244    throw std::runtime_error("RE Compiler failed to process " + Printer_RE::PrintRE(re));
245}
246
247inline MarkerType RE_Compiler::compileAny(const MarkerType m, PabloBuilder & pb) {
248    PabloAST * nextFinalByte = markerVar(AdvanceMarker(m, MarkerPosition::FinalPostPositionUnit, pb));
249    PabloAST * lb = mLineBreak;
250    if (UNICODE_LINE_BREAK) {
251        lb = pb.createOr(mLineBreak, mCRLF);
252    }
253    return makeMarker(MarkerPosition::FinalMatchUnit, pb.createAnd(nextFinalByte, pb.createNot(lb), "dot"));
254}
255
256inline MarkerType RE_Compiler::compileName(Name * name, MarkerType marker, PabloBuilder & pb) {
257    if (isUnicodeUnitLength(name)) {
258        MarkerType nameMarker = compileName(name, pb);
259        MarkerType nextPos;
260        if (markerPos(marker) == MarkerPosition::FinalPostPositionUnit) {
261            nextPos = marker;
262        } else if (name->getType() == Name::Type::Byte) {
263            nextPos = AdvanceMarker(marker, MarkerPosition::InitialPostPositionUnit, pb);
264        } else {
265            nextPos = AdvanceMarker(marker, MarkerPosition::FinalPostPositionUnit, pb);
266        }
267        nameMarker.stream = pb.createAnd(markerVar(nextPos), markerVar(nameMarker), name->getName());
268        return nameMarker;
269    } else if (name->getType() == Name::Type::ZeroWidth) {
270        RE * zerowidth = name->getDefinition();
271        MarkerType zero = compile(zerowidth, pb);
272        AlignMarkers(marker, zero, pb);
273        PabloAST * ze = markerVar(zero);
274        const std::string value = name->getName();
275        if (value == "NonGCB") {
276            ze = pb.createNot(ze);
277        }
278        return makeMarker(markerPos(marker), pb.createAnd(markerVar(marker), ze, "zerowidth"));
279    } else {
280        return process(name->getDefinition(), marker, pb);
281    }
282}
283
284inline MarkerType RE_Compiler::compileName(Name * name, PabloBuilder & pb) {
285    auto f = mCompiledName.find(name);
286    if (LLVM_LIKELY(f != mCompiledName.end())) {
287        return f->second;
288    } else if (LLVM_LIKELY(name->getDefinition() != nullptr)) {
289        MarkerType m = compile(name->getDefinition(), pb);
290        mCompiledName.insert(std::make_pair(name, m));
291        return m;
292    }
293    throw std::runtime_error("Unresolved name " + name->getName());
294}
295
296MarkerType RE_Compiler::compileSeq(Seq * seq, MarkerType marker, PabloBuilder & pb) {
297    // if-hierarchies are not inserted within unbounded repetitions
298    if (mStarDepth > 0) {
299        for (RE * re : *seq) {
300            marker = process(re, marker, pb);
301        }
302        return marker;
303    } else {
304        return compileSeqTail(seq->begin(), seq->end(), 0, marker, pb);
305    }
306}
307
308MarkerType RE_Compiler::compileSeqTail(Seq::iterator current, Seq::iterator end, int matchLenSoFar, MarkerType marker, PabloBuilder & pb) {
309    if (current == end) return marker;
310    if (matchLenSoFar < IfInsertionGap) {
311        RE * r = *current;
312        marker = process(r, marker, pb);
313        current++;
314        return compileSeqTail(current, end, matchLenSoFar + minMatchLength(r), marker, pb);
315    } else {
316        PabloBuilder nested = PabloBuilder::Create(pb);
317        MarkerType m1 = compileSeqTail(current, end, 0, marker, nested);
318        Assign * m1a = nested.createAssign("m", markerVar(m1));
319        pb.createIf(markerVar(marker), {m1a}, nested);
320        return makeMarker(m1.pos, m1a);
321    }
322}
323
324MarkerType RE_Compiler::compileAlt(Alt * alt, MarkerType marker, PabloBuilder & pb) {
325    std::vector<PabloAST *>  accum = {pb.createZeroes(), pb.createZeroes(), pb.createZeroes()};
326    MarkerType const base = marker;
327    // The following may be useful to force a common Advance rather than separate
328    // Advances in each alternative.
329    // MarkerType const base = makeMarker(InitialPostPositionUnit, postPositionVar(marker, pb), pb);
330    for (RE * re : *alt) {
331        MarkerType rslt = process(re, base, pb);
332        MarkerPosition p = markerPos(rslt);
333        accum[p] = pb.createOr(accum[p], markerVar(rslt), "alt");
334    }
335    if (isa<Zeroes>(accum[MarkerPosition::InitialPostPositionUnit]) && isa<Zeroes>(accum[MarkerPosition::FinalPostPositionUnit])) {
336        return makeMarker(MarkerPosition::FinalMatchUnit, accum[MarkerPosition::FinalMatchUnit]);
337    }
338    PabloAST * combine = pb.createOr(accum[InitialPostPositionUnit], pb.createAdvance(accum[MarkerPosition::FinalMatchUnit], 1), "alt");
339    if (isa<Zeroes>(accum[FinalPostPositionUnit])) {
340        return makeMarker(InitialPostPositionUnit, combine);
341    }
342    combine = pb.createOr(pb.createScanThru(pb.createAnd(mInitial, combine), mNonFinal), accum[MarkerPosition::FinalPostPositionUnit], "alt");
343    return makeMarker(MarkerPosition::FinalPostPositionUnit, combine);
344}
345
346MarkerType RE_Compiler::compileAssertion(Assertion * a, MarkerType marker, PabloBuilder & pb) {
347    RE * asserted = a->getAsserted();
348    if (a->getKind() == Assertion::Kind::Lookbehind) {
349        MarkerType lookback = compile(asserted, pb);
350        AlignMarkers(marker, lookback, pb);
351        PabloAST * lb = markerVar(lookback);
352        if (a->getSense() == Assertion::Sense::Negative) {
353            lb = pb.createNot(lb);
354        }
355        return makeMarker(markerPos(marker), pb.createAnd(markerVar(marker), lb, "lookback"));
356    } else if (isUnicodeUnitLength(asserted)) {
357        MarkerType lookahead = compile(asserted, pb);
358        if (LLVM_LIKELY(markerPos(lookahead) == MarkerPosition::FinalMatchUnit)) {
359            PabloAST * la = markerVar(lookahead);
360            if (a->getSense() == Assertion::Sense::Negative) {
361                la = pb.createNot(la);
362            }
363            MarkerType fbyte = AdvanceMarker(marker, MarkerPosition::FinalPostPositionUnit, pb);
364            return makeMarker(MarkerPosition::FinalPostPositionUnit, pb.createAnd(markerVar(fbyte), la, "lookahead"));
365        }
366    }
367    throw std::runtime_error("Unsupported lookahead assertion.");
368}
369
370inline bool alignedUnicodeLength(const RE * lh, const RE * rh) {
371    const auto lhl = getUnicodeUnitLengthRange(lh);
372    const auto rhl = getUnicodeUnitLengthRange(rh);
373    return (lhl.first == lhl.second && lhl.first == rhl.first && lhl.second == rhl.second);
374}
375
376MarkerType RE_Compiler::compileDiff(Diff * diff, MarkerType marker, PabloBuilder & pb) {
377    RE * lh = diff->getLH();
378    RE * rh = diff->getRH();
379    if (alignedUnicodeLength(lh, rh)) {
380        MarkerType t1 = process(lh, marker, pb);
381        MarkerType t2 = process(rh, marker, pb);
382        AlignMarkers(t1, t2, pb);
383        return makeMarker(markerPos(t1), pb.createAnd(markerVar(t1), pb.createNot(markerVar(t2)), "diff"));
384    }
385    throw std::runtime_error("Unsupported Diff operands: " + Printer_RE::PrintRE(diff));
386}
387
388MarkerType RE_Compiler::compileIntersect(Intersect * x, MarkerType marker, PabloBuilder & pb) {
389    RE * lh = x->getLH();
390    RE * rh = x->getRH();
391    if (alignedUnicodeLength(lh, rh)) {
392        MarkerType t1 = process(lh, marker, pb);
393        MarkerType t2 = process(rh, marker, pb);
394        AlignMarkers(t1, t2, pb);
395        return makeMarker(markerPos(t1), pb.createAnd(markerVar(t1), markerVar(t2), "intersect"));
396    }
397    throw std::runtime_error("Unsupported Intersect operands: " + Printer_RE::PrintRE(x));
398}
399
400MarkerType RE_Compiler::compileRep(Rep * rep, MarkerType marker, PabloBuilder & pb) {
401    int lb = rep->getLB();
402    int ub = rep->getUB();
403    if (lb > 0) {
404        marker = processLowerBound(rep->getRE(), lb, marker, pb);
405    }
406    if (ub == Rep::UNBOUNDED_REP) {
407        marker = processUnboundedRep(rep->getRE(), marker, pb);
408    } else if (lb < ub) {
409        marker = processBoundedRep(rep->getRE(), ub - lb, marker, pb);
410    }
411    return marker;
412}
413
414/*
415   Given a stream |repeated| marking positions associated with matches to an item
416   of length |repeated_lgth|, compute a stream marking |repeat_count| consecutive
417   occurrences of such items.
418*/
419
420inline PabloAST * RE_Compiler::consecutive_matches(PabloAST * repeated, int length, int repeat_count, PabloBuilder & pb) {
421    int i = length;
422    int total = repeat_count * length;
423    PabloAST * consecutive_i = repeated;
424    while (i * 2 < total) {
425        PabloAST * v = consecutive_i;
426        PabloAST * v2 =  pb.createAdvance(v, i);
427        i *= 2;
428        consecutive_i = pb.createAnd(v, v2, "at" + std::to_string(i) + "of" + std::to_string(total));
429    }
430    if (i < total) {
431        PabloAST * v = consecutive_i;
432        consecutive_i = pb.createAnd(v, pb.createAdvance(v, total - i), "at" + std::to_string(total));
433    }
434    return consecutive_i;
435}
436
437inline PabloAST * RE_Compiler::reachable(PabloAST * repeated, int length, int repeat_count, PabloBuilder & pb) {
438    int i = length;
439    int total_lgth = repeat_count * length;
440    if (repeat_count == 0) {
441        return repeated;
442    }
443    PabloAST * reachable_i = pb.createOr(repeated, pb.createAdvance(repeated, 1), "within1");
444    while (i * 2 < total_lgth) {
445        PabloAST * v = reachable_i;
446        PabloAST * v2 =  pb.createAdvance(v, i);
447        i *= 2;
448        reachable_i = pb.createOr(v, v2, "within" + std::to_string(i));
449    }
450    if (i < total_lgth) {
451        PabloAST * v = reachable_i;
452        reachable_i = pb.createOr(v, pb.createAdvance(v, total_lgth - i), "within" + std::to_string(total_lgth));
453    }
454    return reachable_i;
455}
456
457MarkerType RE_Compiler::processLowerBound(RE * repeated, int lb, MarkerType marker, PabloBuilder & pb) {
458    if (!mGraphemeBoundaryRule && isByteLength(repeated) && !AlgorithmOptionIsSet(DisableLog2BoundedRepetition)) {
459        PabloAST * cc = markerVar(compile(repeated, pb));
460        PabloAST * cc_lb = consecutive_matches(cc, 1, lb, pb);
461        PabloAST * marker_fwd = pb.createAdvance(markerVar(marker), markerPos(marker) == MarkerPosition::FinalMatchUnit ? lb : lb - 1);
462        return makeMarker(MarkerPosition::FinalMatchUnit, pb.createAnd(marker_fwd, cc_lb, "lowerbound"));
463    }
464    // Fall through to general case.
465    for (int i = 1; i <= lb; ++i) {
466        marker = process(repeated, marker, pb);
467        if (mGraphemeBoundaryRule) {
468            marker = AdvanceMarker(marker, MarkerPosition::FinalPostPositionUnit, pb);
469        }
470    }
471    return marker;
472}
473
474MarkerType RE_Compiler::processBoundedRep(RE * repeated, int ub, MarkerType marker, PabloBuilder & pb) {
475    if (!mGraphemeBoundaryRule && isByteLength(repeated) && ub > 1 && !AlgorithmOptionIsSet(DisableLog2BoundedRepetition)) {
476        // log2 upper bound for fixed length (=1) class
477        // Create a mask of positions reachable within ub from current marker.
478        // Use matchstar, then apply filter.
479        PabloAST * match = markerVar(AdvanceMarker(marker, MarkerPosition::InitialPostPositionUnit, pb));
480        PabloAST * upperLimitMask = reachable(match, 1, ub, pb);
481        PabloAST * cursor = markerVar(AdvanceMarker(marker, MarkerPosition::InitialPostPositionUnit, pb));
482        PabloAST * rep_class_var = markerVar(compile(repeated, pb));
483        return makeMarker(MarkerPosition::InitialPostPositionUnit, pb.createAnd(pb.createMatchStar(cursor, rep_class_var), upperLimitMask, "bounded"));
484    }
485    // Fall through to general case.
486    for (int i = 1; i <= ub; ++i) {
487        MarkerType a = process(repeated, marker, pb);
488        MarkerType m = marker;
489        AlignMarkers(a, m, pb);
490        marker = makeMarker(markerPos(a), pb.createOr(markerVar(a), markerVar(m), "upper" + std::to_string(i)));
491        if (mGraphemeBoundaryRule) {
492            marker = AdvanceMarker(marker, MarkerPosition::FinalPostPositionUnit, pb);
493        }
494    }
495    return marker;
496}
497
498MarkerType RE_Compiler::processUnboundedRep(RE * repeated, MarkerType marker, PabloBuilder & pb) {
499    // always use PostPosition markers for unbounded repetition.
500    PabloAST * base = markerVar(AdvanceMarker(marker, MarkerPosition::InitialPostPositionUnit, pb));
501    if (!mGraphemeBoundaryRule && isByteLength(repeated)  && !AlgorithmOptionIsSet(DisableMatchStar)) {
502        PabloAST * cc = markerVar(compile(repeated, pb));
503        PabloAST * mstar = nullptr;
504        mstar = pb.createMatchStar(base, cc, "unbounded");
505        return makeMarker(MarkerPosition::InitialPostPositionUnit, mstar);
506    } else if (isUnicodeUnitLength(repeated) && !AlgorithmOptionIsSet(DisableMatchStar) && !AlgorithmOptionIsSet(DisableUnicodeMatchStar)) {
507        PabloAST * cc = markerVar(compile(repeated, pb));
508        PabloAST * mstar = nullptr;
509        PabloAST * nonFinal = mNonFinal;
510        if (mGraphemeBoundaryRule) {
511            nonFinal = pb.createOr(nonFinal, pb.createNot(mGraphemeBoundaryRule, "gext"));
512        }
513        cc = pb.createOr(cc, nonFinal);
514        mstar = pb.createMatchStar(base, cc);
515        PabloAST * final = mFinal;
516        if (mGraphemeBoundaryRule) {
517            final = mGraphemeBoundaryRule;
518        }
519        return makeMarker(MarkerPosition::FinalPostPositionUnit, pb.createAnd(mstar, final, "unbounded"));
520    } else if (mStarDepth > 0){
521        PabloBuilder * outerb = pb.getParent();
522        Assign * starPending = outerb->createAssign("pending", outerb->createZeroes());
523        Assign * starAccum = outerb->createAssign("accum", outerb->createZeroes());
524        mStarDepth++;
525        PabloAST * m1 = pb.createOr(base, starPending);
526        PabloAST * m2 = pb.createOr(base, starAccum);
527        MarkerType result = process(repeated, makeMarker(MarkerPosition::InitialPostPositionUnit, m1), pb);
528        result = AdvanceMarker(result, MarkerPosition::InitialPostPositionUnit, pb);
529        PabloAST * loopComputation = markerVar(result);
530        Next * nextPending = pb.createNext(starPending, pb.createAnd(loopComputation, pb.createNot(m2)));
531        Next * nextStarAccum = pb.createNext(starAccum, pb.createOr(loopComputation, m2));
532        mWhileTest = pb.createOr(mWhileTest, nextPending);
533        mLoopVariants.push_back(nextPending);
534        mLoopVariants.push_back(nextStarAccum);
535        mStarDepth--;
536        return makeMarker(markerPos(result), pb.createAssign("unbounded", pb.createOr(base, nextStarAccum)));
537    } else {
538        Assign * whileTest = pb.createAssign("test", base);
539        Assign * whilePending = pb.createAssign("pending", base);
540        Assign * whileAccum = pb.createAssign("accum", base);
541        mWhileTest = pb.createZeroes();
542        PabloBuilder wb = PabloBuilder::Create(pb);
543        mStarDepth++;
544        MarkerType result = process(repeated, makeMarker(MarkerPosition::InitialPostPositionUnit, whilePending), wb);
545        result = AdvanceMarker(result, MarkerPosition::InitialPostPositionUnit, wb);
546        PabloAST * loopComputation = markerVar(result);
547        Next * nextWhilePending = wb.createNext(whilePending, wb.createAnd(loopComputation, wb.createNot(whileAccum)));
548        Next * nextWhileAccum = wb.createNext(whileAccum, wb.createOr(loopComputation, whileAccum));
549        Next * nextWhileTest = wb.createNext(whileTest, wb.createOr(mWhileTest, nextWhilePending));
550        mLoopVariants.push_back(nextWhilePending);
551        mLoopVariants.push_back(nextWhileAccum);
552        mLoopVariants.push_back(nextWhileTest);
553        pb.createWhile(nextWhileTest, mLoopVariants, wb);
554        mStarDepth--;
555        mLoopVariants.clear();
556        return makeMarker(markerPos(result), pb.createAssign("unbounded", nextWhileAccum));
557    }
558}
559
560inline MarkerType RE_Compiler::compileStart(const MarkerType marker, pablo::PabloBuilder & pb) {
561    MarkerType m = AdvanceMarker(marker, MarkerPosition::InitialPostPositionUnit, pb);
562    if (UNICODE_LINE_BREAK) {
563        PabloAST * line_end = mPB.createOr(mLineBreak, mCRLF);
564        PabloAST * sol = pb.createNot(pb.createOr(pb.createAdvance(pb.createNot(line_end), 1), mCRLF));
565        return makeMarker(MarkerPosition::InitialPostPositionUnit, pb.createAnd(markerVar(m), sol, "sol"));
566    } else {
567        PabloAST * sol = pb.createNot(pb.createAdvance(pb.createNot(mLineBreak), 1));
568        return makeMarker(MarkerPosition::FinalPostPositionUnit, pb.createAnd(markerVar(m), sol, "sol"));
569    }
570}
571
572inline MarkerType RE_Compiler::compileEnd(const MarkerType marker, pablo::PabloBuilder & pb) {
573    if (UNICODE_LINE_BREAK) {
574        PabloAST * nextPos = markerVar(AdvanceMarker(marker, MarkerPosition::FinalPostPositionUnit, pb));
575        return makeMarker(MarkerPosition::FinalPostPositionUnit, pb.createAnd(nextPos, mLineBreak, "eol"));
576    } else {
577        PabloAST * nextPos = markerVar(AdvanceMarker(marker, MarkerPosition::InitialPostPositionUnit, pb));  // For LF match
578        return makeMarker(MarkerPosition::FinalPostPositionUnit, pb.createAnd(nextPos, mLineBreak, "eol"));
579    }
580}
581
582/*inline MarkerType RE_Compiler::compileGraphemeBoundary(GraphemeBoundary * gb, MarkerType marker, pablo::PabloBuilder & pb) {
583    auto f = mCompiledName.find(gb->getBoundaryRule());
584    assert ("Internal error: failed to locate grapheme boundary rule!" && (f != mCompiledName.end()));
585    if (gb->getExpression()) {
586        const auto graphemeBoundaryRule = mGraphemeBoundaryRule;
587        mGraphemeBoundaryRule = markerVar(f->second);
588        marker = process(gb->getExpression(), marker, pb);
589        marker = AdvanceMarker(marker, MarkerPosition::FinalPostPositionUnit, pb);
590        mGraphemeBoundaryRule = graphemeBoundaryRule;
591    } else {
592        marker = AdvanceMarker(marker, MarkerPosition::FinalPostPositionUnit, pb);
593        PabloAST * rule = markerVar(f->second);
594        if (gb->getSense() == GraphemeBoundary::Sense::Negative) {
595            rule = pb.createNot(rule);
596        }
597        marker = makeMarker(MarkerPosition::FinalPostPositionUnit, pb.createAnd(markerVar(marker), rule, "gb"));
598    }
599    return marker;
600}*/
601
602inline MarkerType RE_Compiler::AdvanceMarker(MarkerType marker, const MarkerPosition newpos, PabloBuilder & pb) {
603    if (marker.pos != newpos) {
604        if (marker.pos == MarkerPosition::FinalMatchUnit) {
605            marker.stream = pb.createAdvance(marker.stream, 1, "ipp");
606            marker.pos = MarkerPosition::InitialPostPositionUnit;
607        }
608        if (newpos == MarkerPosition::FinalPostPositionUnit) {
609            PabloAST * nonFinal = mNonFinal;
610            if (mGraphemeBoundaryRule) {
611                nonFinal = pb.createOr(nonFinal, pb.createNot(mGraphemeBoundaryRule, "gext"));
612            }
613            marker.stream = pb.createScanThru(pb.createAnd(mInitial, marker.stream), nonFinal, "fpp");
614            marker.pos = MarkerPosition::FinalPostPositionUnit;
615        }
616    }
617    return marker;
618}
619
620inline void RE_Compiler::AlignMarkers(MarkerType & m1, MarkerType & m2, PabloBuilder & pb) {
621    if (m1.pos < m2.pos) {
622        m1 = AdvanceMarker(m1, m2.pos, pb);
623    } else if (m2.pos < m1.pos) {
624        m2 = AdvanceMarker(m2, m1.pos, pb);
625    }
626}
627
628RE_Compiler::RE_Compiler(pablo::PabloFunction & function, cc::CC_Compiler & ccCompiler)
629: mCCCompiler(ccCompiler)
630, mLineBreak(nullptr)
631, mCRLF(nullptr)
632, mAny(nullptr)
633, mGraphemeBoundaryRule(nullptr)
634, mInitial(nullptr)
635, mNonFinal(nullptr)
636, mFinal(nullptr)
637, mWhileTest(nullptr)
638, mStarDepth(0)
639, mLoopVariants()
640, mPB(ccCompiler.getBuilder().getPabloBlock(), ccCompiler.getBuilder())
641, mFunction(function)
642{
643
644}
645
646} // end of namespace re
Note: See TracBrowser for help on using the repository browser.