source: icGREP/icgrep-devel/icgrep/re/re_compiler.cpp @ 5134

Last change on this file since 5134 was 5134, checked in by cameron, 3 years ago

refine PabloKernel? signature based on CountOnly? parameter

File size: 30.1 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    if (!mCountOnly) 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    if (!mCountOnly) 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    if (mCountOnly) {
215        mFunction.setResultCount(mPB.createCount("matchedLineCount", matches));
216    }
217    else {
218        mFunction.setResult(0, matches);
219    }
220}
221
222MarkerType RE_Compiler::compile(RE * re, PabloBuilder & pb) {
223    return process(re, makeMarker(MarkerPosition::FinalPostPositionUnit, pb.createOnes()), pb);
224}
225
226MarkerType RE_Compiler::process(RE * re, MarkerType marker, PabloBuilder & pb) {
227    if (isa<Name>(re)) {
228        return compileName(cast<Name>(re), marker, pb);
229    } else if (isa<Seq>(re)) {
230        return compileSeq(cast<Seq>(re), marker, pb);
231    } else if (isa<Alt>(re)) {
232        return compileAlt(cast<Alt>(re), marker, pb);
233    } else if (isa<Rep>(re)) {
234        return compileRep(cast<Rep>(re), marker, pb);
235    } else if (isa<Assertion>(re)) {
236        return compileAssertion(cast<Assertion>(re), marker, pb);
237    } else if (isa<Any>(re)) {
238        return compileAny(marker, pb);
239    } else if (isa<Diff>(re)) {
240        return compileDiff(cast<Diff>(re), marker, pb);
241    } else if (isa<Intersect>(re)) {
242        return compileIntersect(cast<Intersect>(re), marker, pb);
243    } else if (isa<Start>(re)) {
244        return compileStart(marker, pb);
245    } else if (isa<End>(re)) {
246        return compileEnd(marker, pb);
247    }
248    throw std::runtime_error("RE Compiler failed to process " + Printer_RE::PrintRE(re));
249}
250
251inline MarkerType RE_Compiler::compileAny(const MarkerType m, PabloBuilder & pb) {
252    PabloAST * nextFinalByte = markerVar(AdvanceMarker(m, MarkerPosition::FinalPostPositionUnit, pb));
253    PabloAST * lb = mLineBreak;
254    if (UNICODE_LINE_BREAK) {
255        lb = pb.createOr(mLineBreak, mCRLF);
256    }
257    return makeMarker(MarkerPosition::FinalMatchUnit, pb.createAnd(nextFinalByte, pb.createNot(lb), "dot"));
258}
259
260inline MarkerType RE_Compiler::compileName(Name * name, MarkerType marker, PabloBuilder & pb) {
261    if (isUnicodeUnitLength(name)) {
262        MarkerType nameMarker = compileName(name, pb);
263        MarkerType nextPos;
264        if (markerPos(marker) == MarkerPosition::FinalPostPositionUnit) {
265            nextPos = marker;
266        } else if (name->getType() == Name::Type::Byte) {
267            nextPos = AdvanceMarker(marker, MarkerPosition::InitialPostPositionUnit, pb);
268        } else {
269            nextPos = AdvanceMarker(marker, MarkerPosition::FinalPostPositionUnit, pb);
270        }
271        nameMarker.stream = pb.createAnd(markerVar(nextPos), markerVar(nameMarker), name->getName());
272        return nameMarker;
273    } else if (name->getType() == Name::Type::ZeroWidth) {
274        RE * zerowidth = name->getDefinition();
275        MarkerType zero = compile(zerowidth, pb);
276        AlignMarkers(marker, zero, pb);
277        PabloAST * ze = markerVar(zero);
278        const std::string value = name->getName();
279        if (value == "NonGCB") {
280            ze = pb.createNot(ze);
281        }
282        return makeMarker(markerPos(marker), pb.createAnd(markerVar(marker), ze, "zerowidth"));
283    } else {
284        return process(name->getDefinition(), marker, pb);
285    }
286}
287
288inline MarkerType RE_Compiler::compileName(Name * name, PabloBuilder & pb) {
289    auto f = mCompiledName.find(name);
290    if (LLVM_LIKELY(f != mCompiledName.end())) {
291        return f->second;
292    } else if (LLVM_LIKELY(name->getDefinition() != nullptr)) {
293        MarkerType m = compile(name->getDefinition(), pb);
294        mCompiledName.insert(std::make_pair(name, m));
295        return m;
296    }
297    throw std::runtime_error("Unresolved name " + name->getName());
298}
299
300MarkerType RE_Compiler::compileSeq(Seq * seq, MarkerType marker, PabloBuilder & pb) {
301    // if-hierarchies are not inserted within unbounded repetitions
302    if (mStarDepth > 0) {
303        for (RE * re : *seq) {
304            marker = process(re, marker, pb);
305        }
306        return marker;
307    } else {
308        return compileSeqTail(seq->begin(), seq->end(), 0, marker, pb);
309    }
310}
311
312MarkerType RE_Compiler::compileSeqTail(Seq::iterator current, Seq::iterator end, int matchLenSoFar, MarkerType marker, PabloBuilder & pb) {
313    if (current == end) return marker;
314    if (matchLenSoFar < IfInsertionGap) {
315        RE * r = *current;
316        marker = process(r, marker, pb);
317        current++;
318        return compileSeqTail(current, end, matchLenSoFar + minMatchLength(r), marker, pb);
319    } else {
320        PabloBuilder nested = PabloBuilder::Create(pb);
321        MarkerType m1 = compileSeqTail(current, end, 0, marker, nested);
322        Assign * m1a = nested.createAssign("m", markerVar(m1));
323        pb.createIf(markerVar(marker), {m1a}, nested);
324        return makeMarker(m1.pos, m1a);
325    }
326}
327
328MarkerType RE_Compiler::compileAlt(Alt * alt, MarkerType marker, PabloBuilder & pb) {
329    std::vector<PabloAST *>  accum = {pb.createZeroes(), pb.createZeroes(), pb.createZeroes()};
330    MarkerType const base = marker;
331    // The following may be useful to force a common Advance rather than separate
332    // Advances in each alternative.
333    // MarkerType const base = makeMarker(InitialPostPositionUnit, postPositionVar(marker, pb), pb);
334    for (RE * re : *alt) {
335        MarkerType rslt = process(re, base, pb);
336        MarkerPosition p = markerPos(rslt);
337        accum[p] = pb.createOr(accum[p], markerVar(rslt), "alt");
338    }
339    if (isa<Zeroes>(accum[MarkerPosition::InitialPostPositionUnit]) && isa<Zeroes>(accum[MarkerPosition::FinalPostPositionUnit])) {
340        return makeMarker(MarkerPosition::FinalMatchUnit, accum[MarkerPosition::FinalMatchUnit]);
341    }
342    PabloAST * combine = pb.createOr(accum[InitialPostPositionUnit], pb.createAdvance(accum[MarkerPosition::FinalMatchUnit], 1), "alt");
343    if (isa<Zeroes>(accum[FinalPostPositionUnit])) {
344        return makeMarker(InitialPostPositionUnit, combine);
345    }
346    combine = pb.createOr(pb.createScanThru(pb.createAnd(mInitial, combine), mNonFinal), accum[MarkerPosition::FinalPostPositionUnit], "alt");
347    return makeMarker(MarkerPosition::FinalPostPositionUnit, combine);
348}
349
350MarkerType RE_Compiler::compileAssertion(Assertion * a, MarkerType marker, PabloBuilder & pb) {
351    RE * asserted = a->getAsserted();
352    if (a->getKind() == Assertion::Kind::Lookbehind) {
353        MarkerType lookback = compile(asserted, pb);
354        AlignMarkers(marker, lookback, pb);
355        PabloAST * lb = markerVar(lookback);
356        if (a->getSense() == Assertion::Sense::Negative) {
357            lb = pb.createNot(lb);
358        }
359        return makeMarker(markerPos(marker), pb.createAnd(markerVar(marker), lb, "lookback"));
360    } else if (isUnicodeUnitLength(asserted)) {
361        MarkerType lookahead = compile(asserted, pb);
362        if (LLVM_LIKELY(markerPos(lookahead) == MarkerPosition::FinalMatchUnit)) {
363            PabloAST * la = markerVar(lookahead);
364            if (a->getSense() == Assertion::Sense::Negative) {
365                la = pb.createNot(la);
366            }
367            MarkerType fbyte = AdvanceMarker(marker, MarkerPosition::FinalPostPositionUnit, pb);
368            return makeMarker(MarkerPosition::FinalPostPositionUnit, pb.createAnd(markerVar(fbyte), la, "lookahead"));
369        }
370    }
371    throw std::runtime_error("Unsupported lookahead assertion.");
372}
373
374inline bool alignedUnicodeLength(const RE * lh, const RE * rh) {
375    const auto lhl = getUnicodeUnitLengthRange(lh);
376    const auto rhl = getUnicodeUnitLengthRange(rh);
377    return (lhl.first == lhl.second && lhl.first == rhl.first && lhl.second == rhl.second);
378}
379
380MarkerType RE_Compiler::compileDiff(Diff * diff, MarkerType marker, PabloBuilder & pb) {
381    RE * lh = diff->getLH();
382    RE * rh = diff->getRH();
383    if (alignedUnicodeLength(lh, rh)) {
384        MarkerType t1 = process(lh, marker, pb);
385        MarkerType t2 = process(rh, marker, pb);
386        AlignMarkers(t1, t2, pb);
387        return makeMarker(markerPos(t1), pb.createAnd(markerVar(t1), pb.createNot(markerVar(t2)), "diff"));
388    }
389    throw std::runtime_error("Unsupported Diff operands: " + Printer_RE::PrintRE(diff));
390}
391
392MarkerType RE_Compiler::compileIntersect(Intersect * x, MarkerType marker, PabloBuilder & pb) {
393    RE * lh = x->getLH();
394    RE * rh = x->getRH();
395    if (alignedUnicodeLength(lh, rh)) {
396        MarkerType t1 = process(lh, marker, pb);
397        MarkerType t2 = process(rh, marker, pb);
398        AlignMarkers(t1, t2, pb);
399        return makeMarker(markerPos(t1), pb.createAnd(markerVar(t1), markerVar(t2), "intersect"));
400    }
401    throw std::runtime_error("Unsupported Intersect operands: " + Printer_RE::PrintRE(x));
402}
403
404MarkerType RE_Compiler::compileRep(Rep * rep, MarkerType marker, PabloBuilder & pb) {
405    int lb = rep->getLB();
406    int ub = rep->getUB();
407    if (lb > 0) {
408        marker = processLowerBound(rep->getRE(), lb, marker, pb);
409    }
410    if (ub == Rep::UNBOUNDED_REP) {
411        marker = processUnboundedRep(rep->getRE(), marker, pb);
412    } else if (lb < ub) {
413        marker = processBoundedRep(rep->getRE(), ub - lb, marker, pb);
414    }
415    return marker;
416}
417
418/*
419   Given a stream |repeated| marking positions associated with matches to an item
420   of length |repeated_lgth|, compute a stream marking |repeat_count| consecutive
421   occurrences of such items.
422*/
423
424inline PabloAST * RE_Compiler::consecutive_matches(PabloAST * repeated, int length, int repeat_count, PabloBuilder & pb) {
425    int i = length;
426    int total = repeat_count * length;
427    PabloAST * consecutive_i = repeated;
428    while (i * 2 < total) {
429        PabloAST * v = consecutive_i;
430        PabloAST * v2 =  pb.createAdvance(v, i);
431        i *= 2;
432        consecutive_i = pb.createAnd(v, v2, "at" + std::to_string(i) + "of" + std::to_string(total));
433    }
434    if (i < total) {
435        PabloAST * v = consecutive_i;
436        consecutive_i = pb.createAnd(v, pb.createAdvance(v, total - i), "at" + std::to_string(total));
437    }
438    return consecutive_i;
439}
440
441inline PabloAST * RE_Compiler::reachable(PabloAST * repeated, int length, int repeat_count, PabloBuilder & pb) {
442    int i = length;
443    int total_lgth = repeat_count * length;
444    if (repeat_count == 0) {
445        return repeated;
446    }
447    PabloAST * reachable_i = pb.createOr(repeated, pb.createAdvance(repeated, 1), "within1");
448    while (i * 2 < total_lgth) {
449        PabloAST * v = reachable_i;
450        PabloAST * v2 =  pb.createAdvance(v, i);
451        i *= 2;
452        reachable_i = pb.createOr(v, v2, "within" + std::to_string(i));
453    }
454    if (i < total_lgth) {
455        PabloAST * v = reachable_i;
456        reachable_i = pb.createOr(v, pb.createAdvance(v, total_lgth - i), "within" + std::to_string(total_lgth));
457    }
458    return reachable_i;
459}
460
461MarkerType RE_Compiler::processLowerBound(RE * repeated, int lb, MarkerType marker, PabloBuilder & pb) {
462    if (!mGraphemeBoundaryRule && isByteLength(repeated) && !AlgorithmOptionIsSet(DisableLog2BoundedRepetition)) {
463        PabloAST * cc = markerVar(compile(repeated, pb));
464        PabloAST * cc_lb = consecutive_matches(cc, 1, lb, pb);
465        PabloAST * marker_fwd = pb.createAdvance(markerVar(marker), markerPos(marker) == MarkerPosition::FinalMatchUnit ? lb : lb - 1);
466        return makeMarker(MarkerPosition::FinalMatchUnit, pb.createAnd(marker_fwd, cc_lb, "lowerbound"));
467    }
468    // Fall through to general case.
469    for (int i = 1; i <= lb; ++i) {
470        marker = process(repeated, marker, pb);
471        if (mGraphemeBoundaryRule) {
472            marker = AdvanceMarker(marker, MarkerPosition::FinalPostPositionUnit, pb);
473        }
474    }
475    return marker;
476}
477
478MarkerType RE_Compiler::processBoundedRep(RE * repeated, int ub, MarkerType marker, PabloBuilder & pb) {
479    if (!mGraphemeBoundaryRule && isByteLength(repeated) && ub > 1 && !AlgorithmOptionIsSet(DisableLog2BoundedRepetition)) {
480        // log2 upper bound for fixed length (=1) class
481        // Create a mask of positions reachable within ub from current marker.
482        // Use matchstar, then apply filter.
483        PabloAST * match = markerVar(AdvanceMarker(marker, MarkerPosition::InitialPostPositionUnit, pb));
484        PabloAST * upperLimitMask = reachable(match, 1, ub, pb);
485        PabloAST * cursor = markerVar(AdvanceMarker(marker, MarkerPosition::InitialPostPositionUnit, pb));
486        PabloAST * rep_class_var = markerVar(compile(repeated, pb));
487        return makeMarker(MarkerPosition::InitialPostPositionUnit, pb.createAnd(pb.createMatchStar(cursor, rep_class_var), upperLimitMask, "bounded"));
488    }
489    // Fall through to general case.
490    for (int i = 1; i <= ub; ++i) {
491        MarkerType a = process(repeated, marker, pb);
492        MarkerType m = marker;
493        AlignMarkers(a, m, pb);
494        marker = makeMarker(markerPos(a), pb.createOr(markerVar(a), markerVar(m), "upper" + std::to_string(i)));
495        if (mGraphemeBoundaryRule) {
496            marker = AdvanceMarker(marker, MarkerPosition::FinalPostPositionUnit, pb);
497        }
498    }
499    return marker;
500}
501
502MarkerType RE_Compiler::processUnboundedRep(RE * repeated, MarkerType marker, PabloBuilder & pb) {
503    // always use PostPosition markers for unbounded repetition.
504    PabloAST * base = markerVar(AdvanceMarker(marker, MarkerPosition::InitialPostPositionUnit, pb));
505    if (!mGraphemeBoundaryRule && isByteLength(repeated)  && !AlgorithmOptionIsSet(DisableMatchStar)) {
506        PabloAST * cc = markerVar(compile(repeated, pb));
507        PabloAST * mstar = nullptr;
508        mstar = pb.createMatchStar(base, cc, "unbounded");
509        return makeMarker(MarkerPosition::InitialPostPositionUnit, mstar);
510    } else if (isUnicodeUnitLength(repeated) && !AlgorithmOptionIsSet(DisableMatchStar) && !AlgorithmOptionIsSet(DisableUnicodeMatchStar)) {
511        PabloAST * cc = markerVar(compile(repeated, pb));
512        PabloAST * mstar = nullptr;
513        PabloAST * nonFinal = mNonFinal;
514        if (mGraphemeBoundaryRule) {
515            nonFinal = pb.createOr(nonFinal, pb.createNot(mGraphemeBoundaryRule, "gext"));
516        }
517        cc = pb.createOr(cc, nonFinal);
518        mstar = pb.createMatchStar(base, cc);
519        PabloAST * final = mFinal;
520        if (mGraphemeBoundaryRule) {
521            final = mGraphemeBoundaryRule;
522        }
523        return makeMarker(MarkerPosition::FinalPostPositionUnit, pb.createAnd(mstar, final, "unbounded"));
524    } else if (mStarDepth > 0){
525        PabloBuilder * outerb = pb.getParent();
526        Assign * starPending = outerb->createAssign("pending", outerb->createZeroes());
527        Assign * starAccum = outerb->createAssign("accum", outerb->createZeroes());
528        mStarDepth++;
529        PabloAST * m1 = pb.createOr(base, starPending);
530        PabloAST * m2 = pb.createOr(base, starAccum);
531        MarkerType result = process(repeated, makeMarker(MarkerPosition::InitialPostPositionUnit, m1), pb);
532        result = AdvanceMarker(result, MarkerPosition::InitialPostPositionUnit, pb);
533        PabloAST * loopComputation = markerVar(result);
534        Next * nextPending = pb.createNext(starPending, pb.createAnd(loopComputation, pb.createNot(m2)));
535        Next * nextStarAccum = pb.createNext(starAccum, pb.createOr(loopComputation, m2));
536        mWhileTest = pb.createOr(mWhileTest, nextPending);
537        mLoopVariants.push_back(nextPending);
538        mLoopVariants.push_back(nextStarAccum);
539        mStarDepth--;
540        return makeMarker(markerPos(result), pb.createAssign("unbounded", pb.createOr(base, nextStarAccum)));
541    } else {
542        Assign * whileTest = pb.createAssign("test", base);
543        Assign * whilePending = pb.createAssign("pending", base);
544        Assign * whileAccum = pb.createAssign("accum", base);
545        mWhileTest = pb.createZeroes();
546        PabloBuilder wb = PabloBuilder::Create(pb);
547        mStarDepth++;
548        MarkerType result = process(repeated, makeMarker(MarkerPosition::InitialPostPositionUnit, whilePending), wb);
549        result = AdvanceMarker(result, MarkerPosition::InitialPostPositionUnit, wb);
550        PabloAST * loopComputation = markerVar(result);
551        Next * nextWhilePending = wb.createNext(whilePending, wb.createAnd(loopComputation, wb.createNot(whileAccum)));
552        Next * nextWhileAccum = wb.createNext(whileAccum, wb.createOr(loopComputation, whileAccum));
553        Next * nextWhileTest = wb.createNext(whileTest, wb.createOr(mWhileTest, nextWhilePending));
554        mLoopVariants.push_back(nextWhilePending);
555        mLoopVariants.push_back(nextWhileAccum);
556        mLoopVariants.push_back(nextWhileTest);
557        pb.createWhile(nextWhileTest, mLoopVariants, wb);
558        mStarDepth--;
559        mLoopVariants.clear();
560        return makeMarker(markerPos(result), pb.createAssign("unbounded", nextWhileAccum));
561    }
562}
563
564inline MarkerType RE_Compiler::compileStart(const MarkerType marker, pablo::PabloBuilder & pb) {
565    MarkerType m = AdvanceMarker(marker, MarkerPosition::InitialPostPositionUnit, pb);
566    if (UNICODE_LINE_BREAK) {
567        PabloAST * line_end = mPB.createOr(mLineBreak, mCRLF);
568        PabloAST * sol = pb.createNot(pb.createOr(pb.createAdvance(pb.createNot(line_end), 1), mCRLF));
569        return makeMarker(MarkerPosition::InitialPostPositionUnit, pb.createAnd(markerVar(m), sol, "sol"));
570    } else {
571        PabloAST * sol = pb.createNot(pb.createAdvance(pb.createNot(mLineBreak), 1));
572        return makeMarker(MarkerPosition::FinalPostPositionUnit, pb.createAnd(markerVar(m), sol, "sol"));
573    }
574}
575
576inline MarkerType RE_Compiler::compileEnd(const MarkerType marker, pablo::PabloBuilder & pb) {
577    if (UNICODE_LINE_BREAK) {
578        PabloAST * nextPos = markerVar(AdvanceMarker(marker, MarkerPosition::FinalPostPositionUnit, pb));
579        return makeMarker(MarkerPosition::FinalPostPositionUnit, pb.createAnd(nextPos, mLineBreak, "eol"));
580    } else {
581        PabloAST * nextPos = markerVar(AdvanceMarker(marker, MarkerPosition::InitialPostPositionUnit, pb));  // For LF match
582        return makeMarker(MarkerPosition::FinalPostPositionUnit, pb.createAnd(nextPos, mLineBreak, "eol"));
583    }
584}
585
586/*inline MarkerType RE_Compiler::compileGraphemeBoundary(GraphemeBoundary * gb, MarkerType marker, pablo::PabloBuilder & pb) {
587    auto f = mCompiledName.find(gb->getBoundaryRule());
588    assert ("Internal error: failed to locate grapheme boundary rule!" && (f != mCompiledName.end()));
589    if (gb->getExpression()) {
590        const auto graphemeBoundaryRule = mGraphemeBoundaryRule;
591        mGraphemeBoundaryRule = markerVar(f->second);
592        marker = process(gb->getExpression(), marker, pb);
593        marker = AdvanceMarker(marker, MarkerPosition::FinalPostPositionUnit, pb);
594        mGraphemeBoundaryRule = graphemeBoundaryRule;
595    } else {
596        marker = AdvanceMarker(marker, MarkerPosition::FinalPostPositionUnit, pb);
597        PabloAST * rule = markerVar(f->second);
598        if (gb->getSense() == GraphemeBoundary::Sense::Negative) {
599            rule = pb.createNot(rule);
600        }
601        marker = makeMarker(MarkerPosition::FinalPostPositionUnit, pb.createAnd(markerVar(marker), rule, "gb"));
602    }
603    return marker;
604}*/
605
606inline MarkerType RE_Compiler::AdvanceMarker(MarkerType marker, const MarkerPosition newpos, PabloBuilder & pb) {
607    if (marker.pos != newpos) {
608        if (marker.pos == MarkerPosition::FinalMatchUnit) {
609            marker.stream = pb.createAdvance(marker.stream, 1, "ipp");
610            marker.pos = MarkerPosition::InitialPostPositionUnit;
611        }
612        if (newpos == MarkerPosition::FinalPostPositionUnit) {
613            PabloAST * nonFinal = mNonFinal;
614            if (mGraphemeBoundaryRule) {
615                nonFinal = pb.createOr(nonFinal, pb.createNot(mGraphemeBoundaryRule, "gext"));
616            }
617            marker.stream = pb.createScanThru(pb.createAnd(mInitial, marker.stream), nonFinal, "fpp");
618            marker.pos = MarkerPosition::FinalPostPositionUnit;
619        }
620    }
621    return marker;
622}
623
624inline void RE_Compiler::AlignMarkers(MarkerType & m1, MarkerType & m2, PabloBuilder & pb) {
625    if (m1.pos < m2.pos) {
626        m1 = AdvanceMarker(m1, m2.pos, pb);
627    } else if (m2.pos < m1.pos) {
628        m2 = AdvanceMarker(m2, m1.pos, pb);
629    }
630}
631
632RE_Compiler::RE_Compiler(pablo::PabloFunction & function, cc::CC_Compiler & ccCompiler, bool CountOnly)
633: mCountOnly(CountOnly)
634, mCCCompiler(ccCompiler)
635, mLineBreak(nullptr)
636, mCRLF(nullptr)
637, mAny(nullptr)
638, mGraphemeBoundaryRule(nullptr)
639, mInitial(nullptr)
640, mNonFinal(nullptr)
641, mFinal(nullptr)
642, mWhileTest(nullptr)
643, mStarDepth(0)
644, mLoopVariants()
645, mPB(ccCompiler.getBuilder().getPabloBlock(), ccCompiler.getBuilder())
646, mFunction(function)
647{
648
649}
650
651} // end of namespace re
Note: See TracBrowser for help on using the repository browser.