source: icGREP/icgrep-devel/icgrep/re/re_compiler.cpp @ 5197

Last change on this file since 5197 was 5189, checked in by xuedongx, 3 years ago

delete the InitialPostPositionUnit? MarkerType?

File size: 28.8 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(const unsigned encodingBits) {
46    if (encodingBits == 8) {
47      RE_Compiler::initializeRequiredStreams_utf8();
48    }
49    else if (encodingBits == 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, mPB.createAnd(t.second, mAny))));
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 {
267            nextPos = AdvanceMarker(marker, MarkerPosition::FinalPostPositionUnit, pb);
268        }
269        nameMarker.stream = pb.createAnd(markerVar(nextPos), markerVar(nameMarker), name->getName());
270        return nameMarker;
271    } else if (name->getType() == Name::Type::ZeroWidth) {
272        RE * zerowidth = name->getDefinition();
273        MarkerType zero = compile(zerowidth, pb);
274        AlignMarkers(marker, zero, pb);
275        PabloAST * ze = markerVar(zero);
276        const std::string value = name->getName();
277        if (value == "NonGCB") {
278            ze = pb.createNot(ze);
279        }
280        return makeMarker(markerPos(marker), pb.createAnd(markerVar(marker), ze, "zerowidth"));
281    } else {
282        return process(name->getDefinition(), marker, pb);
283    }
284}
285
286inline MarkerType RE_Compiler::compileName(Name * name, PabloBuilder & pb) {
287    auto f = mCompiledName.find(name);
288    if (LLVM_LIKELY(f != mCompiledName.end())) {
289        return f->second;
290    } else if (LLVM_LIKELY(name->getDefinition() != nullptr)) {
291        MarkerType m = compile(name->getDefinition(), pb);
292        mCompiledName.insert(std::make_pair(name, m));
293        return m;
294    }
295    throw std::runtime_error("Unresolved name " + name->getName());
296}
297
298MarkerType RE_Compiler::compileSeq(Seq * seq, MarkerType marker, PabloBuilder & pb) {
299    // if-hierarchies are not inserted within unbounded repetitions
300    if (mStarDepth > 0) {
301        for (RE * re : *seq) {
302            marker = process(re, marker, pb);
303        }
304        return marker;
305    } else {
306        return compileSeqTail(seq->begin(), seq->end(), 0, marker, pb);
307    }
308}
309
310MarkerType RE_Compiler::compileSeqTail(Seq::iterator current, Seq::iterator end, int matchLenSoFar, MarkerType marker, PabloBuilder & pb) {
311    if (current == end) return marker;
312    if (matchLenSoFar < IfInsertionGap) {
313        RE * r = *current;
314        marker = process(r, marker, pb);
315        current++;
316        return compileSeqTail(current, end, matchLenSoFar + minMatchLength(r), marker, pb);
317    } else {
318        PabloBuilder nested = PabloBuilder::Create(pb);
319        MarkerType m1 = compileSeqTail(current, end, 0, marker, nested);
320        Assign * m1a = nested.createAssign("m", markerVar(m1));
321        pb.createIf(markerVar(marker), {m1a}, nested);
322        return makeMarker(m1.pos, m1a);
323    }
324}
325
326MarkerType RE_Compiler::compileAlt(Alt * alt, MarkerType marker, PabloBuilder & pb) {
327    std::vector<PabloAST *>  accum = {pb.createZeroes(), pb.createZeroes(), pb.createZeroes()};
328    MarkerType const base = marker;
329    // The following may be useful to force a common Advance rather than separate
330    // Advances in each alternative.
331    for (RE * re : *alt) {
332        MarkerType rslt = process(re, base, pb);
333        MarkerPosition p = markerPos(rslt);
334        accum[p] = pb.createOr(accum[p], markerVar(rslt), "alt");
335    }
336    if (isa<Zeroes>(accum[MarkerPosition::FinalPostPositionUnit])) {
337        return makeMarker(MarkerPosition::FinalMatchUnit, accum[MarkerPosition::FinalMatchUnit]);
338    }
339    PabloAST * combine = pb.createAdvance(accum[MarkerPosition::FinalMatchUnit], 1);
340    combine = pb.createOr(pb.createScanThru(pb.createAnd(mInitial, combine), mNonFinal), accum[MarkerPosition::FinalPostPositionUnit], "alt");
341    return makeMarker(MarkerPosition::FinalPostPositionUnit, combine);
342}
343
344MarkerType RE_Compiler::compileAssertion(Assertion * a, MarkerType marker, PabloBuilder & pb) {
345    RE * asserted = a->getAsserted();
346    if (a->getKind() == Assertion::Kind::Lookbehind) {
347        MarkerType lookback = compile(asserted, pb);
348        AlignMarkers(marker, lookback, pb);
349        PabloAST * lb = markerVar(lookback);
350        if (a->getSense() == Assertion::Sense::Negative) {
351            lb = pb.createNot(lb);
352        }
353        return makeMarker(markerPos(marker), pb.createAnd(markerVar(marker), lb, "lookback"));
354    } else if (isUnicodeUnitLength(asserted)) {
355        MarkerType lookahead = compile(asserted, pb);
356        if (LLVM_LIKELY(markerPos(lookahead) == MarkerPosition::FinalMatchUnit)) {
357            PabloAST * la = markerVar(lookahead);
358            if (a->getSense() == Assertion::Sense::Negative) {
359                la = pb.createNot(la);
360            }
361            MarkerType fbyte = AdvanceMarker(marker, MarkerPosition::FinalPostPositionUnit, pb);
362            return makeMarker(MarkerPosition::FinalPostPositionUnit, pb.createAnd(markerVar(fbyte), la, "lookahead"));
363        }
364    }
365    throw std::runtime_error("Unsupported lookahead assertion.");
366}
367
368inline bool alignedUnicodeLength(const RE * lh, const RE * rh) {
369    const auto lhl = getUnicodeUnitLengthRange(lh);
370    const auto rhl = getUnicodeUnitLengthRange(rh);
371    return (lhl.first == lhl.second && lhl.first == rhl.first && lhl.second == rhl.second);
372}
373
374MarkerType RE_Compiler::compileDiff(Diff * diff, MarkerType marker, PabloBuilder & pb) {
375    RE * lh = diff->getLH();
376    RE * rh = diff->getRH();
377    if (alignedUnicodeLength(lh, rh)) {
378        MarkerType t1 = process(lh, marker, pb);
379        MarkerType t2 = process(rh, marker, pb);
380        AlignMarkers(t1, t2, pb);
381        return makeMarker(markerPos(t1), pb.createAnd(markerVar(t1), pb.createNot(markerVar(t2)), "diff"));
382    }
383    throw std::runtime_error("Unsupported Diff operands: " + Printer_RE::PrintRE(diff));
384}
385
386MarkerType RE_Compiler::compileIntersect(Intersect * x, MarkerType marker, PabloBuilder & pb) {
387    RE * lh = x->getLH();
388    RE * rh = x->getRH();
389    if (alignedUnicodeLength(lh, rh)) {
390        MarkerType t1 = process(lh, marker, pb);
391        MarkerType t2 = process(rh, marker, pb);
392        AlignMarkers(t1, t2, pb);
393        return makeMarker(markerPos(t1), pb.createAnd(markerVar(t1), markerVar(t2), "intersect"));
394    }
395    throw std::runtime_error("Unsupported Intersect operands: " + Printer_RE::PrintRE(x));
396}
397
398MarkerType RE_Compiler::compileRep(Rep * rep, MarkerType marker, PabloBuilder & pb) {
399    int lb = rep->getLB();
400    int ub = rep->getUB();
401    if (lb > 0) {
402        marker = processLowerBound(rep->getRE(), lb, marker, pb);
403    }
404    if (ub == Rep::UNBOUNDED_REP) {
405        marker = processUnboundedRep(rep->getRE(), marker, pb);
406    } else if (lb < ub) {
407        marker = processBoundedRep(rep->getRE(), ub - lb, marker, pb);
408    }
409    return marker;
410}
411
412/*
413   Given a stream |repeated| marking positions associated with matches to an item
414   of length |repeated_lgth|, compute a stream marking |repeat_count| consecutive
415   occurrences of such items.
416*/
417
418inline PabloAST * RE_Compiler::consecutive_matches(PabloAST * repeated, int length, int repeat_count, PabloBuilder & pb) {
419    int i = length;
420    int total = repeat_count * length;
421    PabloAST * consecutive_i = repeated;
422    while (i * 2 < total) {
423        PabloAST * v = consecutive_i;
424        PabloAST * v2 =  pb.createAdvance(v, i);
425        i *= 2;
426        consecutive_i = pb.createAnd(v, v2, "at" + std::to_string(i) + "of" + std::to_string(total));
427    }
428    if (i < total) {
429        PabloAST * v = consecutive_i;
430        consecutive_i = pb.createAnd(v, pb.createAdvance(v, total - i), "at" + std::to_string(total));
431    }
432    return consecutive_i;
433}
434
435inline PabloAST * RE_Compiler::reachable(PabloAST * repeated, int length, int repeat_count, PabloBuilder & pb) {
436    int i = length;
437    int total_lgth = repeat_count * length;
438    if (repeat_count == 0) {
439        return repeated;
440    }
441    PabloAST * reachable_i = pb.createOr(repeated, pb.createAdvance(repeated, 1), "within1");
442    while (i * 2 < total_lgth) {
443        PabloAST * v = reachable_i;
444        PabloAST * v2 =  pb.createAdvance(v, i);
445        i *= 2;
446        reachable_i = pb.createOr(v, v2, "within" + std::to_string(i));
447    }
448    if (i < total_lgth) {
449        PabloAST * v = reachable_i;
450        reachable_i = pb.createOr(v, pb.createAdvance(v, total_lgth - i), "within" + std::to_string(total_lgth));
451    }
452    return reachable_i;
453}
454
455MarkerType RE_Compiler::processLowerBound(RE * repeated, int lb, MarkerType marker, PabloBuilder & pb) {
456    if (lb == 0) return marker;
457    if (!mGraphemeBoundaryRule && isByteLength(repeated) && !AlgorithmOptionIsSet(DisableLog2BoundedRepetition)) {
458        PabloAST * cc = markerVar(compile(repeated, pb));
459        PabloAST * cc_lb = consecutive_matches(cc, 1, lb, pb);
460        PabloAST * marker_fwd = pb.createAdvance(markerVar(marker), markerPos(marker) == MarkerPosition::FinalMatchUnit ? lb : lb - 1);
461        return makeMarker(MarkerPosition::FinalMatchUnit, pb.createAnd(marker_fwd, cc_lb, "lowerbound"));
462    }
463    // Fall through to general case.  Process the first item and insert the rest into an if-structure.   
464    marker = process(repeated, marker, pb);
465    if (mGraphemeBoundaryRule) {
466        marker = AdvanceMarker(marker, MarkerPosition::FinalPostPositionUnit, pb);
467    }
468    if (lb == 1) return marker;
469    PabloBuilder nested = PabloBuilder::Create(pb);
470    MarkerType m1 = processLowerBound(repeated, lb - 1, marker, nested);
471    Assign * m1a = nested.createAssign("m", markerVar(m1));
472    pb.createIf(markerVar(marker), {m1a}, nested);
473    return makeMarker(m1.pos, m1a);
474}
475   
476MarkerType RE_Compiler::processBoundedRep(RE * repeated, int ub, MarkerType marker, PabloBuilder & pb) {
477    if (ub == 0) return marker;
478    if (!mGraphemeBoundaryRule && isByteLength(repeated) && ub > 1 && !AlgorithmOptionIsSet(DisableLog2BoundedRepetition)) {
479        // log2 upper bound for fixed length (=1) class
480        // Create a mask of positions reachable within ub from current marker.
481        // Use matchstar, then apply filter.
482        PabloAST * match = markerVar(AdvanceMarker(marker, MarkerPosition::FinalPostPositionUnit, pb));
483        PabloAST * upperLimitMask = reachable(match, 1, ub, pb);
484        PabloAST * cursor = markerVar(AdvanceMarker(marker, MarkerPosition::FinalPostPositionUnit, pb));
485        PabloAST * rep_class_var = markerVar(compile(repeated, pb));
486        return makeMarker(MarkerPosition::FinalPostPositionUnit, pb.createAnd(pb.createMatchStar(cursor, rep_class_var), upperLimitMask, "bounded"));
487    }
488    // Fall through to general case.  Process the first item and insert the rest into an if-structure.   
489    MarkerType a = process(repeated, marker, pb);
490    MarkerType m = marker;
491    AlignMarkers(a, m, pb);
492    marker = makeMarker(markerPos(a), pb.createOr(markerVar(a), markerVar(m)));
493    if (mGraphemeBoundaryRule) {
494        marker = AdvanceMarker(marker, MarkerPosition::FinalPostPositionUnit, pb);
495    }
496    if (ub == 1) return marker;
497    PabloBuilder nested = PabloBuilder::Create(pb);
498    MarkerType m1 = processBoundedRep(repeated, ub - 1, marker, nested);
499    Assign * m1a = nested.createAssign("m", markerVar(m1));
500    pb.createIf(markerVar(marker), {m1a}, nested);
501    return makeMarker(m1.pos, m1a);
502}
503
504MarkerType RE_Compiler::processUnboundedRep(RE * repeated, MarkerType marker, PabloBuilder & pb) {
505    // always use PostPosition markers for unbounded repetition.
506    PabloAST * base = markerVar(AdvanceMarker(marker, MarkerPosition::FinalPostPositionUnit, pb));
507    if (!mGraphemeBoundaryRule && isByteLength(repeated)  && !AlgorithmOptionIsSet(DisableMatchStar)) {
508        PabloAST * cc = markerVar(compile(repeated, pb));
509        PabloAST * mstar = nullptr;
510        mstar = pb.createMatchStar(base, cc, "unbounded");
511        return makeMarker(MarkerPosition::FinalPostPositionUnit, mstar);
512    } else if (isUnicodeUnitLength(repeated) && !AlgorithmOptionIsSet(DisableMatchStar) && !AlgorithmOptionIsSet(DisableUnicodeMatchStar)) {
513        PabloAST * cc = markerVar(compile(repeated, pb));
514        PabloAST * mstar = nullptr;
515        PabloAST * nonFinal = mNonFinal;
516        if (mGraphemeBoundaryRule) {
517            nonFinal = pb.createOr(nonFinal, pb.createNot(mGraphemeBoundaryRule, "gext"));
518        }
519        cc = pb.createOr(cc, nonFinal);
520        mstar = pb.createMatchStar(base, cc);
521        PabloAST * final = mFinal;
522        if (mGraphemeBoundaryRule) {
523            final = mGraphemeBoundaryRule;
524        }
525        return makeMarker(MarkerPosition::FinalPostPositionUnit, pb.createAnd(mstar, final, "unbounded"));
526    } else if (mStarDepth > 0){
527        PabloBuilder * outerb = pb.getParent();
528        Assign * starPending = outerb->createAssign("pending", outerb->createZeroes());
529        Assign * starAccum = outerb->createAssign("accum", outerb->createZeroes());
530        mStarDepth++;
531        PabloAST * m1 = pb.createOr(base, starPending);
532        PabloAST * m2 = pb.createOr(base, starAccum);
533        MarkerType result = process(repeated, makeMarker(MarkerPosition::FinalPostPositionUnit, m1), pb);
534        result = AdvanceMarker(result, MarkerPosition::FinalPostPositionUnit, pb);
535        PabloAST * loopComputation = markerVar(result);
536        Next * nextPending = pb.createNext(starPending, pb.createAnd(loopComputation, pb.createNot(m2)));
537        Next * nextStarAccum = pb.createNext(starAccum, pb.createOr(loopComputation, m2));
538        mWhileTest = pb.createOr(mWhileTest, nextPending);
539        mLoopVariants.push_back(nextPending);
540        mLoopVariants.push_back(nextStarAccum);
541        mStarDepth--;
542        return makeMarker(markerPos(result), pb.createAssign("unbounded", pb.createOr(base, nextStarAccum)));
543    } else {
544        Assign * whileTest = pb.createAssign("test", base);
545        Assign * whilePending = pb.createAssign("pending", base);
546        Assign * whileAccum = pb.createAssign("accum", base);
547        mWhileTest = pb.createZeroes();
548        PabloBuilder wb = PabloBuilder::Create(pb);
549        mStarDepth++;
550        MarkerType result = process(repeated, makeMarker(MarkerPosition::FinalPostPositionUnit, whilePending), wb);
551        result = AdvanceMarker(result, MarkerPosition::FinalPostPositionUnit, wb);
552        PabloAST * loopComputation = markerVar(result);
553        Next * nextWhilePending = wb.createNext(whilePending, wb.createAnd(loopComputation, wb.createNot(whileAccum)));
554        Next * nextWhileAccum = wb.createNext(whileAccum, wb.createOr(loopComputation, whileAccum));
555        Next * nextWhileTest = wb.createNext(whileTest, wb.createOr(mWhileTest, nextWhilePending));
556        mLoopVariants.push_back(nextWhilePending);
557        mLoopVariants.push_back(nextWhileAccum);
558        mLoopVariants.push_back(nextWhileTest);
559        pb.createWhile(nextWhileTest, mLoopVariants, wb);
560        mStarDepth--;
561        mLoopVariants.clear();
562        return makeMarker(markerPos(result), pb.createAssign("unbounded", nextWhileAccum));
563    }
564}
565
566inline MarkerType RE_Compiler::compileStart(const MarkerType marker, pablo::PabloBuilder & pb) {
567    MarkerType m = AdvanceMarker(marker, MarkerPosition::FinalPostPositionUnit, pb);
568    if (UNICODE_LINE_BREAK) {
569        PabloAST * line_end = mPB.createOr(mLineBreak, mCRLF);
570        PabloAST * sol_init = pb.createNot(pb.createOr(pb.createAdvance(pb.createNot(line_end), 1), mCRLF));
571        PabloAST * sol = pb.createScanThru(pb.createAnd(mInitial, sol_init), mNonFinal);
572        return makeMarker(MarkerPosition::FinalPostPositionUnit, pb.createAnd(markerVar(m), sol, "sol"));
573    } else {
574        PabloAST * sol = pb.createNot(pb.createAdvance(pb.createNot(mLineBreak), 1));
575        return makeMarker(MarkerPosition::FinalPostPositionUnit, pb.createAnd(markerVar(m), sol, "sol"));
576    }
577}
578
579inline MarkerType RE_Compiler::compileEnd(const MarkerType marker, pablo::PabloBuilder & pb) {
580    PabloAST * nextPos = markerVar(AdvanceMarker(marker, MarkerPosition::FinalPostPositionUnit, pb));
581    return makeMarker(MarkerPosition::FinalPostPositionUnit, pb.createAnd(nextPos, mLineBreak, "eol"));
582}
583
584inline MarkerType RE_Compiler::AdvanceMarker(MarkerType marker, const MarkerPosition newpos, PabloBuilder & pb) {
585    if (marker.pos != newpos) {
586        if (marker.pos == MarkerPosition::FinalMatchUnit) {
587            marker.stream = pb.createAdvance(marker.stream, 1, "ipp");
588            PabloAST * nonFinal = mNonFinal;
589            if (mGraphemeBoundaryRule) {
590                nonFinal = pb.createOr(nonFinal, pb.createNot(mGraphemeBoundaryRule, "gext"));
591            }
592            marker.stream = pb.createScanThru(pb.createAnd(mInitial, marker.stream), nonFinal, "fpp");
593            marker.pos = MarkerPosition::FinalPostPositionUnit;
594        }
595    }
596    return marker;
597}
598
599inline void RE_Compiler::AlignMarkers(MarkerType & m1, MarkerType & m2, PabloBuilder & pb) {
600    if (m1.pos < m2.pos) {
601        m1 = AdvanceMarker(m1, m2.pos, pb);
602    } else if (m2.pos < m1.pos) {
603        m2 = AdvanceMarker(m2, m1.pos, pb);
604    }
605}
606
607RE_Compiler::RE_Compiler(pablo::PabloFunction & function, cc::CC_Compiler & ccCompiler, bool CountOnly)
608: mCountOnly(CountOnly)
609, mCCCompiler(ccCompiler)
610, mLineBreak(nullptr)
611, mCRLF(nullptr)
612, mAny(nullptr)
613, mGraphemeBoundaryRule(nullptr)
614, mInitial(nullptr)
615, mNonFinal(nullptr)
616, mFinal(nullptr)
617, mWhileTest(nullptr)
618, mStarDepth(0)
619, mLoopVariants()
620, mPB(ccCompiler.getBuilder().getPabloBlock(), ccCompiler.getBuilder())
621, mFunction(function)
622{
623
624}
625
626} // end of namespace re
Note: See TracBrowser for help on using the repository browser.