source: icGREP/icgrep-devel/icgrep/re/re_compiler.cpp @ 5901

Last change on this file since 5901 was 5901, checked in by cameron, 14 months ago

RE compiler can generate UTF8_nonfinal if not provided externally

File size: 29.8 KB
Line 
1/*
2 *  Copyright (c) 2018 International Characters.
3 *  This software is licensed to the public under the Open Software License 3.0.
4 *  icgrep is a trademark of International Characters.
5 */
6
7
8
9#include "re_compiler.h"
10#include <pablo/pe_ones.h>          // for Ones
11#include <pablo/pe_var.h>           // for Var
12#include <pablo/pe_zeroes.h>        // for Zeroes
13#include <re/printer_re.h>
14#include <re/re_alt.h>
15#include <re/re_analysis.h>         // for isByteLength, isUnicodeUnitLength
16#include <re/re_any.h>
17#include <re/re_assertion.h>        // for Assertion, Assertion::Sense, Asse...
18#include <re/re_cc.h>               // for makeCC
19#include <re/re_diff.h>             // for Diff
20#include <re/re_end.h>
21#include <re/re_intersect.h>        // for Intersect
22#include <re/re_name.h>             // for Name, Name::Type, Name::Type::Zer...
23#include <re/re_rep.h>              // for Rep, Rep::::UNBOUNDED_REP
24#include <re/re_seq.h>              // for Seq
25#include <re/re_start.h>
26#include <re/re_local.h>
27#include <re/to_utf8.h>
28#include <re/re_toolchain.h>        // for AlgorithmOptionIsSet, RE_Algorith...
29#include <cc/alphabet.h>
30#include <cc/cc_compiler.h>
31#include <UCD/ucd_compiler.hpp>
32#include "pablo/builder.hpp"        // for PabloBuilder
33#include <llvm/ADT/STLExtras.h> // for make_unique
34#include <llvm/Support/raw_ostream.h>
35#include <llvm/Support/ErrorHandling.h>
36
37namespace pablo { class PabloAST; }
38namespace pablo { class Var; }
39namespace pablo { class PabloKernel; }
40namespace re { class Alt; }
41namespace re { class RE; }
42
43using namespace pablo;
44using namespace llvm;
45
46namespace re {
47
48   
49void RE_Compiler::addAlphabet(cc::Alphabet * a, std::vector<pablo::PabloAST *> basis_set) {
50    mAlphabets.push_back(a);
51    mAlphabetCompilers.push_back(make_unique<cc::Parabix_CC_Compiler>(mEntryScope, basis_set));
52}
53
54void RE_Compiler::addPrecompiled(std::string precompiledName, PabloAST * precompiledStream) {
55    PabloBuilder pb(mEntryScope);
56    mExternalNameMap.insert(std::make_pair(precompiledName, precompiledStream));
57}
58
59using MarkerType = RE_Compiler::MarkerType;
60
61PabloAST * RE_Compiler::compile(RE * const re, PabloAST * const initialCursors) {
62    pablo::PabloBuilder mPB(mEntryScope);
63    const auto markers = initialCursors ? compile(re, initialCursors, mPB) : compile(re, mPB);
64    return markerVar(markers);
65}
66
67inline MarkerType RE_Compiler::compile(RE * const re, PabloAST * const cursors, PabloBuilder & pb) {
68    //  An important use case for an initial set of cursors to be passed in
69    //  is that the initial cursors are computed from a prefix of an RE such
70    //  that there is a high probability of all cursors remaining in a block
71    //  are zeroed.   We therefore embed processing logic in an if-test,
72    //  dependent on the initial cursors.
73    Var * m = pb.createVar("m", pb.createZeroes());
74    NameMap nestedMap(mCompiledName);
75    mCompiledName = &nestedMap;
76    auto nested = pb.createScope();
77    MarkerType m1 = process(re, makeMarker(FinalMatchUnit, cursors), nested);
78    nested.createAssign(m, markerVar(m1));
79    pb.createIf(cursors, nested);
80    mCompiledName = nestedMap.getParent();
81    return makeMarker(m1.pos, m);
82}
83
84inline MarkerType RE_Compiler::compile(RE * const re, PabloBuilder & pb) {
85    return process(re, makeMarker(InitialPostPositionUnit, pb.createOnes()), pb);
86}
87   
88MarkerType RE_Compiler::process(RE * const re, MarkerType marker, PabloBuilder & pb) {
89    if (isa<Name>(re)) {
90        return compileName(cast<Name>(re), marker, pb);
91    } else if (isa<Seq>(re)) {
92        return compileSeq(cast<Seq>(re), marker, pb);
93    } else if (isa<Alt>(re)) {
94        return compileAlt(cast<Alt>(re), marker, pb);
95    } else if (isa<Rep>(re)) {
96        return compileRep(cast<Rep>(re), marker, pb);
97    } else if (isa<Assertion>(re)) {
98        return compileAssertion(cast<Assertion>(re), marker, pb);
99    } else if (isa<Any>(re)) {
100        return compileAny(marker, pb);
101    } else if (isa<Diff>(re)) {
102        return compileDiff(cast<Diff>(re), marker, pb);
103    } else if (isa<Intersect>(re)) {
104        return compileIntersect(cast<Intersect>(re), marker, pb);
105    } else if (isa<Start>(re)) {
106        return compileStart(marker, pb);
107    } else if (isa<End>(re)) {
108        return compileEnd(marker, pb);
109    } else if (isa<CC>(re)) {
110        // CCs may be passed through the toolchain directly to the compiler.
111        return compileCC(cast<CC>(re), marker, pb);
112    } else {
113        UnsupportedRE("RE Compiler failed to process " + Printer_RE::PrintRE(re));
114    }
115}
116
117inline MarkerType RE_Compiler::compileAny(const MarkerType m, PabloBuilder & pb) {
118    PabloAST * const nextFinalByte = markerVar(AdvanceMarker(m, FinalPostPositionUnit, pb));
119    return makeMarker(FinalMatchUnit, nextFinalByte);
120}
121
122MarkerType RE_Compiler::compileCC(CC * const cc, MarkerType marker, PabloBuilder & pb) {
123    PabloAST * nextPos = markerVar(marker);
124    const cc::Alphabet * a = cc->getAlphabet();
125    if (a == &cc::Byte) {
126        if (marker.pos == FinalMatchUnit) {
127            nextPos = pb.createAdvance(nextPos, 1);
128        }
129        return makeMarker(FinalMatchUnit, pb.createAnd(nextPos, pb.createInFile(mCCCompiler.compileCC(cc, pb))));
130    } else if (a == &cc::Unicode) {
131        MarkerType m = compile(toUTF8(cc), pb);
132        nextPos = markerVar(AdvanceMarker(marker, FinalPostPositionUnit, pb));
133        return makeMarker(FinalMatchUnit, pb.createAnd(markerVar(m), nextPos));
134    } else {
135        if (isByteLength(cc)) {
136            if (marker.pos == FinalMatchUnit) {
137                nextPos = pb.createAdvance(nextPos, 1);
138            }
139        } else {
140            nextPos = markerVar(AdvanceMarker(marker, FinalPostPositionUnit, pb));
141        }
142        unsigned i = 0;
143        while (i < mAlphabets.size() && (a != mAlphabets[i])) i++;
144        if (i == mAlphabets.size()) llvm::report_fatal_error("Alphabet " + a->getName() + " has no CC compiler");
145        return makeMarker(FinalMatchUnit, pb.createAnd(nextPos, mAlphabetCompilers[i]->compileCC(cc, pb)));
146    }
147}
148
149inline MarkerType RE_Compiler::compileName(Name * const name, MarkerType marker, PabloBuilder & pb) {
150    if (name->getType() == Name::Type::Capture) {
151        return process(name->getDefinition(), marker, pb);
152    } else if (name->getType() == Name::Type::Reference) {
153        llvm::report_fatal_error("back references not supported in icgrep.");
154    }
155    const auto & nameString = name->getName();
156    MarkerType nameMarker = compileName(name, pb);
157    if (isUnicodeUnitLength(name)) {
158        MarkerType nextPos = AdvanceMarker(marker, FinalPostPositionUnit, pb);
159        nameMarker.stream = pb.createAnd(markerVar(nextPos), markerVar(nameMarker), name->getName());
160        return nameMarker;
161    } else if (name->getType() == Name::Type::ZeroWidth) {
162        AlignMarkers(marker, nameMarker, pb);
163        PabloAST * ze = markerVar(nameMarker);
164        return makeMarker(markerPos(marker), pb.createAnd(markerVar(marker), ze, "zerowidth"));
165    } else {
166        llvm::report_fatal_error(nameString + " is neither Unicode unit length nor ZeroWidth.");
167    }
168}
169
170inline MarkerType RE_Compiler::compileName(Name * const name, PabloBuilder & pb) {
171    const auto & nameString = name->getName();
172    MarkerType m;
173    if (LLVM_LIKELY(mCompiledName->get(name, m))) {
174        return m;
175    }
176    auto f = mExternalNameMap.find(nameString);
177    if (f != mExternalNameMap.end()) {
178        if (name->getType() == Name::Type::ZeroWidth) return makeMarker(FinalPostPositionUnit, f->second);
179        else return makeMarker(FinalMatchUnit, f->second);
180    }
181    if (LLVM_LIKELY(name->getDefinition() != nullptr)) {
182        m = compile(name->getDefinition(), pb);
183        mCompiledName->add(name, m);
184        return m;
185    }
186    UnsupportedRE("Unresolved name " + name->getName());
187}
188
189MarkerType RE_Compiler::compileSeq(Seq * const seq, MarkerType marker, PabloBuilder & pb) {
190
191    // if-hierarchies are not inserted within unbounded repetitions
192    if (mStarDepth > 0) {
193        for (RE * re : *seq) {
194            marker = process(re, marker, pb);
195        }
196        return marker;
197    } else {
198        return compileSeqTail(seq->cbegin(), seq->cend(), 0, marker, pb);
199    }
200}
201
202MarkerType RE_Compiler::compileSeqTail(Seq::const_iterator current, const Seq::const_iterator end, const int matchLenSoFar, MarkerType marker, PabloBuilder & pb) {
203    if (current == end) {
204        return marker;
205    } else if (matchLenSoFar < IfInsertionGap) {
206        RE * r = *current;
207        marker = process(r, marker, pb);
208        return compileSeqTail(++current, end, matchLenSoFar + minMatchLength(r), marker, pb);
209    } else {
210        Var * m = pb.createVar("m", pb.createZeroes());
211        NameMap nestedMap(mCompiledName);
212        mCompiledName = &nestedMap;
213        auto nested = pb.createScope();
214        MarkerType m1 = compileSeqTail(current, end, 0, marker, nested);
215        nested.createAssign(m, markerVar(m1));
216        pb.createIf(markerVar(marker), nested);
217        mCompiledName = nestedMap.getParent();
218        return makeMarker(m1.pos, m);
219    }
220}
221
222MarkerType RE_Compiler::compileAlt(Alt * const alt, const MarkerType base, PabloBuilder & pb) {
223    std::vector<PabloAST *>  accum(3, pb.createZeroes());
224    // The following may be useful to force a common Advance rather than separate
225    // Advances in each alternative.
226    for (RE * re : *alt) {
227        MarkerType m = process(re, base, pb);
228        const MarkerPosition p = markerPos(m);
229        accum[p] = pb.createOr(accum[p], markerVar(m), "alt");
230    }
231    if (isa<Zeroes>(accum[InitialPostPositionUnit]) && isa<Zeroes>(accum[FinalPostPositionUnit])) {
232        return makeMarker(FinalMatchUnit, accum[FinalMatchUnit]);
233    }
234
235    PabloAST * combine = pb.createOr(accum[InitialPostPositionUnit], pb.createAdvance(accum[FinalMatchUnit], 1), "alt");
236    if (isa<Zeroes>(accum[FinalPostPositionUnit])) {
237        return makeMarker(InitialPostPositionUnit, combine);
238    }
239    combine = pb.createOr(pb.createOr(pb.createAnd(combine, u8Final(pb)), pb.createScanThru(pb.createAnd(u8NonFinal(pb), combine), u8NonFinal(pb))), accum[FinalPostPositionUnit], "alt");
240    return makeMarker(FinalPostPositionUnit, combine);
241}
242
243MarkerType RE_Compiler::compileAssertion(Assertion * const a, MarkerType marker, PabloBuilder & pb) {
244    RE * asserted = a->getAsserted();
245    if (a->getKind() == Assertion::Kind::Lookbehind) {
246        MarkerType lookback = compile(asserted, pb);
247        AlignMarkers(marker, lookback, pb);
248        PabloAST * lb = markerVar(lookback);
249        if (a->getSense() == Assertion::Sense::Negative) {
250            lb = pb.createNot(lb);
251        }
252        return makeMarker(markerPos(marker), pb.createAnd(markerVar(marker), lb, "lookback"));
253    } else if (a->getKind() == Assertion::Kind::Boundary) {
254        MarkerType cond = compile(asserted, pb);
255        if (LLVM_LIKELY(markerPos(cond) == FinalMatchUnit)) {
256            MarkerType postCond = AdvanceMarker(cond, FinalPostPositionUnit, pb);
257            PabloAST * boundaryCond = pb.createXor(markerVar(cond), markerVar(postCond));
258            if (a->getSense() == Assertion::Sense::Negative) {
259                boundaryCond = pb.createNot(boundaryCond);
260            }
261            MarkerType fbyte = AdvanceMarker(marker, FinalPostPositionUnit, pb);
262            return makeMarker(FinalPostPositionUnit, pb.createAnd(markerVar(fbyte), boundaryCond, "boundary"));
263        }
264        else UnsupportedRE("Unsupported boundary assertion");
265    } else if (isByteLength(asserted)) {
266        MarkerType lookahead = compile(asserted, pb);
267        if (LLVM_LIKELY(markerPos(lookahead) == FinalMatchUnit)) {
268            PabloAST * la = markerVar(lookahead);
269            if (a->getSense() == Assertion::Sense::Negative) {
270                la = pb.createNot(la);
271            }
272            MarkerType fbyte = AdvanceMarker(marker, InitialPostPositionUnit, pb);
273            return makeMarker(InitialPostPositionUnit, pb.createAnd(markerVar(fbyte), la, "lookahead"));
274        }
275    } else if (isUnicodeUnitLength(asserted)) {
276        MarkerType lookahead = compile(asserted, pb);
277        if (LLVM_LIKELY(markerPos(lookahead) == FinalMatchUnit)) {
278            PabloAST * la = markerVar(lookahead);
279            if (a->getSense() == Assertion::Sense::Negative) {
280                la = pb.createNot(la);
281            }
282            MarkerType fbyte = AdvanceMarker(marker, FinalPostPositionUnit, pb);
283            return makeMarker(FinalPostPositionUnit, pb.createAnd(markerVar(fbyte), la, "lookahead"));
284        }
285    }
286    UnsupportedRE("Unsupported lookahead assertion.");
287}
288
289inline bool alignedUnicodeLength(const RE * const lh, const RE * const rh) {
290    const auto lhl = getUnicodeUnitLengthRange(lh);
291    const auto rhl = getUnicodeUnitLengthRange(rh);
292    return (lhl.first == lhl.second && lhl.first == rhl.first && lhl.second == rhl.second);
293}
294
295MarkerType RE_Compiler::compileDiff(Diff * diff, MarkerType marker, PabloBuilder & pb) {
296    RE * const lh = diff->getLH();
297    RE * const rh = diff->getRH();
298    if (alignedUnicodeLength(lh, rh)) {
299        MarkerType t1 = process(lh, marker, pb);
300        MarkerType t2 = process(rh, marker, pb);
301        AlignMarkers(t1, t2, pb);
302        return makeMarker(markerPos(t1), pb.createAnd(markerVar(t1), pb.createNot(markerVar(t2)), "diff"));
303    }
304    UnsupportedRE("Unsupported Diff operands: " + Printer_RE::PrintRE(diff));
305}
306
307MarkerType RE_Compiler::compileIntersect(Intersect * const x, MarkerType marker, PabloBuilder & pb) {
308    RE * const lh = x->getLH();
309    RE * const rh = x->getRH();
310    if (alignedUnicodeLength(lh, rh)) {
311        MarkerType t1 = process(lh, marker, pb);
312        MarkerType t2 = process(rh, marker, pb);
313        AlignMarkers(t1, t2, pb);
314        return makeMarker(markerPos(t1), pb.createAnd(markerVar(t1), markerVar(t2), "intersect"));
315    }
316    UnsupportedRE("Unsupported Intersect operands: " + Printer_RE::PrintRE(x));
317}
318
319MarkerType RE_Compiler::compileRep(Rep * const rep, MarkerType marker, PabloBuilder & pb) {
320    const auto lb = rep->getLB();
321    const auto ub = rep->getUB();
322    if (lb > 0) {
323        marker = processLowerBound(rep->getRE(), lb, marker, IfInsertionGap, pb);
324    }
325    if (ub == Rep::UNBOUNDED_REP) {
326        marker = processUnboundedRep(rep->getRE(), marker, pb);
327    } else if (lb < ub) {
328        marker = processBoundedRep(rep->getRE(), ub - lb, marker, IfInsertionGap, pb);
329    }
330    return marker;
331}
332
333/*
334   Given a stream |repeated_j| marking positions associated with |j| conecutive matches to an item
335   compute a stream marking |repeat_count| consecutive occurrences of such items.
336*/
337   
338PabloAST * RE_Compiler::consecutive_matches(PabloAST * const repeated_j, const int j, const int repeat_count, PabloAST * const indexStream, PabloBuilder & pb) {
339    if (j == repeat_count) {
340        return repeated_j;
341    }
342    const int i = std::min(j, repeat_count - j);
343    const int k = j + i;
344    if (/*j > IfInsertionGap*/ false) {
345        Var * repeated = pb.createVar("repeated", pb.createZeroes());
346        auto nested = pb.createScope();
347        NameMap nestedMap(mCompiledName);
348        mCompiledName = &nestedMap;
349        PabloAST * adv_i = nested.createIndexedAdvance(repeated_j, indexStream, i);
350        PabloAST * repeated_k = nested.createAnd(repeated_j, adv_i, "at" + std::to_string(k) + "of" + std::to_string(repeat_count));
351        nested.createAssign(repeated, consecutive_matches(repeated_k, k, repeat_count, indexStream, nested));
352        pb.createIf(repeated_j, nested);
353        mCompiledName = nestedMap.getParent();
354        return repeated;
355    } else {
356        PabloAST * adv_i = pb.createIndexedAdvance(repeated_j, indexStream, i);
357        PabloAST * repeated_k = pb.createAnd(repeated_j, adv_i, "at" + std::to_string(k) + "of" + std::to_string(repeat_count));
358        return consecutive_matches(repeated_k, k, repeat_count, indexStream, pb);
359    }
360}
361
362
363inline PabloAST * RE_Compiler::reachable(PabloAST *  const repeated, const int length, const int repeat_count, PabloAST * const indexStream, PabloBuilder & pb) {
364    if (repeat_count == 0) {
365        return repeated;
366    }   
367    const int total_length = repeat_count * length;
368    PabloAST * const v2 = pb.createIndexedAdvance(repeated, indexStream, 1);
369    PabloAST * reachable = pb.createOr(repeated, v2, "within1");
370    int i = length;
371    while ((i * 2) < total_length) {
372        PabloAST * const extension = pb.createIndexedAdvance(reachable, indexStream, i);
373        i *= 2;
374        reachable = pb.createOr(reachable, extension, "within" + std::to_string(i));
375    }
376    if (LLVM_LIKELY(i < total_length)) {
377        PabloAST * const extension = pb.createIndexedAdvance(reachable, indexStream, total_length - i);
378        reachable = pb.createOr(reachable, extension, "within" + std::to_string(total_length));
379    }
380    return reachable;
381}
382
383MarkerType RE_Compiler::processLowerBound(RE * const repeated, const int lb, MarkerType marker, const int ifGroupSize, PabloBuilder & pb) {
384    if (LLVM_UNLIKELY(lb == 0)) {
385        return marker;
386    } else if (LLVM_UNLIKELY(lb == 1)) {
387        return process(repeated, marker, pb);
388    }
389    //
390    // A bounded repetition with an upper bound of at least 2.
391    if (LLVM_LIKELY(!AlgorithmOptionIsSet(DisableLog2BoundedRepetition))) {
392        // Check for a regular expression that satisfies on of the special conditions that
393        // allow implementation using the log2 technique.
394        if (isByteLength(repeated)) {
395            PabloAST * cc = markerVar(compile(repeated, pb));
396            PabloAST * cc_lb = consecutive_matches(cc, 1, lb, nullptr, pb);
397            const auto pos = markerPos(marker) == FinalMatchUnit ? lb : lb - 1;
398            PabloAST * marker_fwd = pb.createAdvance(markerVar(marker), pos);
399            return makeMarker(FinalMatchUnit, pb.createAnd(marker_fwd, cc_lb, "lowerbound"));
400        }
401        else if (isUnicodeUnitLength(repeated)) {
402            PabloAST * cc = markerVar(compile(repeated, pb));
403            PabloAST * cc_lb = consecutive_matches(cc, 1, lb, u8Final(pb), pb);
404            const auto pos = markerPos(marker) == FinalMatchUnit ? lb : lb - 1;
405            PabloAST * marker_fwd = pb.createIndexedAdvance(markerVar(marker), u8Final(pb), pos);
406            return makeMarker(FinalMatchUnit, pb.createAnd(marker_fwd, cc_lb, "lowerbound"));
407        }
408        else if (isTypeForLocal(repeated)) {
409            CC * const first = RE_Local::getFirstUniqueSymbol(repeated);
410            if (first) { // if the first symbol is unique, we can use it as an index stream.
411                PabloAST * firstCCstream = markerVar(compile(first, pb));
412                // Find all matches to the repeated regexp.
413                PabloAST * submatch = markerVar(AdvanceMarker(compile(repeated, pb), FinalPostPositionUnit, pb));
414                // Consecutive submatches require that the symbol following the end of one submatch is the first symbol for
415                // the next submatch.   lb-1 such submatches are required.
416                PabloAST * consecutive_submatch = consecutive_matches(submatch, 1, lb-1, firstCCstream, pb);
417                // Find submatch positions which are lb-2 start symbols forward from the current marker position.
418                PabloAST * base = markerVar(AdvanceMarker(marker, FinalPostPositionUnit, pb));
419                PabloAST * marker_fwd = pb.createIndexedAdvance(base, firstCCstream, lb - 1);
420                PabloAST * consecutive_lb_1 = pb.createAnd(marker_fwd, consecutive_submatch);
421                // From any of these positions, any position reachable by one more occurrence of the
422                // regexp is a match.
423                return process(repeated, makeMarker(FinalPostPositionUnit, consecutive_lb_1), pb);
424            }
425        }
426    }
427    // Fall through to general case.  Process the first item and insert the rest into an if-structure.
428    const auto group = ifGroupSize < lb ? ifGroupSize : lb;
429    for (auto i = 0; i < group; i++) {
430        marker = process(repeated, marker, pb);
431    }
432    if (lb == group) {
433        return marker;
434    }
435    Var * m = pb.createVar("m", pb.createZeroes());
436    auto nested = pb.createScope();
437    NameMap nestedMap(mCompiledName);
438    mCompiledName = &nestedMap;
439    MarkerType m1 = processLowerBound(repeated, lb - group, marker, ifGroupSize * 2, nested);
440    nested.createAssign(m, markerVar(m1));
441    pb.createIf(markerVar(marker), nested);
442    mCompiledName = nestedMap.getParent();
443    return makeMarker(m1.pos, m);
444}
445   
446MarkerType RE_Compiler::processBoundedRep(RE * const repeated, const int ub, MarkerType marker, const int ifGroupSize,  PabloBuilder & pb) {
447    if (LLVM_UNLIKELY(ub == 0)) {
448        return marker;
449    }
450    //
451    // A bounded repetition with an upper bound of at least 2.
452    if ((ub > 1) && LLVM_LIKELY(!AlgorithmOptionIsSet(DisableLog2BoundedRepetition))) {
453        // Check for a regular expression that satisfies on of the special conditions that
454        // allow implementation using the log2 technique.
455        if (isByteLength(repeated)) {
456            // log2 upper bound for fixed length (=1) class
457            // Create a mask of positions reachable within ub from current marker.
458            // Use matchstar, then apply filter.
459            PabloAST * cursor = markerVar(AdvanceMarker(marker, InitialPostPositionUnit, pb));
460            // If we've advanced the cursor to the post position unit, cursor begins on the first masked bit of the bounded mask.
461            // Extend the mask by ub - 1 byte positions to ensure the mask ends on the FinalMatchUnit of the repeated region.
462            PabloAST * upperLimitMask = reachable(cursor, 1, ub - 1, nullptr, pb);
463            PabloAST * masked = pb.createAnd(markerVar(compile(repeated, pb)), upperLimitMask);
464            // MatchStar deposits any cursors on the post position. However those cursors may may land on the initial "byte" of a
465            // "multi-byte" character. Combine the masked range with any nonFinals.
466            PabloAST * bounded = pb.createMatchStar(cursor, pb.createOr(masked, u8NonFinal(pb)), "bounded");
467            return makeMarker(FinalPostPositionUnit, bounded);
468        }
469        else if (isUnicodeUnitLength(repeated)) {
470            // For a regexp which represent a single Unicode codepoint, we can use the u8Final(pb) stream
471            // as an index stream for an indexed advance operation.
472            PabloAST * cursor = markerVar(AdvanceMarker(marker, FinalPostPositionUnit, pb));
473            PabloAST * upperLimitMask = reachable(cursor, 1, ub - 1, u8Final(pb), pb);
474            PabloAST * masked = pb.createAnd(markerVar(compile(repeated, pb)), upperLimitMask, "masked");
475            PabloAST * bounded = pb.createMatchStar(cursor, pb.createOr(masked, u8NonFinal(pb)), "bounded");
476            return makeMarker(FinalPostPositionUnit, bounded);
477        }
478        else if (isTypeForLocal(repeated)) {
479            CC * const first = RE_Local::getFirstUniqueSymbol(repeated);
480            if (first) { // if the first symbol is unique, we can use it as an index stream.
481                PabloAST * firstCCstream = markerVar(compile(first, pb));
482                PabloAST * cursor = markerVar(AdvanceMarker(marker, FinalPostPositionUnit, pb));
483                PabloAST * upperLimitMask = reachable(cursor, 1, ub - 1, firstCCstream, pb);
484                PabloAST * masked = pb.createAnd(markerVar(AdvanceMarker(compile(repeated, pb), FinalPostPositionUnit, pb)), upperLimitMask, "masked");
485                PabloAST * bounded = pb.createMatchStar(cursor, pb.createOr(masked, u8NonFinal(pb)), "bounded");
486                return makeMarker(FinalPostPositionUnit, bounded);
487            }
488        }
489    }
490    // Fall through to general case.  Process the first item and insert the rest into an if-structure.
491    const auto group = ifGroupSize < ub ? ifGroupSize : ub;
492    for (auto i = 0; i < group; i++) {
493        MarkerType a = process(repeated, marker, pb);
494        MarkerType m = marker;
495        AlignMarkers(a, m, pb);
496        marker = makeMarker(markerPos(a), pb.createOr(markerVar(a), markerVar(m)));
497    }
498    if (ub == group) {
499        return marker;
500    }
501    Var * const m1a = pb.createVar("m", pb.createZeroes());
502    auto nested = pb.createScope();
503    NameMap nestedMap(mCompiledName);
504    mCompiledName = &nestedMap;
505    MarkerType m1 = processBoundedRep(repeated, ub - group, marker, ifGroupSize * 2, nested);
506    nested.createAssign(m1a, markerVar(m1));
507    pb.createIf(markerVar(marker), nested);
508    mCompiledName = nestedMap.getParent();
509    return makeMarker(markerPos(m1), m1a);
510}
511
512MarkerType RE_Compiler::processUnboundedRep(RE * const repeated, MarkerType marker, PabloBuilder & pb) {
513    // always use PostPosition markers for unbounded repetition.
514    PabloAST * base = markerVar(AdvanceMarker(marker, InitialPostPositionUnit, pb));
515    if (isByteLength(repeated) && LLVM_LIKELY(!AlgorithmOptionIsSet(DisableMatchStar))) {
516        PabloAST * mask = markerVar(compile(repeated, pb));
517        // The post position character may land on the initial byte of a multi-byte character. Combine them with the masked range.
518        mask = pb.createOr(mask, u8NonFinal(pb));
519        PabloAST * unbounded = pb.createMatchStar(base, mask, "unbounded");
520        return makeMarker(FinalPostPositionUnit, unbounded);
521    } else if (isUnicodeUnitLength(repeated) && LLVM_LIKELY(!AlgorithmOptionIsSet(DisableMatchStar) && !AlgorithmOptionIsSet(DisableUnicodeMatchStar))) {
522        PabloAST * mask = markerVar(compile(repeated, pb));
523        mask = pb.createOr(mask, u8NonFinal(pb));
524        PabloAST * unbounded = pb.createMatchStar(base, mask);
525        return makeMarker(FinalPostPositionUnit, pb.createAnd(unbounded, u8Final(pb), "unbounded"));
526    } else if (mStarDepth > 0){
527        PabloBuilder * const outer = pb.getParent();
528        Var * starPending = outer->createVar("pending", outer->createZeroes());
529        Var * starAccum = outer->createVar("accum", outer->createZeroes());
530        mStarDepth++;
531        PabloAST * m1 = pb.createOr(base, starPending);
532        PabloAST * m2 = pb.createOr(base, starAccum);
533        MarkerType result = process(repeated, makeMarker(InitialPostPositionUnit, m1), pb);
534        result = AdvanceMarker(result, InitialPostPositionUnit, pb);
535        PabloAST * loopComputation = markerVar(result);
536        pb.createAssign(starPending, pb.createAnd(loopComputation, pb.createNot(m2)));
537        pb.createAssign(starAccum, pb.createOr(loopComputation, m2));
538        mWhileTest = pb.createOr(mWhileTest, starPending);
539        mStarDepth--;
540        return makeMarker(markerPos(result), pb.createOr(base, starAccum, "unbounded"));
541    } else {
542        Var * whileTest = pb.createVar("test", base);
543        Var * whilePending = pb.createVar("pending", base);
544        Var * whileAccum = pb.createVar("accum", base);
545        mWhileTest = pb.createZeroes();
546        auto wb = pb.createScope();
547        NameMap nestedMap(mCompiledName);
548        mCompiledName = &nestedMap;
549        mStarDepth++;
550        MarkerType result = process(repeated, makeMarker(InitialPostPositionUnit, whilePending), wb);
551        result = AdvanceMarker(result, InitialPostPositionUnit, wb);
552        PabloAST * loopComputation = markerVar(result);
553        wb.createAssign(whilePending, wb.createAnd(loopComputation, wb.createNot(whileAccum)));
554        wb.createAssign(whileAccum, wb.createOr(loopComputation, whileAccum));
555        wb.createAssign(whileTest, wb.createOr(mWhileTest, whilePending));
556        pb.createWhile(whileTest, wb);
557        mStarDepth--;
558        mCompiledName = nestedMap.getParent();
559        return makeMarker(markerPos(result), whileAccum);
560    }
561}
562
563inline MarkerType RE_Compiler::compileStart(MarkerType marker, pablo::PabloBuilder & pb) {
564    PabloAST * const sol = pb.createNot(pb.createAdvance(pb.createNot(mLineBreak), 1));
565    MarkerType m = AdvanceMarker(marker, InitialPostPositionUnit, pb);
566    return makeMarker(InitialPostPositionUnit, pb.createAnd(markerVar(m), sol, "sol"));
567}
568
569inline MarkerType RE_Compiler::compileEnd(MarkerType marker, pablo::PabloBuilder & pb) {
570    PabloAST * const nextPos = markerVar(AdvanceMarker(marker, FinalPostPositionUnit, pb));
571    PabloAST * const atEOL = pb.createAnd(mLineBreak, nextPos, "eol");
572    return makeMarker(FinalPostPositionUnit, atEOL);
573}
574
575inline MarkerType RE_Compiler::AdvanceMarker(MarkerType marker, const MarkerPosition newpos, PabloBuilder & pb) {
576    if (marker.pos != newpos) {
577        if (marker.pos == FinalMatchUnit) {
578            marker.stream = pb.createAdvance(marker.stream, 1, "ipp");
579            marker.pos = InitialPostPositionUnit;
580        }
581        if (newpos == FinalPostPositionUnit) {
582            marker.stream = pb.createOr(pb.createAnd(marker.stream, u8Final(pb)), pb.createScanThru(pb.createAnd(u8NonFinal(pb), marker.stream), u8NonFinal(pb), "fpp"));
583            marker.pos = FinalPostPositionUnit;
584        }
585    }
586    return marker;
587}
588
589inline void RE_Compiler::AlignMarkers(MarkerType & m1, MarkerType & m2, PabloBuilder & pb) {
590    if (m1.pos < m2.pos) {
591        m1 = AdvanceMarker(m1, m2.pos, pb);
592    } else if (m2.pos < m1.pos) {
593        m2 = AdvanceMarker(m2, m1.pos, pb);
594    }
595}
596
597pablo::PabloAST * RE_Compiler::u8NonFinal(pablo::PabloBuilder & pb) {
598    MarkerType m;
599    auto f = mExternalNameMap.find("UTF8_nonfinal");
600    if (f!= mExternalNameMap.end()) {
601        return f->second;
602    }
603    if (LLVM_LIKELY(mCompiledName->get(mNonFinalName, m))) {
604        return markerVar(m);
605    }
606    m = compile(mNonFinalName->getDefinition(), pb);
607    mCompiledName->add(mNonFinalName, m);
608    return markerVar(m);
609}
610
611pablo::PabloAST * RE_Compiler::u8Final(pablo::PabloBuilder & pb) {
612    return pb.createNot(u8NonFinal(pb));
613}
614
615   
616LLVM_ATTRIBUTE_NORETURN void RE_Compiler::UnsupportedRE(std::string errmsg) {
617    llvm::report_fatal_error(errmsg);
618}
619
620RE_Compiler::RE_Compiler(PabloBlock * scope, cc::CC_Compiler & ccCompiler)
621: mEntryScope(scope)
622, mCCCompiler(ccCompiler)
623, mLineBreak(nullptr)
624, mWhileTest(nullptr)
625, mStarDepth(0)
626, mCompiledName(&mBaseMap) {
627    PabloBuilder pb(mEntryScope);
628    mLineBreak = pb.createZeroes();  // default so "^/$" matches start/end of text only
629    mNonFinalName = makeName("u8NonFinal", makeAlt({makeByte(0xC0, 0xFF), 
630                               makeSeq({makeByte(0xE0, 0xFF), makeByte(0x00, 0xFF)}),
631                               makeSeq({makeByte(0xF0, 0xFF), makeByte(0x00, 0xFF), makeByte(0x00, 0xFF)})}));
632}
633
634} // end of namespace re
Note: See TracBrowser for help on using the repository browser.