source: icGREP/icgrep-devel/icgrep/re/re_parser.h @ 5197

Last change on this file since 5197 was 5180, checked in by xwa163, 3 years ago

Support BRE and ERE for regex syntax.

File size: 5.2 KB
Line 
1/*
2 *  Copyright (c) 2014-6 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#ifndef RE_PARSER_H
8#define RE_PARSER_H
9
10#include <re/re_re.h>
11#include <re/re_any.h>
12#include <re/re_name.h>
13#include <UCD/resolve_properties.h>
14#include <string>
15#include <list>
16#include <memory>
17#include <map>
18#include <re/re_memoizer.hpp>
19#include <llvm/Support/ErrorHandling.h>
20
21namespace re {
22
23enum RE_Syntax {FixedStrings, BRE, ERE, PCRE};
24enum CharsetOperatorKind
25    {intersectOp, setDiffOp, ampChar, hyphenChar, rangeHyphen, posixPropertyOpener, setOpener, setCloser, backSlash, emptyOperator};
26
27enum ModeFlagType : unsigned {
28    NONE = 0,
29    CASE_INSENSITIVE_MODE_FLAG = 1,
30    MULTILINE_MODE_FLAG = 2,      // not currently implemented
31    DOTALL_MODE_FLAG = 4,         // not currently implemented
32    IGNORE_SPACE_MODE_FLAG = 8,   // not currently implemented
33    UNIX_LINES_MODE_FLAG = 16,    // not currently implemented
34    GRAPHEME_CLUSTER_MODE = 32
35};
36
37const int MAX_REPETITION_LOWER_BOUND = 1024;
38const int MAX_REPETITION_UPPER_BOUND = 2048;
39
40typedef unsigned ModeFlagSet;
41
42
43class RE_Parser
44{
45public:
46
47    static RE * parse(const std::string &input_string, ModeFlagSet initialFlags, RE_Syntax syntax = RE_Syntax::PCRE);
48
49   
50    static LLVM_ATTRIBUTE_NORETURN void ParseFailure(std::string errmsg) {
51        llvm::report_fatal_error(errmsg);
52    }
53   
54protected:
55    using NameMap = std::map<std::pair<std::string, std::string>, re::Name *>;
56
57    using cursor_t = std::string::const_iterator;
58
59    using char_t = const std::string::value_type;
60
61    struct Cursor {
62
63        inline Cursor & operator++() {
64            if (LLVM_UNLIKELY(mCursor == mEnd)) {
65                ParseFailure("Incomplete regular expression!");
66            }
67            ++mCursor;
68            return *this;
69        }
70
71        inline Cursor operator++(int) {
72            if (LLVM_UNLIKELY(mCursor == mEnd)) {
73                ParseFailure("Incomplete regular expression!");
74            }
75            Cursor tmp(*this);
76            ++mCursor;
77            return tmp;
78        }
79
80        inline const char_t operator*() const {
81            if (LLVM_UNLIKELY(mCursor == mEnd)) {
82                return 0;
83            }
84            return *mCursor;
85        }
86
87        inline bool noMore() const {
88            return mCursor == mEnd;
89        }
90
91        inline bool more() const {
92            return mCursor != mEnd;
93        }
94
95        inline cursor_t::difference_type remaining() const {
96            return mEnd - mCursor;
97        }
98
99        inline cursor_t pos() const {
100            return mCursor;
101        }
102
103        Cursor(const std::string & expression) : mCursor(expression.cbegin()), mEnd(expression.cend()) {}
104        Cursor(const Cursor & cursor) : mCursor(cursor.mCursor), mEnd(cursor.mEnd) {}
105        inline Cursor & operator=(const Cursor & cursor) {
106            mCursor = cursor.mCursor;
107            mEnd = cursor.mEnd;
108            return *this;
109        }
110    private:
111        cursor_t    mCursor;
112        cursor_t    mEnd;
113    };
114
115    RE_Parser(const std::string & regular_expression);
116
117    RE_Parser(const std::string & regular_expression, ModeFlagSet initialFlags);
118
119    virtual RE * parse_RE();
120
121    virtual RE * parse_alt();
122
123    RE * parse_seq();
124
125    virtual RE * parse_next_item();
126
127    virtual RE * parse_group();
128
129    virtual bool isSetEscapeChar(char c);
130
131    virtual RE * extend_item(RE * re);
132
133    RE * parseGraphemeBoundary(RE * re);
134
135    virtual std::pair<int, int> parse_range_bound();
136
137    unsigned parse_int();
138
139    virtual RE * parse_escaped();
140
141    virtual RE * parseEscapedSet();
142
143    codepoint_t parse_utf8_codepoint();
144
145    virtual RE * parsePropertyExpression();
146
147    Name * parseNamePatternExpression();
148
149    RE * makeComplement(RE * s);
150    RE * makeWordBoundary();
151    RE * makeWordNonBoundary();
152    RE * makeWordBegin();
153    RE * makeWordEnd();
154    Name * makeDigitSet();
155    Name * makeAlphaNumeric();
156    Name * makeWhitespaceSet();
157    Name * makeWordSet();
158   
159    Name * createName(std::string && value);
160    Name * createName(std::string && prop, std::string && value);
161
162    virtual bool isUnsupportChartsetOperator(char c);
163    CharsetOperatorKind getCharsetOperator();
164
165    RE * parse_charset();
166
167    codepoint_t parse_codepoint();
168
169    virtual codepoint_t parse_escaped_codepoint();
170
171    codepoint_t parse_hex_codepoint(int mindigits, int maxdigits);
172
173    codepoint_t parse_octal_codepoint(int mindigits, int maxdigits);
174
175    // CC insertion dependent on case-insensitive flag.
176    Name * createCC(const codepoint_t cp);
177    void insert(CC * cc, const codepoint_t cp);
178    void insert_range(CC * cc, const codepoint_t lo, const codepoint_t hi);
179
180    static std::string canonicalize(const cursor_t begin, const cursor_t end);
181
182protected:
183
184    ModeFlagSet                 fModeFlagSet;
185    bool                        fNested;
186    bool                        fGraphemeBoundaryPending;
187    bool                        fSupportNonCaptureGroup;
188    Cursor                      mCursor;
189    unsigned                    mCaptureGroupCount;
190    NameMap                     mNameMap;
191    Memoizer                    mMemoizer;
192};
193
194}
195
196#endif // RE_PARSER_H
Note: See TracBrowser for help on using the repository browser.