source: icGREP/icgrep-devel/icgrep/utf8_encoder.cpp @ 3935

Last change on this file since 3935 was 3935, checked in by daled, 5 years ago

The parser is now able to parse unicode categories.

File size: 5.7 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
7#include "utf8_encoder.h"
8
9
10RE* UTF8_Encoder::toUTF8(RE* re)
11{
12    RE* retVal = 0;
13
14    if (Alt* re_alt = dynamic_cast<Alt*>(re))
15    {
16        std::list<RE*> re_list;
17        std::list<RE*>::reverse_iterator rit = re_alt->GetREList()->rbegin();
18
19        for (rit = re_alt->GetREList()->rbegin(); rit != re_alt->GetREList()->rend(); ++rit)
20        {
21            re_list.push_back(toUTF8(*rit));
22        }
23
24        retVal = new Alt(&re_list);
25    }
26    else if (Seq* re_seq = dynamic_cast<Seq*>(re))
27    {
28
29        std::list<RE*> re_list;
30        std::list<RE*>::iterator it;
31
32        for (it = re_seq->GetREList()->begin(); it != re_seq->GetREList()->end(); ++it)
33        {
34            //If this is a previously encoded Unicode byte sequence.
35            if (re_seq->getType() == Seq::Byte)
36            {
37                if (CC* seq_cc = dynamic_cast<CC*>(*it))
38                {
39                    CharSetItem item = seq_cc->getItems().front();
40                    re_list.push_front(new CC(item.lo_codepoint));
41                }
42            }
43            else
44            {
45                re_list.push_front(toUTF8(*it));
46            }
47        }
48
49        Seq* new_seq = new Seq(&re_list);
50        new_seq->setType(re_seq->getType());
51        retVal = new_seq;
52    }
53    else if (Rep* re_rep = dynamic_cast<Rep*>(re))
54    {
55        retVal = new Rep(toUTF8(re_rep->getRE()), re_rep->getLB(), re_rep->getUB());
56    }
57    else if (CC* re_cc = dynamic_cast<CC*>(re))
58    { 
59        if (re_cc->getItems().size() == 1)
60        {
61            retVal = rangeToUTF8(re_cc->getItems().front());
62        }
63        else if (re_cc->getItems().size() > 1)
64        {           
65            std::list<RE*> re_list;
66            for (int i = 0; i < re_cc->getItems().size(); i++)
67            {
68                re_list.push_back(rangeToUTF8(re_cc->getItems().at(i)));
69            }
70            retVal = RE_Simplifier::mkAlt(&re_list);
71            //retVal = new Alt(&re_list);
72        }
73    }
74    else if (Name* re_name = dynamic_cast<Name*>(re))
75    {
76        retVal = new Name(re_name->getName());
77    }
78    else if (Start* re_start = dynamic_cast<Start*>(re))
79    {
80        retVal = new Start();
81    }
82    else if (End* re_end = dynamic_cast<End*>(re))
83    {
84        retVal = new End();
85    }
86
87    return retVal;
88}
89
90RE* UTF8_Encoder::rangeToUTF8(CharSetItem item)
91{
92    int u8len_lo = u8len(item.lo_codepoint);
93    int u8len_hi = u8len(item.hi_codepoint);
94
95    if (u8len_lo < u8len_hi)
96    {
97        int m = max_of_u8len(u8len_lo);
98        Alt* alt = new Alt();
99
100        CharSetItem lo_item;
101        lo_item.lo_codepoint = item.lo_codepoint;
102        lo_item.hi_codepoint = m;
103        alt->AddREListItem(rangeToUTF8(lo_item));
104        CharSetItem hi_item;
105        hi_item.lo_codepoint = m + 1;
106        hi_item.hi_codepoint = item.hi_codepoint;
107        alt->AddREListItem(rangeToUTF8(hi_item));
108
109        return alt;
110    }
111    else
112    {
113        return rangeToUTF8_helper(item.lo_codepoint, item.hi_codepoint, 1, u8len_hi);
114    }
115}
116
117RE* UTF8_Encoder::rangeToUTF8_helper(int lo, int hi, int n, int hlen)
118{
119    int hbyte = u8byte(hi, n);
120    int lbyte = u8byte(lo, n);
121
122    if (n == hlen)
123    {
124        return makeByteRange(lbyte, hbyte);
125    }
126    else if (hbyte == lbyte)
127    {
128        Seq* seq = new Seq();
129        seq->AddREListItem(makeByteClass(hbyte));
130        seq->AddREListItem(rangeToUTF8_helper(lo, hi, n+1, hlen));
131        return seq;
132    }
133    else
134    {
135        int suffix_mask = (1 << ((hlen - n) * 6)) - 1;
136
137        if ((hi & suffix_mask) != suffix_mask)
138        {
139            int hi_floor = (~suffix_mask) & hi;
140
141            Alt* alt = new Alt();
142            alt->AddREListItem(rangeToUTF8_helper(hi_floor, hi, n, hlen));
143            alt->AddREListItem(rangeToUTF8_helper(lo, hi_floor - 1, n, hlen));
144            return alt;
145        }
146        else if ((lo & suffix_mask) != 0)
147        {
148            int low_ceil = lo | suffix_mask;
149
150            Alt* alt = new Alt();
151            alt->AddREListItem(rangeToUTF8_helper(low_ceil + 1, hi, n, hlen));
152            alt->AddREListItem(rangeToUTF8_helper(lo, low_ceil, n, hlen));
153            return alt;
154        }
155        else
156        {
157            Seq* seq = new Seq();
158            seq->AddREListItem(makeByteRange(lbyte, hbyte));
159            seq->AddREListItem(rangeToUTF8_helper(lo, hi, n + 1, hlen));
160            return seq;
161        }
162    }
163}
164
165CC* UTF8_Encoder::makeByteRange(int lo, int hi)
166{
167    return new CC(lo, hi);
168}
169
170CC* UTF8_Encoder::makeByteClass(int byteval)
171{
172    return new CC(byteval, byteval);
173}
174
175int UTF8_Encoder::u8byte(int codepoint, int n)
176{
177    int retVal = 0;
178
179    int len = u8len(codepoint);
180
181    if (n == 1)
182    {
183        if (len == 1)
184        {
185            retVal = codepoint;
186        }
187        else if (len == 2)
188        {
189            retVal = 0xC0 | (codepoint >> 6);
190        }
191        else if (len == 3)
192        {
193            retVal = 0xE0 | (codepoint >> 12);
194        }
195        else
196        {
197            retVal = 0xF0 | (codepoint >> 18);
198        }
199    }
200    else
201    {
202        retVal = 0x80 | ((codepoint >> (6 * (len - n))) & 0x3F);
203    }
204
205    return retVal;
206}
207
208int UTF8_Encoder::u8len(int cp)
209{
210    if (cp <= 0x7F)
211    {
212        return 1;
213    }
214    else if (cp <= 0x7FF)
215    {
216        return 2;
217    }
218    else if (cp <= 0xFFFF)
219    {
220        return 3;
221    }
222    else
223    {
224        return 4;
225    }
226}
227
228int UTF8_Encoder::max_of_u8len(int lgth)
229{
230    if (lgth == 1)
231    {
232        return 0x7F;
233    }
234    else if (lgth == 2)
235    {
236        return 0x7FF;
237    }
238    else if (lgth == 3)
239    {
240        return 0xFFFF;
241    }
242    else if (lgth == 4)
243    {
244        return 0x10FFFF;
245    }
246    else
247    {
248        return -1;
249    }
250}
251
Note: See TracBrowser for help on using the repository browser.