source: icGREP/icgrep-devel/icgrep/utf8_encoder.cpp @ 3940

Last change on this file since 3940 was 3940, checked in by daled, 5 years ago

The framework for the unicode categories is in place. The static c++ code for each of the categories just needs to be placed into the stub unicode categories class.

File size: 5.8 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
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        Name* name = new Name(re_name->getName());
77        name->setType(re_name->getType());
78        retVal = name;
79    }
80    else if (Start* re_start = dynamic_cast<Start*>(re))
81    {
82        retVal = new Start();
83    }
84    else if (End* re_end = dynamic_cast<End*>(re))
85    {
86        retVal = new End();
87    }
88
89    return retVal;
90}
91
92RE* UTF8_Encoder::rangeToUTF8(CharSetItem item)
93{
94    int u8len_lo = u8len(item.lo_codepoint);
95    int u8len_hi = u8len(item.hi_codepoint);
96
97    if (u8len_lo < u8len_hi)
98    {
99        int m = max_of_u8len(u8len_lo);
100        Alt* alt = new Alt();
101
102        CharSetItem lo_item;
103        lo_item.lo_codepoint = item.lo_codepoint;
104        lo_item.hi_codepoint = m;
105        alt->AddREListItem(rangeToUTF8(lo_item));
106        CharSetItem hi_item;
107        hi_item.lo_codepoint = m + 1;
108        hi_item.hi_codepoint = item.hi_codepoint;
109        alt->AddREListItem(rangeToUTF8(hi_item));
110
111        return alt;
112    }
113    else
114    {
115        return rangeToUTF8_helper(item.lo_codepoint, item.hi_codepoint, 1, u8len_hi);
116    }
117}
118
119RE* UTF8_Encoder::rangeToUTF8_helper(int lo, int hi, int n, int hlen)
120{
121    int hbyte = u8byte(hi, n);
122    int lbyte = u8byte(lo, n);
123
124    if (n == hlen)
125    {
126        return makeByteRange(lbyte, hbyte);
127    }
128    else if (hbyte == lbyte)
129    {
130        Seq* seq = new Seq();
131        seq->AddREListItem(makeByteClass(hbyte));
132        seq->AddREListItem(rangeToUTF8_helper(lo, hi, n+1, hlen));
133        return seq;
134    }
135    else
136    {
137        int suffix_mask = (1 << ((hlen - n) * 6)) - 1;
138
139        if ((hi & suffix_mask) != suffix_mask)
140        {
141            int hi_floor = (~suffix_mask) & hi;
142
143            Alt* alt = new Alt();
144            alt->AddREListItem(rangeToUTF8_helper(hi_floor, hi, n, hlen));
145            alt->AddREListItem(rangeToUTF8_helper(lo, hi_floor - 1, n, hlen));
146            return alt;
147        }
148        else if ((lo & suffix_mask) != 0)
149        {
150            int low_ceil = lo | suffix_mask;
151
152            Alt* alt = new Alt();
153            alt->AddREListItem(rangeToUTF8_helper(low_ceil + 1, hi, n, hlen));
154            alt->AddREListItem(rangeToUTF8_helper(lo, low_ceil, n, hlen));
155            return alt;
156        }
157        else
158        {
159            Seq* seq = new Seq();
160            seq->AddREListItem(makeByteRange(lbyte, hbyte));
161            seq->AddREListItem(rangeToUTF8_helper(lo, hi, n + 1, hlen));
162            return seq;
163        }
164    }
165}
166
167CC* UTF8_Encoder::makeByteRange(int lo, int hi)
168{
169    return new CC(lo, hi);
170}
171
172CC* UTF8_Encoder::makeByteClass(int byteval)
173{
174    return new CC(byteval, byteval);
175}
176
177int UTF8_Encoder::u8byte(int codepoint, int n)
178{
179    int retVal = 0;
180
181    int len = u8len(codepoint);
182
183    if (n == 1)
184    {
185        if (len == 1)
186        {
187            retVal = codepoint;
188        }
189        else if (len == 2)
190        {
191            retVal = 0xC0 | (codepoint >> 6);
192        }
193        else if (len == 3)
194        {
195            retVal = 0xE0 | (codepoint >> 12);
196        }
197        else
198        {
199            retVal = 0xF0 | (codepoint >> 18);
200        }
201    }
202    else
203    {
204        retVal = 0x80 | ((codepoint >> (6 * (len - n))) & 0x3F);
205    }
206
207    return retVal;
208}
209
210int UTF8_Encoder::u8len(int cp)
211{
212    if (cp <= 0x7F)
213    {
214        return 1;
215    }
216    else if (cp <= 0x7FF)
217    {
218        return 2;
219    }
220    else if (cp <= 0xFFFF)
221    {
222        return 3;
223    }
224    else
225    {
226        return 4;
227    }
228}
229
230int UTF8_Encoder::max_of_u8len(int lgth)
231{
232    if (lgth == 1)
233    {
234        return 0x7F;
235    }
236    else if (lgth == 2)
237    {
238        return 0x7FF;
239    }
240    else if (lgth == 3)
241    {
242        return 0xFFFF;
243    }
244    else if (lgth == 4)
245    {
246        return 0x10FFFF;
247    }
248    else
249    {
250        return -1;
251    }
252}
253
Note: See TracBrowser for help on using the repository browser.