source: proto/SymbolTable/symtab_ls_template.cpp @ 1228

Last change on this file since 1228 was 1228, checked in by vla24, 8 years ago

Integrated symbol table with xmlwf. There are various implementations for the symbol table, please read /proto/SymbolTable/README_SymbolTable for more information.

File size: 14.5 KB
Line 
1#define USE_FUNCTION_TEMPLATES
2#define TEMPLATED_SIMD_LIB
3
4#include <stdio.h>
5#include <stdlib.h>
6#include <errno.h>
7#include <sys/types.h>
8#include <sys/stat.h>
9#include <../lib_simd.h>
10#include <ls_symbol_table.h>
11
12#include <queue>
13#include <string>
14
15#define DEBUG 0
16#define BLOCK_SIZE (sizeof(SIMD_type) * 8)
17#define SEGMENT_BLOCKS 12
18#define BUFFER_SIZE (BLOCK_SIZE * SEGMENT_BLOCKS)
19#define OVERLAP_BUFSIZE 2*(sizeof(SIMD_type))
20
21typedef long ScanBlock;
22typedef SIMD_type BytePack;
23typedef SIMD_type BitBlock;
24
25using namespace std;
26
27#include <../carryQ.h>
28#include <xmldecl.h>
29#include <xml_error.c>
30#include <xmldecl.c>
31#include <namechars.h>
32
33#include <../perflib/perfsec.h>
34#include <../s2p.h>
35
36#include <TagMatcher.h>
37#include <LineColTracker.h>
38
39#ifdef BUFFER_PROFILING
40        BOM_Table * parser_timer;
41
42#elif CODE_CLOCKER
43        #define NUM_EVENTS 1
44        int Events[NUM_EVENTS] = {PAPI_TOT_CYC};
45        //int Events[NUM_EVENTS] = {PAPI_L2_DCM};
46        //int Events[NUM_EVENTS] = {PAPI_TOT_CYC, PAPI_BR_MSP};
47        int cal_size = 20;
48        CC * parser_timer = new CC(Events,NUM_EVENTS,cal_size);
49#else
50        void * parser_timer;
51#endif
52
53int block_base=0;
54int buffer_base=0;
55int buffer_last;
56char * source;
57LineColTracker tracker;
58TagMatcher matcher;
59BitBlock EOF_mask = simd_const_1(1);
60
61queue <size_t> elem_starts_buf;
62queue <size_t> elem_ends_buf;
63LSSymbolTable ls_symbol_table;
64
65static inline int StreamScan(ScanBlock * stream, int blk_count, int ProcessPos(int)) {
66        int blk;
67        int block_pos = 0;
68        for (blk = 0; blk < blk_count; blk++) {
69                ScanBlock s = stream[blk];
70                while(s) {
71                        int code = (ProcessPos(cfzl(s) + block_pos));
72                        if (code) return code;
73                        s = s & (s-1);  // clear rightmost bit.
74                }
75                block_pos += 8 * sizeof(ScanBlock);
76        }
77        return 0;
78}
79
80
81static inline void ReportError(const char * error_msg, int error_pos_in_block) {
82  int error_line, error_column;
83  tracker.get_Line_and_Column(error_pos_in_block, error_line, error_column);
84  fprintf(stderr, "%s at line %i, column %i\n", error_msg, error_line, error_column);
85}
86
87static inline int ElemStrt_check(int pos) {
88        int block_pos = block_base + pos;
89        elem_starts_buf.push(buffer_base + block_pos);
90        return 0;
91}
92
93static inline int ElemEnd_check(int pos) {
94        int block_pos = block_base + pos;
95        elem_ends_buf.push(buffer_base + block_pos);
96        return 0;
97}
98
99static inline int NameStrt_check(int pos) {
100        int block_pos = block_base + pos;
101        if(XML_10_UTF8_NameStrt_bytes((unsigned char*)&source[block_pos]) == 0){
102              ReportError("name start error", pos);
103              exit(-1);
104        }
105        return 0;
106}
107
108static inline int Name_check(int pos) {
109        int block_pos = block_base + pos;
110        if(XML_10_UTF8_NameChar_bytes((unsigned char*)&source[block_pos]) == 0){
111              ReportError("name error", pos);
112              exit(-1);
113        }
114        return 0;
115}
116
117static inline int PIName_check(int pos) {
118        int block_pos = block_base + pos;
119        int file_pos = block_pos+buffer_base;
120        printf ("%s:%i\n",__FUNCTION__,pos);
121        if (at_XxMmLll<ASCII>((unsigned char*)&source[block_pos]) && (source[block_pos+3]=='?' || source[block_pos+3]<= ' ')) {
122              // "<?xml" legal at start of file.
123              if ((file_pos == 2) && at_XmlDecl_start<ASCII>((unsigned char*)&source[0])) return 0;
124              ReportError("[Xx][Mm][Ll] illegal as PI name", pos);
125              exit(-1);
126        }
127        return 0;
128}
129
130static inline int CD_check(int pos) {
131        int block_pos = block_base + pos;
132        if (!at_CDATA1<ASCII>((unsigned char*)&source[block_pos])){
133              ReportError("CDATA error", pos);
134              exit(-1);
135        }
136        return 0;
137}
138
139static inline int GenRef_check(int pos) {
140        int block_pos = block_base + pos;
141        unsigned char* s = (unsigned char*)&source[block_pos];
142        if (!(at_Ref_gt<ASCII>(s)||at_Ref_lt<ASCII>(s)||at_Ref_amp<ASCII>(s)||at_Ref_quot<ASCII>(s)||at_Ref_apos<ASCII>(s))){
143              ReportError("Undefined reference", pos);
144              exit(-1);
145        }
146        return 0;
147}
148
149static inline int HexRef_check(int pos) {
150        int block_pos = block_base + pos;
151        unsigned char* s = (unsigned char*)&source[block_pos];
152        int ch_val = 0;
153        while(at_HexDigit<ASCII>(s)){
154          ch_val = HexVal<ASCII>(s[0]) + (ch_val<<4);
155          if (ch_val> 0x10FFFF ){
156            ReportError("Illegal character reference", pos);
157            exit(-1);
158          }
159          s++;
160        }
161        if ((ch_val == 0x0) || ((ch_val | 0x7FF) == 0xDFFF)|| ((ch_val | 0x1) == 0xFFFF)){
162          ReportError("Illegal character reference", pos);
163          exit(-1);
164        }
165        else if (((ch_val < 0x20) && (ch_val != 0x9) && (ch_val != 0xD) && (ch_val != 0xA))){
166          ReportError("Illegal XML 1.0 character reference", pos);
167          exit(-1);
168        }
169        return 0;
170}
171
172static inline int DecRef_check(int pos) {
173        int block_pos = block_base + pos;
174        unsigned char* s = (unsigned char*)&source[block_pos];
175        int ch_val = 0;
176        while(at_HexDigit<ASCII>(s)){
177          ch_val = DigitVal<ASCII>(s[0]) + ch_val*10;
178          if (ch_val> 0x10FFFF ){
179            ReportError("Illegal character reference", pos);
180            exit(-1);
181          }
182          s++;
183        }
184        if ((ch_val == 0x0) || ((ch_val | 0x7FF) == 0xDFFF)|| ((ch_val | 0x1) == 0xFFFF)){
185          ReportError("Illegal character reference", pos);
186          exit(-1);
187        }
188        else if (((ch_val < 0x20) && (ch_val != 0x9) && (ch_val != 0xD) && (ch_val != 0xA))){
189          ReportError("Illegal XML 1.0 character reference", pos);
190          exit(-1);
191        }
192        return 0;
193}
194
195static inline int AttRef_check(int pos) {
196        int block_pos = block_base + pos;
197        unsigned char* s = (unsigned char*)&source[block_pos];
198        int ch_val = 0;
199        if(s[0]=='#'){
200          s++;
201          if(s[0]=='x' || s[0]=='X'){
202            s++;
203            while(at_HexDigit<ASCII>(s)){
204              ch_val = HexVal<ASCII>(s[0]) + (ch_val<<4);
205              s++;
206            }
207          }
208          else{
209            while(at_HexDigit<ASCII>(s)){
210              ch_val = DigitVal<ASCII>(s[0]) + ch_val*10;
211              s++;
212            }
213          }
214          if (ch_val==60){
215            ReportError("Attribute values contain '<' characters after reference expansion", pos);
216            exit(-1);
217          }
218        }
219        else if(at_Ref_lt<ASCII>(s)){
220          ReportError("Attribute values contain '<' characters after reference expansion", pos);
221          exit(-1);
222        }
223        return 0;
224}
225
226
227
228@global
229
230static inline void s2p_do_block(BytePack U8[], Basis_bits & basis_bits) {
231  s2p(U8[0], U8[1], U8[2], U8[3], U8[4], U8[5], U8[6], U8[7],
232        basis_bits.bit_0, basis_bits.bit_1, basis_bits.bit_2, basis_bits.bit_3, basis_bits.bit_4, basis_bits.bit_5, basis_bits.bit_6, basis_bits.bit_7);
233}
234
235static inline void s2p_do_final_block(BytePack U8[], Basis_bits & basis_bits, BitBlock EOF_mask) {
236  s2p_do_block(U8, basis_bits);
237  basis_bits.bit_0 = simd_and(basis_bits.bit_0, EOF_mask);
238  basis_bits.bit_1 = simd_and(basis_bits.bit_1, EOF_mask);
239  basis_bits.bit_2 = simd_and(basis_bits.bit_2, EOF_mask);
240  basis_bits.bit_3 = simd_and(basis_bits.bit_3, EOF_mask);
241  basis_bits.bit_4 = simd_and(basis_bits.bit_4, EOF_mask);
242  basis_bits.bit_5 = simd_and(basis_bits.bit_5, EOF_mask);
243  basis_bits.bit_6 = simd_and(basis_bits.bit_6, EOF_mask);
244  basis_bits.bit_7 = simd_and(basis_bits.bit_7, EOF_mask);
245}
246
247static inline void do_symbol_table_lookup()
248{
249    while( !elem_starts_buf.empty() && !elem_ends_buf.empty() )
250    {
251        int start = elem_starts_buf.front();
252        int end = elem_ends_buf.front();
253        elem_starts_buf.pop();
254        elem_ends_buf.pop();
255        int length = end - start;
256
257        //lookup or insert to symbol table
258#if DEBUG
259        char* symbol = new char[length+1];
260        strncpy ( symbol, source + start - buffer_base, length );
261        symbol[length] ='\0';
262        printf ("start: %i[%i] | end: %i[%i] | length: %i | symbol: %s\n", start, start-buffer_base, end, end-buffer_base, length, symbol );
263
264        delete symbol; symbol = 0;
265#endif
266
267        ls_symbol_table.put((unsigned char*)source + start - buffer_base, length);
268
269    }
270}
271
272static inline void postprocess_do_block(Lex & lex, CtCDPI_Callouts & ctCDPI_Callouts, Ref_Callouts & ref_Callouts, Check_streams & check_streams, Tag_Callouts & tag_Callouts, int chars_avail){
273
274    //NOTE: We are NOT handling the case for an extremely long symbol name (length > 1541).
275    //      TagMatcher will crash if we feed a long symbol name.
276    //      Sample file: test/long_sym_name.xml
277
278            tracker.StoreNewlines(lex.LF);
279
280            if ( bitblock_has_bit(tag_Callouts.ElemName_starts))
281            {
282                StreamScan((ScanBlock *) &tag_Callouts.ElemName_starts, sizeof(BitBlock)/sizeof(ScanBlock), ElemStrt_check);
283            }
284
285            if ( bitblock_has_bit(tag_Callouts.ElemName_ends) )
286            {
287                StreamScan((ScanBlock *) &tag_Callouts.ElemName_ends, sizeof(BitBlock)/sizeof(ScanBlock), ElemEnd_check);
288            }
289
290            do_symbol_table_lookup();
291
292                if (bitblock_has_bit(simd_or(check_streams.non_ascii_name_starts, check_streams.non_ascii_names))) {
293                  StreamScan((ScanBlock *) &check_streams.non_ascii_name_starts, sizeof(BitBlock)/sizeof(ScanBlock), NameStrt_check);
294                  StreamScan((ScanBlock *) &check_streams.non_ascii_names, sizeof(BitBlock)/sizeof(ScanBlock), Name_check);
295                }
296
297                if (bitblock_has_bit(ctCDPI_Callouts.PI_name_starts)){
298                  StreamScan((ScanBlock *) &ctCDPI_Callouts.PI_name_starts, sizeof(BitBlock)/sizeof(ScanBlock), PIName_check);
299                }
300
301                if (bitblock_has_bit(ctCDPI_Callouts.CD_starts)){
302                  StreamScan((ScanBlock *) &ctCDPI_Callouts.CD_starts, sizeof(BitBlock)/sizeof(ScanBlock), CD_check);
303                }
304
305                if (bitblock_has_bit(ref_Callouts.GenRef_starts)){
306                  StreamScan((ScanBlock *) &ref_Callouts.GenRef_starts, sizeof(BitBlock)/sizeof(ScanBlock), GenRef_check);
307                }
308
309                if (bitblock_has_bit(ref_Callouts.DecRef_starts)){
310                  StreamScan((ScanBlock *) &ref_Callouts.DecRef_starts, sizeof(BitBlock)/sizeof(ScanBlock), DecRef_check);
311                }
312
313                if (bitblock_has_bit(ref_Callouts.HexRef_starts)){
314                  StreamScan((ScanBlock *) &ref_Callouts.HexRef_starts, sizeof(BitBlock)/sizeof(ScanBlock), HexRef_check);
315                }
316
317                if (bitblock_has_bit(check_streams.att_refs)){
318                  StreamScan((ScanBlock *) &check_streams.att_refs, sizeof(BitBlock)/sizeof(ScanBlock), AttRef_check);
319                }
320
321                if (bitblock_has_bit(check_streams.error_mask)) {
322                  int errpos = count_forward_zeroes(check_streams.error_mask);
323                  ReportError("error found", errpos);
324              exit(-1);
325                }
326
327                matcher.store_streams(check_streams.tag_marks, check_streams.name_follows, check_streams.misc_mask, chars_avail);
328                tracker.AdvanceBlock();
329}
330
331static inline void print_GIDS()
332{
333    ls_symbol_table.display_flattened_symbol_values();
334    ls_symbol_table.display_flattened_gids();
335}
336
337void do_process(FILE *infile, FILE *outfile) {
338
339@decl
340
341  int buf_pos = 0;
342  int block_pos = 0;
343  int errpos = 0;
344  int chars_avail = 0;
345  int check_pos = 0;
346  int chars_read = 0;
347  BytePack buf[(BUFFER_SIZE+BLOCK_SIZE+OVERLAP_BUFSIZE*2)/sizeof(SIMD_type)];
348
349  char * srcbuf = ((char *) buf) + OVERLAP_BUFSIZE;
350  buffer_base = buf_pos;
351  source = srcbuf;
352  chars_read = fread((void *)srcbuf, 1, BUFFER_SIZE + OVERLAP_BUFSIZE, infile);
353  chars_avail = chars_read;
354  if (chars_avail > BUFFER_SIZE) chars_avail = BUFFER_SIZE;
355
356  matcher.setSrc(srcbuf);
357
358  if(chars_read<4){
359    fprintf(stderr,"File is too short. Not well formed.\n");
360    exit(-1);
361  }
362
363  Entity_Info * e = new Entity_Info;
364  e->AnalyzeSignature((unsigned char *)srcbuf);
365
366  if (e->code_unit_base == ASCII) {
367
368    XML_Decl_Parser<ASCII> decl_parser((unsigned char *)srcbuf);
369
370    decl_parser.ReadXMLInfo(*e);
371
372    if (e->code_unit_size != SingleByte || (e->has_encoding_decl && (!at_UTF_8(e->encoding)))){
373        fprintf(stderr,"Sorry, this xmlwf demo only works for UTF-8.\n");
374        exit(-1);
375    }
376  }
377  else {
378    fprintf(stderr,"Sorry, this xmlwf demo does not process EBCDIC.\n");
379        exit(-1);
380  }
381
382  if (e->content_start != 0) {
383        memmove(&srcbuf[0], &srcbuf[e->content_start], chars_read - e->content_start);
384        buf_pos = e->content_start;
385        buffer_base = buf_pos;
386        if (chars_avail == BUFFER_SIZE) {
387                chars_read = chars_read - e->content_start +
388                             fread(&srcbuf[chars_read-e->content_start], 1, e->content_start, infile);
389                chars_avail = chars_read;
390                if (chars_avail > BUFFER_SIZE) chars_avail = BUFFER_SIZE;
391        }
392        else {
393          chars_read -=e->content_start;
394          chars_avail -=e->content_start;
395        }
396  }
397
398@stream_stmts
399
400/* Full Buffers */
401    int block_segment_num = 0;
402    while (chars_avail == BUFFER_SIZE) {
403      PERF_SEC_START(parser_timer);
404      for (int blk = 0; blk < SEGMENT_BLOCKS; blk++) {
405          block_base = blk*BLOCK_SIZE;
406          s2p_do_block((BytePack *) &srcbuf[block_base], basis_bits);
407          @block_stmts
408          postprocess_do_block(lex, ctCDPI_Callouts, ref_Callouts, check_streams, tag_Callouts, chars_avail);
409      }
410      matcher.StreamScan(chars_avail);
411      matcher.Advance_buffer();
412      tracker.Advance_buffer();
413      PERF_SEC_END(parser_timer, chars_avail);
414
415      int bytes_left = chars_read - chars_avail;
416      memmove(buf, &srcbuf[BUFFER_SIZE - OVERLAP_BUFSIZE], bytes_left + OVERLAP_BUFSIZE);
417      chars_read = fread(&srcbuf[bytes_left],1, BUFFER_SIZE + OVERLAP_BUFSIZE - bytes_left, infile) + bytes_left;
418      chars_avail = chars_read;
419      if (chars_avail > BUFFER_SIZE) chars_avail = BUFFER_SIZE;
420      buf_pos += chars_avail;
421      buffer_base = buf_pos;
422      block_segment_num++;
423    }
424/* Final Partial Buffer */
425    PERF_SEC_START(parser_timer);
426
427    block_pos = 0;
428    int remaining = chars_avail;
429/* Full Blocks */
430    while (remaining >= BLOCK_SIZE) {
431          block_base = block_pos;
432          s2p_do_block((BytePack *) &srcbuf[block_pos], basis_bits);
433          @block_stmts
434          postprocess_do_block(lex, ctCDPI_Callouts, ref_Callouts, check_streams, tag_Callouts, chars_avail);
435          block_pos += BLOCK_SIZE;
436          remaining -= BLOCK_SIZE;
437    }
438    block_base = block_pos;
439    if (remaining > 0 || @any_carry) {
440          EOF_mask = sisd_srl(simd_const_1(1),sisd_from_int(BLOCK_SIZE-remaining));
441          s2p_do_final_block((BytePack *) &srcbuf[block_pos], basis_bits, EOF_mask);
442          @final_block_stmts
443          postprocess_do_block(lex, ctCDPI_Callouts, ref_Callouts, check_streams, tag_Callouts, chars_avail);
444    }
445    buf_pos += chars_avail;
446    buffer_base = buf_pos;
447
448    matcher.StreamScan(chars_avail);
449    matcher.Advance_buffer();
450    tracker.Advance_buffer();
451
452    ls_symbol_table.bind();
453    ls_symbol_table.finalize();
454
455    PERF_SEC_END(parser_timer, chars_avail);
456    if (matcher.depth != 0) {
457      fprintf(stderr, "tag matching error (depth %i) at position %i\n", matcher.depth, buffer_base);
458      exit(-1);
459    }
460
461//      print_GIDS();
462    ls_symbol_table.clear();
463}
464
465
466
467int
468main(int argc, char * argv[]) {
469        char * infilename, * outfilename;
470        FILE *infile, *outfile;
471        struct stat fileinfo;
472
473        if (argc < 2) {
474                printf("Usage: %s <filename> [<outputfile>]\n", argv[0]);
475                exit(-1);
476        }
477
478        infilename = argv[1];
479        stat(infilename, &fileinfo);
480        infile = fopen(infilename, "rb");
481        if (!infile) {
482                fprintf(stderr, "Error: cannot open %s for input.\n", infilename);
483                exit(-1);
484        }
485
486        if (argc < 3) outfile = stdout;
487        else {
488                outfilename = argv[2];
489                outfile = fopen(outfilename, "wb");
490                if (!outfile) {
491                        fprintf(stderr, "Error: cannot open %s for writing.\n", outfilename);
492                        exit(-1);
493                }
494        }
495
496//      PERF_SEC_BIND(1);
497
498        PERF_SEC_INIT(parser_timer);
499
500        do_process(infile, outfile);
501
502        PERF_SEC_DUMP(parser_timer);
503
504        PERF_SEC_DESTROY(parser_timer);
505
506        fclose(infile);
507        fclose(outfile);
508
509        printf ("Done procressing\n");
510        return(0);
511}
Note: See TracBrowser for help on using the repository browser.