source: proto/parabix2/parabix2_compilable.py @ 633

Last change on this file since 633 was 633, checked in by lindanl, 9 years ago

add initialization to DecRef? and HexRef?

File size: 14.9 KB
Line 
1# -*- coding: utf-8 -*-
2#
3# parabix2_compilable.py
4#
5# Parallel XML Parsing with Bitstream Addition
6# - Complete prototype for all bitstream computations in Parabix2
7# - optimized for compilation
8#
9# Robert D. Cameron
10# July 29, 2010
11#
12
13#import bitutil
14
15def main(u8data):
16        # Transpose to parallel bit streams and prepare an EOF mask.
17        (bit, EOF_mask) = bitutil.transpose_streams(u8data)
18
19        # Classify bytes for UTF-8 processing, whitespace and control
20        # processing and XML lexical analysis.
21
22        temp1 = (bit[0] | bit[1]);
23        temp2 = (bit[2] &~ bit[3]);
24        temp3 = (temp2 &~ temp1);
25        temp4 = (bit[5] &~ bit[4]);
26        temp5 = (bit[6] &~ bit[7]);
27        temp6 = (temp4 & temp5);
28        lex.RefStart = (temp3 & temp6);
29        temp7 = (bit[2] & bit[3]);
30        temp8 = (temp7 &~ temp1);
31        temp9 = (bit[4] &~ bit[5]);
32        temp10 = (bit[6] & bit[7]);
33        temp11 = (temp9 & temp10);
34        lex.Semicolon = (temp8 & temp11);
35        temp12 = (bit[4] & bit[5]);
36        temp13 = (bit[6] | bit[7]);
37        temp14 = (temp12 &~ temp13);
38        lex.LAngle = (temp8 & temp14);
39        temp15 = (temp12 & temp5);
40        lex.RAngle = (temp8 & temp15);
41        temp16 = (bit[1] &~ bit[0]);
42        temp17 = (bit[3] &~ bit[2]);
43        temp18 = (temp16 & temp17);
44        lex.LBracket = (temp18 & temp11);
45        temp19 = (bit[7] &~ bit[6]);
46        temp20 = (temp12 & temp19);
47        lex.RBracket = (temp18 & temp20);
48        temp21 = (bit[4] | bit[5]);
49        temp22 = (temp19 &~ temp21);
50        lex.Exclam = (temp3 & temp22);
51        temp23 = (temp12 & temp10);
52        lex.QMark = (temp8 & temp23);
53        lex.Hyphen = (temp3 & temp20);
54        lex.Equals = (temp8 & temp20);
55        temp24 = (temp4 & temp10);
56        lex.SQuote = (temp3 & temp24);
57        temp25 = (temp5 &~ temp21);
58        lex.DQuote = (temp3 & temp25);
59        lex.Slash = (temp3 & temp23);
60        temp26 = (temp10 &~ temp21);
61        lex.Hash = (temp3 & temp26);
62        temp27 = (temp16 & temp7);
63        temp28 = (temp9 &~ temp13);
64        lex.x = (temp27 & temp28);
65        temp29 = (temp9 & temp5);
66        lex.Colon = (temp8 & temp29);
67        temp30 = (temp18 & temp23);
68        temp31 = (temp30 | lex.Colon);
69        temp32 = (temp16 &~ bit[2]);
70        temp33 = (bit[5] | temp10);
71        temp34 = (bit[4] & temp33);
72        temp35 = (~temp34);
73        temp36 = (temp21 | temp13);
74        temp37 = ((bit[3] & temp35)|(~(bit[3]) & temp36));
75        temp38 = (temp32 & temp37);
76        temp39 = (temp31 | temp38);
77        temp40 = (temp16 & bit[2]);
78        temp41 = (temp40 & temp37);
79        lex.ASCII_name_start = (temp39 | temp41);
80        temp42 = (temp30 | lex.Hyphen);
81        temp43 = (temp3 & temp15);
82        temp44 = (temp42 | temp43);
83        temp45 = (temp8 &~ temp34);
84        temp46 = (temp44 | temp45);
85        temp47 = (temp46 | temp38);
86        lex.ASCII_name_char = (temp47 | temp41);
87        lex.NameScan = (lex.ASCII_name_char | bit[0]);
88        temp48 = (temp1 | bit[2]);
89        control.x00_x1F = (~temp48);
90        temp49 = (bit[2] | bit[3]);
91        temp50 = (temp1 | temp49);
92        control.CR = (temp20 &~ temp50);
93        control.LF = (temp29 &~ temp50);
94        temp51 = (temp9 & temp19);
95        control.HT = (temp51 &~ temp50);
96        control.SP = (temp3 &~ temp36);
97        temp52 = (temp20 | temp29);
98        temp53 = (temp52 | temp51);
99        temp54 = (temp53 &~ temp50);
100        lex.WS = (temp54 | control.SP);
101        temp55 = (bit[5] | bit[6]);
102        temp56 = (bit[4] & temp55);
103        lex.Digit = (temp8 &~ temp56);
104        temp57 = (temp16 &~ temp49);
105        temp58 = (temp57 &~ bit[4]);
106        temp59 = (~temp10);
107        temp60 = ((bit[5] & temp59)|(~(bit[5]) & temp13));
108        temp61 = (temp58 & temp60);
109        temp62 = (lex.Digit | temp61);
110        temp63 = (temp16 & temp2);
111        temp64 = (temp63 &~ bit[4]);
112        temp65 = (temp64 & temp60);
113        lex.Hex = (temp62 | temp65);
114
115
116        # Check for illegal control characters
117        xmlchar_error = (control.x00_x1F &~ lex.WS & EOF_mask)
118
119
120        u8.unibyte = (~bit[0]);
121        u8.suffix = 0
122        u8.error = 0
123        FFFE_FFFF = 0
124
125        if bit[0]:
126                u8.prefix = (bit[0] & bit[1]);
127                u8.prefix2 = (u8.prefix &~ bit[2]);
128                u8.prefix3 = (u8.prefix & temp2);
129                u8.prefix4 = (u8.prefix & temp7);
130                u8.suffix = (bit[0] &~ bit[1]);
131                temp66 = (u8.prefix &~ temp49);
132                temp67 = (temp21 | bit[6]);
133                temp68 = (temp66 &~ temp67);
134                temp69 = (bit[5] & temp13);
135                temp70 = (bit[4] | temp69);
136                temp71 = (u8.prefix4 & temp70);
137                u8.badprefix = (temp68 | temp71);
138                xE0 = (u8.prefix3 &~ temp36);
139                xED = (u8.prefix3 & temp20);
140                xF0 = (u8.prefix4 &~ temp36);
141                temp72 = (temp4 &~ temp13);
142                xF4 = (u8.prefix4 & temp72);
143                u8.xA0_xBF = (u8.suffix & bit[2]);
144                u8.x80_x9F = (u8.suffix &~ bit[2]);
145                u8.x90_xBF = (u8.suffix & temp49);
146                u8.x80_x8F = (u8.suffix &~ temp49);
147                xEF = (u8.prefix3 & temp23);
148                temp73 = (u8.suffix & temp7);
149                u8.xBF = (temp73 & temp23);
150                u8.xBE = (temp73 & temp15);
151                u8.xE0_scope = bitutil.Advance(xE0);
152                u8.xED_scope = bitutil.Advance(xED);
153                u8.xF0_scope = bitutil.Advance(xF0);
154                u8.xF4_scope = bitutil.Advance(xF4);
155                u8.xEF_scope = bitutil.Advance(xEF);
156                u8.scope22 = bitutil.Advance(u8.prefix2)
157                u8.scope32 = bitutil.Advance(u8.prefix3)
158                u8.scope33 = bitutil.Advance(u8.scope32)
159                u8.scope42 = bitutil.Advance(u8.prefix4)
160                u8.scope43 = bitutil.Advance(u8.scope42)
161                u8.scope44 = bitutil.Advance(u8.scope43)
162
163                u8lastscope = u8.scope22 | u8.scope33 | u8.scope44
164                u8anyscope = u8lastscope | u8.scope32 | u8.scope42 | u8.scope43
165               
166                u8error1 = u8.xE0_scope & u8.x80_x9F
167                u8error2 = u8.xED_scope & u8.xA0_xBF
168                u8error3 = u8.xF0_scope & u8.x80_x8F
169                u8error4 = u8.xF4_scope & u8.x90_xBF
170       
171                u8mismatch = u8anyscope ^ u8.suffix
172
173                u8.error = u8.badprefix | u8error1 | u8error2 | u8error3 | u8error4 | u8mismatch
174
175                EF_BF_pending = bitutil.Advance(u8.xEF_scope & u8.xBF)
176
177                FFFE_FFFF = (EF_BF_pending & (u8.xBE | u8.xBF))
178
179        xmlchar_error |= FFFE_FFFF
180
181        lex.LAngle_scope = bitutil.Advance(lex.LAngle)
182        lex.Hyphen_scope = bitutil.Advance(lex.Hyphen)
183        lex.QMark_scope = bitutil.Advance(lex.QMark)
184
185        lex.CD_end = 0
186        if lex.RBracket:
187                lex.RBracket_scope = bitutil.Advance(lex.RBracket)
188                lex.CD_end = bitutil.Advance(lex.RBracket_scope & lex.RBracket) & lex.RAngle
189
190        # Compute XML multilterals such as <?, </, --, ]]>.
191        #lex = add_multiliterals(lex)
192        lex.PI_start = lex.LAngle_scope & lex.QMark
193        lex.CtCD_start = lex.LAngle_scope & lex.Exclam
194        lex.CtCDPI_start = lex.PI_start | lex.CtCD_start
195        lex.EndTag_start = lex.LAngle_scope & lex.Slash
196
197        #if lex.CtCDPI_start:
198        lex.DoubleHyphen = lex.Hyphen_scope & lex.Hyphen
199        lex.PI_end = lex.QMark_scope & lex.RAngle
200
201       
202        # THE FOLLOWING FUNCTIONAL CALL IS MANUALLY INLINED
203        # Parse all comments, CDATA sections and processing instructions.
204        #markup1 = parse_CtCDPI(lex, EOF_mask)
205        #CT_callouts = CtCDPI_callouts()
206        CT_callouts.PI_name = 0
207        PI_starts = 0
208        PI_ends = 0
209        Ct_starts = 0
210        Ct_ends = 0
211        CD_starts = 0
212        CD_ends = 0
213        CtCDPI_starts = 0
214        PI_namestarts = 0
215        PI_name_ends = 0
216
217        # Scanning streams
218        CtCDPI_scan = ~lex.CtCDPI_start & EOF_mask
219        Ct_end_scan = ~lex.DoubleHyphen & EOF_mask
220        CD_end_scan = ~lex.CD_end & EOF_mask
221        PI_end_scan = ~lex.PI_end & EOF_mask
222        #
223        # Initiate the scan
224        CtCDPI_Cursor = 1
225        CtCDPI_Cursor = bitutil.ScanThru(CtCDPI_Cursor, CtCDPI_scan)
226        CtCDPI_Cursor &= EOF_mask
227        while CtCDPI_Cursor:
228                CtCDPI_starts |= CtCDPI_Cursor
229                PI_Cursor = CtCDPI_Cursor & lex.PI_start
230                CD_Ct_Cursor = bitutil.Advance(CtCDPI_Cursor & ~PI_Cursor)
231                CD_Cursor = CD_Ct_Cursor & lex.LBracket
232                #Ct_Cursor = bitutil.Advance(CD_Ct_Cursor & lex.Hyphen)
233                Ct_Cursor = CD_Ct_Cursor & lex.Hyphen
234                PI_starts |= PI_Cursor
235                CD_starts |= CD_Cursor
236                Ct_starts |= Ct_Cursor
237                Ct_Cursor = bitutil.Advance(Ct_Cursor) 
238                Ct_errors |= Ct_Cursor & ~ lex.Hyphen
239                Ct_Cursor = bitutil.Advance(Ct_Cursor)
240                Ct_end_scan |= Ct_Cursor
241                #PI_Cursor = bitutil.ScanThru(PI_Cursor, PI_end_scan)
242                PI_Cursor = bitutil.Advance(PI_Cursor)
243                PI_namestarts |= PI_Cursor
244                PI_name_end = bitutil.ScanThru(PI_Cursor, lex.NameScan)
245                PI_name_ends |= PI_name_end
246                CT_callouts.PI_name |= PI_name_end - PI_Cursor
247                PI_Cursor = bitutil.ScanThru(PI_name_end, PI_end_scan)
248                CD_Cursor = bitutil.ScanThru(CD_Cursor, CD_end_scan)
249                Ct_Cursor = bitutil.Advance(bitutil.ScanThru(Ct_Cursor, Ct_end_scan))
250                PI_ends |= PI_Cursor
251                CD_ends |= CD_Cursor
252                Ct_ends |= Ct_Cursor
253                CtCDPI_Cursor = PI_Cursor | CD_Cursor | Ct_Cursor
254                CtCDPI_Cursor = bitutil.ScanThru(CtCDPI_Cursor, CtCDPI_scan)
255                CtCDPI_Cursor &= EOF_mask
256       
257                CT_callouts.CtCDPI_mask = bitutil.Advance(CD_ends | Ct_ends | PI_ends) - CtCDPI_starts
258                #CT_callouts.error = Ct_ends & ~lex.RAngle | Ct_starts & ~ lex.Hyphen
259                CT_callouts.error = Ct_errors | Ct_ends & ~lex.RAngle
260                CT_callouts.error |= bitutil.Advance(PI_name_ends & ~ lex.WS) & ~ lex.PI_end
261                CT_callouts.error |= PI_namestarts & PI_name_ends
262                # If any of the Comment, CDATA or PI markups are unterminated, it is an error.
263                CT_callouts.error |= CT_callouts.CtCDPI_mask &~ EOF_mask
264               
265        Misc_mask = (lex.WS | lex.LAngle | (bitutil.Advance(Ct_ends | PI_ends) - (Ct_starts | PI_starts)) | CtCDPI_starts) & EOF_mask
266        # End of loop: no remaining CtCDPI_Cursor
267       
268        ########## END OF MANUAL INLINING
269       
270        # THE FOLLOWING FUNCTIONAL CALL IS MANUALLY INLINED
271        # All remaining "<" must be tag start characters; parse tags.
272        #tags = parse_tags(lex, CT_callouts.CtCDPI_mask, EOF_mask)
273
274        #callouts = tag_callouts()
275       
276        # Delimiters for scans.
277        DQuoteScan = ~(lex.DQuote | lex.LAngle) & EOF_mask
278        SQuoteScan = ~(lex.SQuote | lex.LAngle) & EOF_mask
279        AttListDelim = lex.Slash | lex.RAngle
280       
281        # Start the parallel parsing by inspecting the character
282        # after the opening "<" of a tag.
283        LAngleFollow = lex.LAngle_scope &~ CT_callouts.CtCDPI_mask
284        ElemNamePositions = LAngleFollow & ~lex.Slash
285        EndTagSeconds = LAngleFollow & lex.Slash
286       
287        # Start Tag/Empty Element Tag Parsing
288
289        # Advance all cursors by scanning through the tag name.
290        ElemNameFollows = bitutil.ScanThru(ElemNamePositions, lex.NameScan)
291        # Must have at least one name character for a legal start tag.
292        # Mark any occurrences of null names as errors.
293        ParseError = ElemNamePositions & ElemNameFollows
294        callouts.ElemNames = ElemNameFollows - ElemNamePositions
295       
296        # Initialize the accumulators for attribute name and value positions.
297        AttNameStarts = 0 
298        AttNameFollows = 0
299        EqToCheck = 0
300        AttValStarts = 0
301        AttValEnds = 0
302        AttValFollows = 0
303
304        # After the element name, there may or may not be an attlist.
305        AfterWS = bitutil.ScanThru(ElemNameFollows, lex.WS)
306        AttListEnd = AfterWS & AttListDelim
307        AttNameStart = AfterWS & ~AttListDelim
308        # At least one WS character is required between ElemNames and AttNames.
309        ParseError |= ElemNameFollows & AttNameStart
310
311        #
312        # The following loop iterates through attributes within a start tag.
313        # Because all start tags are processed in parallel, the number of
314        # iterations is the maximum number of attributes found in any one
315        # start tag, plus one.
316        while AttNameStart:
317                AttNameStarts |= AttNameStart
318                AttNameFollow = bitutil.ScanThru(AttNameStart, lex.NameScan)
319                AttNameFollows |= AttNameFollow
320                # Scan through WS to the expected '=' delimiter.
321                EqExpected = bitutil.ScanThru(AttNameFollow, lex.WS)
322                EqToCheck |= EqExpected
323                AttValPos = bitutil.ScanThru(bitutil.Advance(EqExpected), lex.WS)
324                AttValStarts |= AttValPos
325                DQuoteAttVal = AttValPos & lex.DQuote
326                SQuoteAttVal = AttValPos & lex.SQuote
327                DQuoteAttEnd = bitutil.ScanThru(bitutil.Advance(DQuoteAttVal), DQuoteScan)
328                SQuoteAttEnd = bitutil.ScanThru(bitutil.Advance(SQuoteAttVal), SQuoteScan)
329                AttValEnd = DQuoteAttEnd | SQuoteAttEnd
330                AttValEnds |= AttValEnd
331                AttValFollow = bitutil.Advance(AttValEnd)
332                AttValFollows |= AttValFollow
333                AfterWS = bitutil.ScanThru(AttValFollow, lex.WS)
334                AttListEnd |= AfterWS & AttListDelim
335                AttNameStart = AfterWS & ~AttListDelim
336
337        # No more attribute values to process when AttNameStart == 0.
338        # Not needed for xmlwf
339        callouts.AttNames = AttNameFollows - AttNameStarts
340        callouts.AttVals = AttValFollows - AttValStarts
341        STagEnds = AttListEnd & lex.RAngle
342        # Mark any "/" characters found as the ends of empty element tags.
343        callouts.EmptyTagMarks = bitutil.Advance(AttListEnd & lex.Slash)
344        callouts.Tags = (STagEnds | callouts.EmptyTagMarks) - ElemNamePositions
345       
346        # Check for errors.
347        ParseError |= AttValFollows & AttNameStarts # No intervening WS.
348        ParseError |= AttNameStarts & AttNameFollows # Null AttName
349        ParseError |= EqToCheck & ~lex.Equals # = not found where expected.
350        ParseError |= AttValStarts & ~ (lex.DQuote | lex.SQuote)
351        ParseError |= AttValEnds & ~ (lex.DQuote | lex.SQuote)
352        ParseError |= callouts.EmptyTagMarks & ~lex.RAngle
353
354        # End Tag Parsing
355        EndTagEnds = bitutil.ScanThru(bitutil.ScanThru(bitutil.Advance(EndTagSeconds), lex.NameScan), lex.WS)
356        ParseError |= EndTagEnds & ~lex.RAngle
357        # Not needed for xmlwf
358        #callouts.EndTags = EndTagEnds - EndTagSeconds
359        callouts.error = ParseError
360        ########## END OF MANUAL INLINING
361
362
363
364
365        # All remaining "&" must be reference start characters; parse them.
366        # INLINED: refs = parse_refs(lex, CT_callouts.CtCDPI_mask)
367        refs.GenRefs = 0
368        refs.error = 0
369        GenRef2 = 0
370        DecRef3 = 0
371        HexRef4 = 0
372        Ref1 = lex.RefStart &~ CT_callouts.CtCDPI_mask
373        if Ref1:
374                Ref2 = bitutil.Advance(Ref1)
375                NumRef2 = Ref2 & lex.Hash
376                GenRef2 = Ref2 &~ lex.Hash
377                NumRef3 = bitutil.Advance(NumRef2)
378                HexRef3 = NumRef3 & lex.x
379                DecRef3 = NumRef3 &~ lex.x
380                HexRef4 = bitutil.Advance(HexRef3) 
381                GenRefEnds = bitutil.ScanThru(GenRef2, lex.NameScan)
382                DecRefEnds = bitutil.ScanThru(DecRef3, lex.Digit)
383                HexRefEnds = bitutil.ScanThru(HexRef4, lex.Hex)
384                # Error checks
385                # At least one digit required for DecRef, one hex digit for HexRef.
386                error1 = DecRef3 &~ lex.Digit
387                error2 = HexRef4 &~ lex.Hex
388                # Semicolon terminator required (also covers unterminated at EOF).
389                error3 = (GenRefEnds | DecRefEnds | HexRefEnds) &~ lex.Semicolon
390                refs.GenRefs = GenRefEnds - GenRef2
391                #refs.DecRefs = DecRefEnds - DecRef3
392                #refs.HexRefs = HexRefEnds - HexRef4
393                # Mark references for deletion, but leave the trailing semicolon as
394                # the point for insertion of the "expansion" text (most often a
395                # single character).
396
397                refs.error = error1 | error2 | error3
398
399
400        # Ensure that no occurrence of ]]> occurs outside of markup.
401        #CD_end_error = validate_no_CD_end(lex, CT_callouts, callouts)
402        CD_end_error = lex.CD_end & ~(CT_callouts.CtCDPI_mask | callouts.Tags)
403       
404
405       
406        #name and name start checking streams
407        qname_stream =  callouts.ElemNames | callouts.AttNames
408        ncname_stream = CT_callouts.PI_name | refs.GenRefs
409        name_stream = qname_stream | ncname_stream
410        name_start = name_stream &~ bitutil.Advance(name_stream)
411        name_start_check = name_start & ~lex.ASCII_name_start
412        name_check = (name_stream &~ name_start) & ~lex.ASCII_name_char & ~u8.suffix
413       
414        #namespace validation
415        name_cursor = name_stream & ~bitutil.Advance(name_stream)
416        void_prefix_err = name_cursor & lex.Colon
417        namespace_sep = bitutil.ScanThru(name_cursor, lex.NameScan &~ lex.Colon) & lex.Colon
418        local_part_start = bitutil.Advance(namespace_sep)
419        local_part_err = local_part_start &~ lex.NameScan
420        colon2_err = bitutil.ScanThru(local_part_start, lex.NameScan &~ lex.Colon) & lex.Colon
421        ncname_err = ncname_stream & lex.Colon
422        namespace_error = void_prefix_err | local_part_err | colon2_err | ncname_err
423       
424       
425        # Consolidate and check for errors
426        error_mask = u8.error | xmlchar_error | CT_callouts.error | callouts.error | CD_end_error | refs.error | namespace_error
427
428
429        #return (CT_callouts, callouts, refs, u16hi, u16lo, delmask, error, lex, u16delmask, EOF_mask)
430        tag_marks = callouts.EmptyTagMarks | LAngleFollow | AttNameStarts
431        NameFollows = ElemNameFollows | AttNameFollows
432        AttRef = callouts.AttVals & Ref2
433        return (CT_callouts, callouts, refs, error, lex, EOF_mask, name_check, name_start_check, control, tag_marks, NameFollows, CD_starts, GenRef2, DecRef3, HexRef4, AttRef, Misc_mask)
434
435       
Note: See TracBrowser for help on using the repository browser.