source: proto/parabix2/parabix2_pablo.py @ 2022

Last change on this file since 2022 was 1440, checked in by cameron, 8 years ago

Use 'pablo.' in place of 'bitutil.' for Pablo built-ins.

File size: 19.2 KB
RevLine 
[757]1# -*- coding: utf-8 -*-
2#
3# parabix2_compilable.py
4#
5# Parallel XML Parsing with Bitstream Addition
[881]6#
[757]7# - Complete prototype for all bitstream computations in Parabix2
[881]8# - Optimized for compilation
9# - Separate compilation
10
[757]11# Robert D. Cameron
12# July 29, 2010
13#
14
15#import bitutil
16
[1274]17class Basis_bits():     
18        bit_0 = 0
19        bit_1 = 0
20        bit_2 = 0
21        bit_3 = 0
22        bit_4 = 0
23        bit_5 = 0
24        bit_6 = 0
25        bit_7 = 0
26
27
[757]28class u8 ():
29  unibyte = 0
30  prefix = 0
31  prefix2 = 0
32  prefix3 = 0
33  prefix4 = 0
34  suffix = 0
35  badprefix = 0
36  xE0 = 0
37  xED = 0
38  xF0 = 0
39  xF4 = 0
40  xA0_xBF = 0
41  x80_x9F = 0
42  x90_xBF = 0
43  x80_x8F = 0
44  xEF = 0
45  xBF = 0
46  xBE = 0
47  scope22 = 0
48  scope32 = 0
49  scope33 = 0
50  scope42 = 0
51  scope43 = 0
52  scope44 = 0
53  xE0_scope = 0
54  xED_scope = 0
55  xF0_scope = 0
56  xF4_scope = 0
57  xEF_scope = 0
58
[881]59class Lex ():
[860]60        CR = 0
61        LF = 0
62        HT = 0
63        SP = 0
64        CRLF = 0
65        RefStart = 0
66        Semicolon = 0 
67        Colon = 0
68        LAngle = 0
69        RAngle = 0
70        LBracket = 0
71        RBracket = 0
72        Exclam = 0
73        QMark = 0
74        Hyphen = 0
75        Equals = 0
76        SQuote = 0
77        DQuote = 0
78        Slash = 0
79        Hash = 0
80        x = 0
81        ASCII_name_start = 0
82        ASCII_name_char = 0
83        NameScan = 0
84        Digit = 0
85        Hex = 0
86        WS = 0
[757]87
[1263]88class Marker ():
89        LAngle_scope = 0
90        Ref_opener = 0
91        CD_closer = 0
[859]92
[881]93class CtCDPI_Callouts():
[860]94        Ct_starts = 0
95        Ct_ends = 0
96        CD_starts = 0
97        CD_ends = 0
98        PI_starts = 0
99        PI_name_starts = 0
100        PI_name_ends = 0
101        PI_ends = 0
[757]102
[881]103class Ref_Callouts():
[861]104        GenRef_starts = 0
105        GenRef_ends = 0
106        DecRef_starts = 0
107        DecRef_ends = 0
108        HexRef_starts = 0
109        HexRef_ends = 0
[757]110
[881]111class Tag_Callouts():
[862]112        ElemName_starts = 0
113        ElemName_ends = 0
114        AttName_starts = 0
115        AttName_ends = 0
116        AttVal_starts = 0
117        AttVal_ends = 0
[881]118        AttVal_spans = 0
[862]119        EmptyTag_marks = 0
120        EndTag_marks = 0
[881]121       
[911]122class Check_streams():
[881]123        misc_mask = 0
124        non_ascii_name_starts = 0
125        non_ascii_names = 0
126        tag_marks = 0 
127        name_follows = 0 
128        att_refs = 0 
[757]129
[881]130def Classify_bytes_Validate_utf8(basis_bits, lex, u8): 
131        temp1 = (basis_bits.bit_0 | basis_bits.bit_1);
132        temp2 = (basis_bits.bit_2 &~ basis_bits.bit_3);
[757]133        temp3 = (temp2 &~ temp1);
[881]134        temp4 = (basis_bits.bit_5 &~ basis_bits.bit_4);
135        temp5 = (basis_bits.bit_6 &~ basis_bits.bit_7);
[757]136        temp6 = (temp4 & temp5);
137        lex.RefStart = (temp3 & temp6);
[881]138        temp7 = (basis_bits.bit_2 & basis_bits.bit_3);
[757]139        temp8 = (temp7 &~ temp1);
[881]140        temp9 = (basis_bits.bit_4 &~ basis_bits.bit_5);
141        temp10 = (basis_bits.bit_6 & basis_bits.bit_7);
[757]142        temp11 = (temp9 & temp10);
143        lex.Semicolon = (temp8 & temp11);
[881]144        temp12 = (basis_bits.bit_4 & basis_bits.bit_5);
145        temp13 = (basis_bits.bit_6 | basis_bits.bit_7);
[757]146        temp14 = (temp12 &~ temp13);
147        lex.LAngle = (temp8 & temp14);
148        temp15 = (temp12 & temp5);
149        lex.RAngle = (temp8 & temp15);
[881]150        temp16 = (basis_bits.bit_1 &~ basis_bits.bit_0);
151        temp17 = (basis_bits.bit_3 &~ basis_bits.bit_2);
[757]152        temp18 = (temp16 & temp17);
153        lex.LBracket = (temp18 & temp11);
[881]154        temp19 = (basis_bits.bit_7 &~ basis_bits.bit_6);
[757]155        temp20 = (temp12 & temp19);
156        lex.RBracket = (temp18 & temp20);
[881]157        temp21 = (basis_bits.bit_4 | basis_bits.bit_5);
[757]158        temp22 = (temp19 &~ temp21);
159        lex.Exclam = (temp3 & temp22);
160        temp23 = (temp12 & temp10);
161        lex.QMark = (temp8 & temp23);
162        lex.Hyphen = (temp3 & temp20);
163        lex.Equals = (temp8 & temp20);
164        temp24 = (temp4 & temp10);
165        lex.SQuote = (temp3 & temp24);
166        temp25 = (temp5 &~ temp21);
167        lex.DQuote = (temp3 & temp25);
168        lex.Slash = (temp3 & temp23);
169        temp26 = (temp10 &~ temp21);
170        lex.Hash = (temp3 & temp26);
171        temp27 = (temp16 & temp7);
172        temp28 = (temp9 &~ temp13);
173        lex.x = (temp27 & temp28);
174        temp29 = (temp9 & temp5);
175        lex.Colon = (temp8 & temp29);
176        temp30 = (temp18 & temp23);
177        temp31 = (temp30 | lex.Colon);
[881]178        temp32 = (temp16 &~ basis_bits.bit_2);
179        temp33 = (basis_bits.bit_5 | temp10);
180        temp34 = (basis_bits.bit_4 & temp33);
[757]181        temp35 = (~temp34);
182        temp36 = (temp21 | temp13);
[881]183        temp37 = ((basis_bits.bit_3 & temp35)|(~(basis_bits.bit_3) & temp36));
[757]184        temp38 = (temp32 & temp37);
185        temp39 = (temp31 | temp38);
[881]186        temp40 = (temp16 & basis_bits.bit_2);
[757]187        temp41 = (temp40 & temp37);
188        lex.ASCII_name_start = (temp39 | temp41);
189        temp42 = (temp30 | lex.Hyphen);
190        temp43 = (temp3 & temp15);
191        temp44 = (temp42 | temp43);
192        temp45 = (temp8 &~ temp34);
193        temp46 = (temp44 | temp45);
194        temp47 = (temp46 | temp38);
195        lex.ASCII_name_char = (temp47 | temp41);
[881]196        lex.NameScan = (lex.ASCII_name_char | basis_bits.bit_0);
197        temp48 = (temp1 | basis_bits.bit_2);
[904]198        x00_x1F = (~temp48);
[881]199        temp49 = (basis_bits.bit_2 | basis_bits.bit_3);
[757]200        temp50 = (temp1 | temp49);
[858]201        lex.CR = (temp20 &~ temp50);
202        lex.LF = (temp29 &~ temp50);
[757]203        temp51 = (temp9 & temp19);
[858]204        lex.HT = (temp51 &~ temp50);
205        lex.SP = (temp3 &~ temp36);
[757]206        temp52 = (temp20 | temp29);
207        temp53 = (temp52 | temp51);
208        temp54 = (temp53 &~ temp50);
[858]209        lex.WS = (temp54 | lex.SP);
[881]210        temp55 = (basis_bits.bit_5 | basis_bits.bit_6);
211        temp56 = (basis_bits.bit_4 & temp55);
[757]212        lex.Digit = (temp8 &~ temp56);
213        temp57 = (temp16 &~ temp49);
[881]214        temp58 = (temp57 &~ basis_bits.bit_4);
[757]215        temp59 = (~temp10);
[881]216        temp60 = ((basis_bits.bit_5 & temp59)|(~(basis_bits.bit_5) & temp13));
[757]217        temp61 = (temp58 & temp60);
218        temp62 = (lex.Digit | temp61);
219        temp63 = (temp16 & temp2);
[881]220        temp64 = (temp63 &~ basis_bits.bit_4);
[757]221        temp65 = (temp64 & temp60);
222        lex.Hex = (temp62 | temp65);
[1230]223        lex_error = x00_x1F &~ lex.WS
[1440]224        if pablo.inFile(lex_error):
[1230]225                error_tracker.NoteError("Error: illegal character", lex_error)
226               
[881]227       
228        ### Validate_utf8(basis_bits, u8):
229        u8.unibyte = (~basis_bits.bit_0);
[757]230        u8.suffix = 0
[1230]231        u8_error = 0
232        u8_FFFE_FFFF = 0
[881]233        u8anyscope = 0 #local
234        if basis_bits.bit_0:
235                u8.prefix = (basis_bits.bit_0 & basis_bits.bit_1);
236                u8.prefix2 = (u8.prefix &~ basis_bits.bit_2);
[757]237                u8.prefix3 = (u8.prefix & temp2);
238                u8.prefix4 = (u8.prefix & temp7);
[881]239                u8.suffix = (basis_bits.bit_0 &~ basis_bits.bit_1);
[757]240                temp66 = (u8.prefix &~ temp49);
[881]241                temp67 = (temp21 | basis_bits.bit_6);
[757]242                temp68 = (temp66 &~ temp67);
[881]243                temp69 = (basis_bits.bit_5 & temp13);
244                temp70 = (basis_bits.bit_4 | temp69);
[757]245                temp71 = (u8.prefix4 & temp70);
246                u8.badprefix = (temp68 | temp71);
[1230]247                u8_error = u8.badprefix
[1440]248                u8.scope22 = pablo.Advance(u8.prefix2)
[775]249                u8anyscope = u8.scope22
[881]250                if u8.prefix3 | u8.prefix4:
[775]251                        xE0 = (u8.prefix3 &~ temp36);
252                        xED = (u8.prefix3 & temp20);
253                        xF0 = (u8.prefix4 &~ temp36);
254                        temp72 = (temp4 &~ temp13);
255                        xF4 = (u8.prefix4 & temp72);
[881]256                        u8.xA0_xBF = (u8.suffix & basis_bits.bit_2);
257                        u8.x80_x9F = (u8.suffix &~ basis_bits.bit_2);
[775]258                        u8.x90_xBF = (u8.suffix & temp49);
259                        u8.x80_x8F = (u8.suffix &~ temp49);
260                        xEF = (u8.prefix3 & temp23);
261                        temp73 = (u8.suffix & temp7);
262                        u8.xBF = (temp73 & temp23);
263                        u8.xBE = (temp73 & temp15);
[1251]264#
[1272]265
[1440]266#                       scope3_32 = pablo.Advance32(u8.prefix3)
267#                       scope4_32 = pablo.Advance32(u8.prefix4)
[1251]268#                       u8.scope32 = interpose32(u8.prefix3, scope3_32, 1)
269#                       u8.scope33 = interpose32(u8.prefix3, scope3_32, 2)
270#                       u8.scope42 = interpose32(u8.prefix4, scope4_32, 1)
271#                       u8.scope43 = interpose32(u8.prefix4, scope4_32, 2)
272#                       u8.scope44 = interpose32(u8.prefix4, scope4_32, 3)
273#
[1440]274                        u8.scope32 = pablo.Advance(u8.prefix3)
275                        u8.scope33 = pablo.Advance(u8.scope32)
276                        u8.scope42 = pablo.Advance(u8.prefix4)
277                        u8.scope43 = pablo.Advance(u8.scope42)
278                        u8.scope44 = pablo.Advance(u8.scope43)
[1272]279#
[1440]280#                       u8.xE0_scope = pablo.Advance(xE0);
281#                       u8.xED_scope = pablo.Advance(xED);
282#                       u8.xF0_scope = pablo.Advance(xF0);
283#                       u8.xF4_scope = pablo.Advance(xF4);
284                        E0_F0_scope = pablo.Advance(xE0 | xF0)
285                        ED_F4_scope = pablo.Advance(xED | xF4)
[1272]286                        u8.xE0_scope = u8.scope32 & E0_F0_scope
287                        u8.xED_scope = u8.scope32 & ED_F4_scope
288                        u8.xF0_scope = u8.scope42 & E0_F0_scope
289                        u8.xF4_scope = u8.scope42 & ED_F4_scope
[1440]290                        u8.xEF_scope = pablo.Advance(xEF);
[757]291
[775]292                        u8lastscope = u8.scope22 | u8.scope33 | u8.scope44
293                        u8anyscope = u8lastscope | u8.scope32 | u8.scope42 | u8.scope43
[757]294               
[775]295                        u8error1 = u8.xE0_scope & u8.x80_x9F
296                        u8error2 = u8.xED_scope & u8.xA0_xBF
297                        u8error3 = u8.xF0_scope & u8.x80_x8F
298                        u8error4 = u8.xF4_scope & u8.x90_xBF
[757]299       
[1230]300                        u8_error |= u8error1 | u8error2 | u8error3 | u8error4
[757]301
[1440]302                        EF_BF_pending = pablo.Advance(u8.xEF_scope & u8.xBF)
[757]303
[1230]304                        u8_FFFE_FFFF = (EF_BF_pending & (u8.xBE | u8.xBF))
305                u8mismatch = u8anyscope ^ u8.suffix
306                u8_error |= u8mismatch | u8_FFFE_FFFF
307                if u8_error:
308                        error_tracker.NoteError("UTF-8 error found", (u8_error))
309                       
[881]310       
[1263]311def Parse_CtCDPI(lex, marker, ctCDPI_Callouts, check_streams):
[860]312        ctCDPI_Callouts.Ct_starts = 0
313        ctCDPI_Callouts.Ct_ends = 0
314        ctCDPI_Callouts.CD_starts = 0
315        ctCDPI_Callouts.CD_ends = 0
316        ctCDPI_Callouts.PI_starts = 0
317        ctCDPI_Callouts.PI_name_starts = 0
318        ctCDPI_Callouts.PI_name_ends = 0
319        ctCDPI_Callouts.PI_ends = 0
[757]320        CtCDPI_starts = 0
[1267]321        CtCDPI_ends = 0
[1263]322        ctCDPI_mask = 0
[757]323
[1263]324        v = lex.LAngle | lex.Hyphen
325        w = lex.Hyphen | lex.QMark
[1440]326        v1 = pablo.Advance(v)
327        w1 = pablo.Advance(w)
[1263]328       
[1440]329        LAngle_scope = v1 &~ w1  #pablo.Advance(lex.LAngle)
[1263]330        PI_opener = LAngle_scope & lex.QMark
331        CtCD_opener= LAngle_scope & lex.Exclam
332        CtCDPI_opener = PI_opener | CtCD_opener
333
334        #DoubleHyphen = 0
335        CD_closer = 0
336        #PI_closer = 0
337       
[1440]338        #if lex.Hyphen: DoubleHyphen = pablo.Advance(lex.Hyphen) & lex.Hyphen
[1263]339        DoubleHyphen = v1 & w1 & lex.Hyphen
[896]340        if lex.RBracket:
[1440]341                DoubleRBracket = pablo.Advance(lex.RBracket) & lex.RBracket
342                CD_closer = pablo.Advance(DoubleRBracket) & lex.RAngle
343        #if lex.QMark: PI_closer = pablo.Advance(lex.QMark) & lex.RAngle
[1263]344        PI_closer = w1 & ~v1 & lex.RAngle
[896]345
[757]346        #
347        # Initiate the scan
[1440]348        CtCDPI_Cursor = pablo.ScanToFirst(CtCDPI_opener)
[757]349        while CtCDPI_Cursor:
350                CtCDPI_starts |= CtCDPI_Cursor
[1263]351                PI_Cursor = CtCDPI_Cursor & PI_opener
[1440]352                CD_Ct_Cursor = pablo.Advance(CtCDPI_Cursor & ~PI_Cursor)
[757]353                CD_Cursor = CD_Ct_Cursor & lex.LBracket
354                Ct_Cursor = CD_Ct_Cursor & lex.Hyphen
[1264]355                # PI processing
356                if PI_Cursor:
357                        ctCDPI_Callouts.PI_starts |= PI_Cursor
[1440]358                        PI_Cursor = pablo.Advance(PI_Cursor)
[1264]359                        ctCDPI_Callouts.PI_name_starts |= PI_Cursor
[1440]360                        PI_name_end = pablo.ScanThru(PI_Cursor, lex.NameScan)
[1267]361                        PI_error = PI_Cursor & PI_name_end
[1440]362                        PI_error |= pablo.Advance(PI_name_end & ~ lex.WS) & ~ PI_closer
[1267]363                        if PI_error:
364                                error_tracker.NoteError("Error in PI syntax", PI_name_end)
[1264]365                        ctCDPI_Callouts.PI_name_ends |= PI_name_end
[1440]366                        PI_Cursor = pablo.ScanTo(PI_name_end, PI_closer)
[1264]367                        ctCDPI_Callouts.PI_ends |= PI_Cursor
[1267]368                        CtCDPI_ends |= PI_Cursor
[1264]369
370                # CDATA section processing
371                if CD_Cursor:
372                        ctCDPI_Callouts.CD_starts |= CD_Cursor
[1440]373                        CD_Cursor = pablo.ScanTo(CD_Cursor, CD_closer)
[1264]374                        ctCDPI_Callouts.CD_ends |= CD_Cursor
[1267]375                        CtCDPI_ends |= CD_Cursor
[1264]376
377                # Comment processing
378                if Ct_Cursor:
379                        ctCDPI_Callouts.Ct_starts |= Ct_Cursor
[1440]380                        Ct_Cursor = pablo.Advance(Ct_Cursor) 
[1267]381                        Ct_error = Ct_Cursor & ~ lex.Hyphen
[1264]382                        # Advance twice past <!--, so that we don't treat <!---
383                        # as being a terminated comment.
[1440]384                        Ct_Cursor = pablo.Advance(pablo.Advance(Ct_Cursor))
385                        Ct_Cursor = pablo.Advance(pablo.ScanTo(Ct_Cursor, DoubleHyphen))
[1267]386                        Ct_error |= Ct_Cursor & ~ lex.RAngle   
[1264]387                        ctCDPI_Callouts.Ct_ends |= Ct_Cursor
[1267]388                        CtCDPI_ends |= Ct_Cursor
389                        if Ct_error:
390                                error_tracker.NoteError("Error in comment syntax", Ct_error)
[1264]391
392                # Common processing
[757]393                CtCDPI_Cursor = PI_Cursor | CD_Cursor | Ct_Cursor
[1440]394                CtCDPI_Cursor = pablo.ScanTo(CtCDPI_Cursor, CtCDPI_opener)     
[1267]395                ctCDPI_mask |= (CtCDPI_ends - CtCDPI_starts) | CtCDPI_ends             
[757]396                # If any of the Comment, CDATA or PI markups are unterminated, it is an error.
[1440]397                ctCDPI_error = pablo.atEOF(ctCDPI_mask)
[1230]398       
[1267]399                if ctCDPI_error:
400                        error_tracker.NoteError("Error in comment, CDATA or processing instruction syntax", ctCDPI_error)
[757]401               
[1440]402        check_streams.misc_mask = (lex.WS | lex.LAngle | (pablo.Advance(ctCDPI_Callouts.Ct_ends | ctCDPI_Callouts.PI_ends) - (ctCDPI_Callouts.Ct_starts | ctCDPI_Callouts.PI_starts)) | CtCDPI_starts) & EOF_mask
[757]403
[896]404
[1263]405        # Identify the remaining significant markers for XML processing.
406        marker.LAngle_scope = LAngle_scope &~ ctCDPI_mask
407        marker.Ref_opener = lex.RefStart &~ ctCDPI_mask
408        marker.CD_closer = CD_closer &~ ctCDPI_mask
409
410def Parse_tags(lex, marker, tag_Callouts):
[757]411       
412        # Delimiters for scans.
[944]413        DQuoteDelim = lex.DQuote | lex.LAngle
414        SQuoteDelim = lex.SQuote | lex.LAngle
[757]415        AttListDelim = lex.Slash | lex.RAngle
416       
417        # Start the parallel parsing by inspecting the character
418        # after the opening "<" of a tag.
[1263]419        tag_Callouts.ElemName_starts = marker.LAngle_scope & ~lex.Slash
420        tag_Callouts.EndTag_marks = marker.LAngle_scope & lex.Slash
[757]421       
422        # Start Tag/Empty Element Tag Parsing
423
424        # Advance all cursors by scanning through the tag name.
[1440]425        tag_Callouts.ElemName_ends = pablo.ScanThru(tag_Callouts.ElemName_starts, lex.NameScan)
[757]426        # Must have at least one name character for a legal start tag.
427        # Mark any occurrences of null names as errors.
[862]428        ParseError = tag_Callouts.ElemName_starts & tag_Callouts.ElemName_ends
[757]429       
430        # Initialize the accumulators for attribute name and value positions.
[862]431        tag_Callouts.AttName_starts = 0 
432        tag_Callouts.AttName_ends = 0
433        tag_Callouts.AttVal_starts = 0
434        tag_Callouts.AttVal_ends = 0
[757]435
436        # After the element name, there may or may not be an attlist.
[1243]437        if tag_Callouts.ElemName_ends & lex.WS:
[1440]438                AfterWS = pablo.ScanThru(tag_Callouts.ElemName_ends, lex.WS)
[1243]439                AttListEnd = AfterWS & AttListDelim
440                AttNameStart = AfterWS & ~AttListDelim
441                #
442                # The following loop iterates through attributes within a start tag.
443                # Because all start tags are processed in parallel, the number of
444                # iterations is the maximum number of attributes found in any one
445                # start tag, plus one.
446                while AttNameStart:
[1245]447                        ParseError |= AttNameStart &~ lex.NameScan
[1243]448                        tag_Callouts.AttName_starts |= AttNameStart
[1440]449                        AttNameFollow = pablo.ScanThru(AttNameStart, lex.NameScan)
[1243]450                        tag_Callouts.AttName_ends |= AttNameFollow
451                        # Scan through WS to the expected '=' delimiter.
[1440]452                        # EqExpected = pablo.ScanThru(AttNameFollow, lex.WS)
[1243]453                        # But use if test to optimize.
454                        if AttNameFollow & lex.WS: 
[1440]455                                EqExpected = pablo.ScanThru(AttNameFollow, lex.WS)
[1243]456                        else: EqExpected = AttNameFollow
[1245]457                        ParseError |= EqExpected &~ lex.Equals
[1440]458                        AttValPos = pablo.ScanThru(EqExpected, EqExpected | lex.WS)
[1243]459                        tag_Callouts.AttVal_starts |= AttValPos
460                        DQuoteAttVal = AttValPos & lex.DQuote
461                        SQuoteAttVal = AttValPos & lex.SQuote
[1440]462                        DQuoteAttEnd = pablo.ScanTo(DQuoteAttVal, DQuoteDelim &~ DQuoteAttVal)
463                        SQuoteAttEnd = pablo.ScanTo(SQuoteAttVal, SQuoteDelim &~ SQuoteAttVal)
[1243]464                        AttValEnd = DQuoteAttEnd | SQuoteAttEnd
[1245]465                        ParseError |= (AttValPos | AttValEnd) &~ (lex.DQuote | lex.SQuote)
[1440]466                        AttValFollow = pablo.Advance(AttValEnd)
[1243]467                        tag_Callouts.AttVal_ends |= AttValFollow
[1440]468                        #  AfterWS = pablo.ScanThru(AttValFollow, lex.WS)
[1243]469                        if AttValFollow & lex.WS: 
[1440]470                                AfterWS = pablo.ScanThru(AttValFollow, lex.WS)
[1245]471                                AttListEnd |= AfterWS & AttListDelim
472                                AttNameStart = AfterWS & ~AttListDelim
473                        else: 
474                                AttListEnd |= AttValFollow & AttListDelim       
475                                AttNameStart = 0
476                                ParseError |= AttValFollow & ~AttListDelim
[1243]477        else:
[1245]478                # No WS character after ElemName; must be at the end
[1243]479                AttListEnd = tag_Callouts.ElemName_ends & AttListDelim
[1244]480                ParseError |= tag_Callouts.ElemName_ends & ~AttListDelim
[757]481
482        STagEnds = AttListEnd & lex.RAngle
483        # Mark any "/" characters found as the ends of empty element tags.
[1440]484        tag_Callouts.EmptyTag_marks = pablo.Advance(AttListEnd & lex.Slash)
[757]485       
[862]486        ParseError |= tag_Callouts.EmptyTag_marks & ~lex.RAngle
[757]487
488        # End Tag Parsing
[1199]489
[1440]490        EndTagEnds = pablo.ScanThru(tag_Callouts.EndTag_marks, tag_Callouts.EndTag_marks | lex.NameScan)
[1222]491        if EndTagEnds & lex.WS:
[1440]492                EndTagEnds = pablo.ScanThru(EndTagEnds, lex.WS)
[757]493        ParseError |= EndTagEnds & ~lex.RAngle
[1230]494        if ParseError:
495                error_tracker.NoteError("Tag parsing error found", (ParseError))
[881]496               
[1230]497               
[881]498        # Attribute value spans
499        tag_Callouts.AttVal_spans = tag_Callouts.AttVal_ends - tag_Callouts.AttVal_starts
[1263]500
501def Parse_refs(lex, marker, ref_Callouts):
[861]502        ref_Callouts.GenRef_starts = 0
503        ref_Callouts.GenRef_ends = 0
504        ref_Callouts.DecRef_starts = 0
505        ref_Callouts.DecRef_ends = 0
506        ref_Callouts.HexRef_starts = 0
507        ref_Callouts.HexRef_ends = 0
[1230]508        ref_error = 0
[861]509
[866]510        # All remaining "&" must be reference start characters; parse them.
[1263]511        if marker.Ref_opener:
[1440]512                Ref_scope = pablo.Advance(marker.Ref_opener)
[1263]513                NumRef2 = Ref_scope & lex.Hash
514                ref_Callouts.GenRef_starts = Ref_scope &~ lex.Hash
[1440]515                NumRef3 = pablo.Advance(NumRef2)
[757]516                HexRef3 = NumRef3 & lex.x
[861]517                ref_Callouts.DecRef_starts = NumRef3 &~ lex.x
[1440]518                ref_Callouts.HexRef_starts = pablo.Advance(HexRef3) 
519                ref_Callouts.GenRef_ends = pablo.ScanThru(ref_Callouts.GenRef_starts, lex.NameScan)
520                ref_Callouts.DecRef_ends = pablo.ScanThru(ref_Callouts.DecRef_starts, lex.Digit)
521                ref_Callouts.HexRef_ends = pablo.ScanThru(ref_Callouts.HexRef_starts, lex.Hex)
[757]522                # Error checks
523                # At least one digit required for DecRef, one hex digit for HexRef.
[861]524                ref_error1 = ref_Callouts.DecRef_starts &~ lex.Digit
525                ref_error2 = ref_Callouts.HexRef_starts &~ lex.Hex
[757]526                # Semicolon terminator required (also covers unterminated at EOF).
[881]527                ref_ends = ref_Callouts.GenRef_ends | ref_Callouts.DecRef_ends | ref_Callouts.HexRef_ends
[861]528                ref_error3 = ref_ends &~ lex.Semicolon
[1230]529                ref_error = ref_error1 | ref_error2 | ref_error3
530                if ref_error:
531                        error_tracker.NoteError("Reference error found", (ref_error))
532                       
[757]533
[1230]534
[1274]535def Validate_xml_names(ctCDPI_Callouts, ref_Callouts, tag_Callouts, lex, u8, check_streams):
[861]536        PI_names = ctCDPI_Callouts.PI_name_ends - ctCDPI_Callouts.PI_name_starts
[881]537        GenRefs = ref_Callouts.GenRef_ends - ref_Callouts.GenRef_starts
[862]538        ElemNames = tag_Callouts.ElemName_ends - tag_Callouts.ElemName_starts
539        AttNames = tag_Callouts.AttName_ends - tag_Callouts.AttName_starts
540        qname_stream =  ElemNames | AttNames
[861]541        ncname_stream = PI_names | GenRefs
[757]542        name_stream = qname_stream | ncname_stream
[1440]543        name_start = name_stream &~ pablo.Advance(name_stream)
544        name_cursor = name_stream & ~pablo.Advance(name_stream)
[757]545        void_prefix_err = name_cursor & lex.Colon
[1440]546        namespace_sep = pablo.ScanThru(name_cursor, lex.NameScan &~ lex.Colon) & lex.Colon
547        local_part_start = pablo.Advance(namespace_sep)
[757]548        local_part_err = local_part_start &~ lex.NameScan
[1440]549        colon2_err = pablo.ScanThru(local_part_start, lex.NameScan &~ lex.Colon) & lex.Colon
[757]550        ncname_err = ncname_stream & lex.Colon
[1230]551        namespace_error = void_prefix_err | local_part_err | colon2_err | ncname_err
552        if namespace_error:
553                error_tracker.NoteError("error found", namespace_error)
554               
[881]555                       
[911]556        check_streams.non_ascii_name_starts = name_start &~lex.ASCII_name_start
557        check_streams.non_ascii_names = (name_stream &~ name_start) & ~lex.ASCII_name_char & ~u8.suffix
[916]558   
[1274]559def Do_check_streams(marker, tag_Callouts, check_streams):
[1263]560        CD_end_error = marker.CD_closer & ~tag_Callouts.AttVal_spans
561        if CD_end_error: 
[1230]562                error_tracker.NoteError("Error: ]]> in text", CD_end_error)
[1263]563        check_streams.tag_marks = tag_Callouts.EmptyTag_marks | tag_Callouts.ElemName_starts | tag_Callouts.EndTag_marks | tag_Callouts.AttName_starts
564        check_streams.name_follows = tag_Callouts.ElemName_ends | tag_Callouts.AttName_ends
565        check_streams.att_refs = tag_Callouts.AttVal_spans & marker.Ref_opener
566     
[916]567   
568def Main(basis_bits, lex, u8, xml_char, scope1, ctCDPI_Callouts, ref_Callouts, tag_Callouts, masks, xml_names, check_streams): 
[757]569       
[881]570        # Classify bytes for UTF-8 processing, whitespace and control
571        # processing and XML lexical analysis.
572        # Classify_bytes(basis_bits, lex)
573
574        # Validate UTF-8 multibyte sequences and determine the UTF-8 scope streams
575        # Validate_utf8(basis_bits, u8)
576                               
577        Classify_bytes_Validate_utf8(basis_bits, lex, u8)
578
[896]579        # Parse all comments, CDATA sections and processing instructions.
[1263]580        Parse_CtCDPI(lex, marker, ctCDPI_Callouts, check_streams)
[881]581               
582        # All remaining '<' must be tag start characters; parse tags.
[1263]583        Parse_tags(lex, marker, tag_Callouts) 
[881]584
585        # All remaining '&' must be reference start characters; parse them.
[1263]586        Parse_refs(lex, marker, ref_Callouts)
[757]587       
[881]588        # Validate XML namespaces and generate bit streams to post validate non-ascii range XML names
[1274]589        Validate_xml_names(ctCDPI_Callouts, ref_Callouts, tag_Callouts, lex, u8, check_streams)
[916]590   
[1274]591        Do_check_streams(marker, tag_Callouts, check_streams)
[916]592
[1199]593
Note: See TracBrowser for help on using the repository browser.