source: proto/parabix2/template_tag_match.c @ 577

Last change on this file since 577 was 577, checked in by lindanl, 9 years ago

Complete PI name checking. Add CDATA checking. Provide 16 extra bytes for buffer ends.

File size: 14.0 KB
Line 
1#include <stdio.h>
2#include <stdlib.h>
3#include <errno.h>
4#include <sys/types.h>
5#include <sys/stat.h>
6#include "../lib/lib_simd.h"
7#include "../lib/block_carry.h"
8
9       
10#define BUFFER_SIZE 12800   
11#define BLOCK_SIZE 128
12#define OVERLAP_BUFSIZE 16
13
14typedef long ScanBlock;
15typedef SIMD_type BytePack;
16typedef SIMD_type BitBlock;
17
18#include "xmldecl.h"
19#include "xml_error.c"
20#include "xmldecl.c"
21#include "namechars.h"
22
23#include "../lib/perflib/perfsec.h"
24
25#include "tag_matcher.cpp"
26
27#ifdef BUFFER_PROFILING
28        BOM_Table * parser_timer;
29
30#elif CODE_CLOCKER
31        #define NUM_EVENTS 1
32        int Events[NUM_EVENTS] = {PAPI_TOT_CYC};
33        //int Events[NUM_EVENTS] = {PAPI_L2_DCM};
34        //int Events[NUM_EVENTS] = {PAPI_TOT_CYC, PAPI_BR_MSP};
35        int cal_size = 20;
36        CC * parser_timer = new CC(Events,NUM_EVENTS,cal_size);
37#else
38        void * parser_timer;
39#endif
40
41int block_base=0;
42int buffer_base=0;
43int buffer_last;
44char * source;
45
46
47static inline int StreamScan(ScanBlock * stream, int blk_count, int ProcessPos(int)) {
48        int blk;
49        int block_pos = 0;
50
51        for (blk = 0; blk < blk_count; blk++) {
52                ScanBlock s = stream[blk];
53                while(s) {
54                        int code = (ProcessPos(cfzl(s) + block_pos));
55                        if (code) return code;
56                        s = s & (s-1);  // clear rightmost bit.
57                }
58                block_pos += 8 * sizeof(ScanBlock);
59        }
60        return 0;
61} 
62
63
64
65inline bool bit_test(unsigned char * bit_Map, int codepoint) {
66        return (bit_Map[codepoint/8] >> (7 - codepoint % 8)) & 1;
67}
68
69bool is_XML10_NameStrt_codepoint(int codepoint) {
70        switch (codepoint >> 12) {
71                case 0: return bit_test(NameStrt_XML10_0000_11FF, codepoint);
72                case 1: if (codepoint <= 0x11FF)
73                                return bit_test(NameStrt_XML10_0000_11FF, codepoint);
74                        else if (codepoint < 0x1E00) return false;
75                        else return bit_test(NameStrt_XML10_1E00_1FFF, codepoint & 0x1FF);
76                case 2: if (codepoint > 0x2182) return false;
77                        else return bit_test(NameStrt_XML10_2000_21FF, codepoint & 0x1FF);
78                case 3: if (codepoint > 0x312C) return false;
79                        else return bit_test(NameStrt_XML10_3000_31FF, codepoint & 0x1FF);
80                case 4: return codepoint >= 0x4E00;
81                case 5: case 6: case 7: case 8: return true;
82                case 9: return codepoint <= 0x9FA5;
83                case 0xA: return codepoint >= 0xAC00;
84                case 0xB: case 0xC: return true;
85                case 0xD: return codepoint <= 0xD7A3;
86                default: return false;
87        }
88}
89
90bool is_XML10_NameChar_codepoint(int codepoint) {
91        switch (codepoint >> 12) {
92                case 0: return bit_test(NameChar_XML10_0000_11FF, codepoint);
93                case 1: if (codepoint <= 0x11FF)
94                                return bit_test(NameChar_XML10_0000_11FF, codepoint);
95                        else if (codepoint < 0x1E00) return false;
96                        else return bit_test(NameStrt_XML10_1E00_1FFF, codepoint & 0x1FF);
97                case 2: if (codepoint > 0x2182) return false;
98                        else return bit_test(NameChar_XML10_2000_21FF, codepoint & 0x1FF);
99                case 3: if (codepoint > 0x312C) return false;
100                        else return bit_test(NameChar_XML10_3000_31FF, codepoint & 0x1FF);
101                case 4: return codepoint >= 0x4E00;
102                case 5: case 6: case 7: case 8: return true;
103                case 9: return codepoint <= 0x9FA5;
104                case 0xA:       return codepoint >= 0xAC00;
105                case 0xB: case 0xC: return true;
106                case 0xD: return codepoint <= 0xD7A3;
107                default: return false;
108        }
109}
110
111inline int XML_10_UTF8_NameStrt_bytes (unsigned char bytes[]) {
112        if (bytes[0] <= 0x7F) {
113                if (bit_test(NameStrt_XML10_0000_11FF, (int) bytes[0])) return 1;
114                else return 0;
115        }
116        else if (bytes[0] <= 0xDF) {
117                int codepoint = ((bytes[0] & 0x3F) << 6) | (bytes[1] & 0x3F);
118                if (bit_test(NameStrt_XML10_0000_11FF, codepoint)) return 2;
119                else return 0;
120        }
121        else if (bytes[0] <= 0xEF) {
122                int codepoint = ((bytes[0] & 0x0F) << 12)| ((bytes[1] & 0x3F) << 6) | (bytes[2] & 0x3F);
123                return is_XML10_NameStrt_codepoint(codepoint) ? 3 : 0;
124        }
125        else return 0;
126}
127
128inline int XML_10_UTF8_NameChar_bytes (unsigned char bytes[]) {
129        if (bytes[0] <= 0x7F) {
130                if (bit_test(NameChar_XML10_0000_11FF, (int) bytes[0])) return 1;
131                else return 0;
132        }
133        else if (bytes[0] <= 0xDF) {
134                int codepoint = ((bytes[0] & 0x3F) << 6) | (bytes[1] & 0x3F);
135                if (bit_test(NameChar_XML10_0000_11FF, codepoint)) return 2;
136                else return 0;
137        }
138        else if (bytes[0] <= 0xEF) {
139                int codepoint = ((bytes[0] & 0x0F) << 12)| ((bytes[1] & 0x3F) << 6) | (bytes[2] & 0x3F);
140                return is_XML10_NameChar_codepoint(codepoint) ? 3 : 0;
141        }
142        else return 0;
143}
144
145
146static inline int NameStrt_check(int pos) {
147        int block_pos = block_base + pos;
148        if(XML_10_UTF8_NameStrt_bytes((unsigned char*)&source[block_pos]) == 0){
149              fprintf(stderr, "name start error found at position %i\n",block_pos+buffer_base);
150              exit(-1);
151        }
152        return 0;
153}
154
155static inline int Name_check(int pos) {
156        int block_pos = block_base + pos;
157        if(XML_10_UTF8_NameChar_bytes((unsigned char*)&source[block_pos]) == 0){
158              fprintf(stderr, "name error found at position %i\n",block_pos+buffer_base);
159              exit(-1);
160        }
161        return 0;
162}
163
164static inline int PIName_check(int pos) {
165        int block_pos = block_base + pos;         
166        if (at_XxMmLll<ASCII>((unsigned char*)&source[block_pos]) && (source[block_pos+3]=='?' || source[block_pos+3]<= ' ')) {
167              fprintf(stderr, "[Xx][Mm][Ll] illegal as PI name at position %i\n",block_pos+buffer_base);
168              exit(-1);
169        }
170        return 0;
171}
172
173static inline int CD_check(int pos) {
174        int block_pos = block_base + pos;
175        if (!at_CDATA1<ASCII>((unsigned char*)&source[block_pos])){
176              fprintf(stderr, "CDATA error found at position %i\n",block_pos+buffer_base);
177              exit(-1);
178        }
179        return 0;
180}
181#define s2p_step(s0,s1,hi_mask,shift,p0,p1)  \
182{ \
183BitBlock t0,t1; \
184t0= simd_pack_16_hh(s0,s1) ; \
185t1= simd_pack_16_ll(s0,s1) ; \
186p0= simd_if(hi_mask,t0,simd_srli_16(t1,shift) ) ; \
187p1= simd_if(hi_mask,simd_slli_16(t0,shift) ,t1) ; \
188} \
189
190#define s2p_bytepack(s0,s1,s2,s3,s4,s5,s6,s7,p0,p1,p2,p3,p4,p5,p6,p7)  \
191{BitBlock bit00224466_0,bit00224466_1,bit00224466_2,bit00224466_3; \
192BitBlock bit11335577_0,bit11335577_1,bit11335577_2,bit11335577_3; \
193BitBlock bit00004444_0,bit22226666_0,bit00004444_1,bit22226666_1; \
194BitBlock bit11115555_0,bit33337777_0,bit11115555_1,bit33337777_1; \
195s2p_step(s0,s1,simd_himask_2,1,bit00224466_0,bit11335577_0)  \
196s2p_step(s2,s3,simd_himask_2,1,bit00224466_1,bit11335577_1)  \
197s2p_step(s4,s5,simd_himask_2,1,bit00224466_2,bit11335577_2)  \
198s2p_step(s6,s7,simd_himask_2,1,bit00224466_3,bit11335577_3)  \
199s2p_step(bit00224466_0,bit00224466_1,simd_himask_4,2,bit00004444_0,bit22226666_0)  \
200s2p_step(bit00224466_2,bit00224466_3,simd_himask_4,2,bit00004444_1,bit22226666_1)  \
201s2p_step(bit11335577_0,bit11335577_1,simd_himask_4,2,bit11115555_0,bit33337777_0)  \
202s2p_step(bit11335577_2,bit11335577_3,simd_himask_4,2,bit11115555_1,bit33337777_1)  \
203s2p_step(bit00004444_0,bit00004444_1,simd_himask_8,4,p0,p4)  \
204s2p_step(bit11115555_0,bit11115555_1,simd_himask_8,4,p1,p5)  \
205s2p_step(bit22226666_0,bit22226666_1,simd_himask_8,4,p2,p6)  \
206s2p_step(bit33337777_0,bit33337777_1,simd_himask_8,4,p3,p7)  \
207} \
208
209#define p2s_step(p0,p1,hi_mask,shift,s0,s1)  \
210{ \
211BitBlock t0,t1; \
212t0= simd_if(hi_mask,p0,simd_srli_16(p1,shift) ) ; \
213t1= simd_if(hi_mask,simd_slli_16(p0,shift) ,p1) ; \
214s0= simd_mergeh_8(t0,t1) ; \
215s1= simd_mergel_8(t0,t1) ; \
216} \
217
218#define p2s_bytemerge(p0,p1,p2,p3,p4,p5,p6,p7,s0,s1,s2,s3,s4,s5,s6,s7)  \
219{ \
220BitBlock bit00004444_0,bit22226666_0,bit00004444_1,bit22226666_1; \
221BitBlock bit11115555_0,bit33337777_0,bit11115555_1,bit33337777_1; \
222BitBlock bit00224466_0,bit00224466_1,bit00224466_2,bit00224466_3; \
223BitBlock bit11335577_0,bit11335577_1,bit11335577_2,bit11335577_3; \
224p2s_step(p0,p4,simd_himask_8,4,bit00004444_0,bit00004444_1)  \
225p2s_step(p1,p5,simd_himask_8,4,bit11115555_0,bit11115555_1)  \
226p2s_step(p2,p6,simd_himask_8,4,bit22226666_0,bit22226666_1)  \
227p2s_step(p3,p7,simd_himask_8,4,bit33337777_0,bit33337777_1)  \
228p2s_step(bit00004444_0,bit22226666_0,simd_himask_4,2,bit00224466_0,bit00224466_1)  \
229p2s_step(bit11115555_0,bit33337777_0,simd_himask_4,2,bit11335577_0,bit11335577_1)  \
230p2s_step(bit00004444_1,bit22226666_1,simd_himask_4,2,bit00224466_2,bit00224466_3)  \
231p2s_step(bit11115555_1,bit33337777_1,simd_himask_4,2,bit11335577_2,bit11335577_3)  \
232p2s_step(bit00224466_0,bit11335577_0,simd_himask_2,1,s0,s1)  \
233p2s_step(bit00224466_1,bit11335577_1,simd_himask_2,1,s2,s3)  \
234p2s_step(bit00224466_2,bit11335577_2,simd_himask_2,1,s4,s5)  \
235p2s_step(bit00224466_3,bit11335577_3,simd_himask_2,1,s6,s7)  \
236} \
237
238
239void do_process(FILE *infile, FILE *outfile) {
240
241  @decl
242
243  BytePack U8[8];
244  int buf_pos = 0;
245  int block_pos = 0;
246  int errpos = 0;
247  int chars_avail = 0;
248  int check_pos = 0;
249  int chars_read = 0;
250  char srcbuf[BUFFER_SIZE+BLOCK_SIZE];
251 
252  buffer_base = buf_pos;
253  source = srcbuf;
254 
255  EOF_mask = simd_const_1(1);
256  chars_read = fread((void *)srcbuf, 1, BUFFER_SIZE + OVERLAP_BUFSIZE, infile);
257  chars_avail = min(chars_read,BUFFER_SIZE);
258 
259  tag_matcher t(srcbuf);
260
261  Entity_Info * e = new Entity_Info;
262  e->AnalyzeSignature((unsigned char *)srcbuf);
263  XML_Decl_Parser<ASCII> decl_parser((unsigned char *)srcbuf);
264
265  decl_parser.ReadXMLInfo(*e);
266
267  if (e->content_start != 0) {
268        memmove(&srcbuf[0], &srcbuf[e->content_start], chars_read - e->content_start);
269        if (chars_avail == BUFFER_SIZE) {
270                chars_read = chars_read - e->content_start + 
271                             fread(&srcbuf[chars_read-e->content_start], 1, e->content_start, infile);
272                chars_avail = min(chars_read,BUFFER_SIZE);
273        }
274        else {
275          chars_read -=e->content_start;
276          chars_avail -=e->content_start;
277        }
278  }
279 
280  @stream_stmts
281
282  while(1){
283
284    PERF_SEC_START(parser_timer);
285
286    block_pos = 0;
287
288    if(chars_avail < BUFFER_SIZE){
289   
290      while (block_pos < chars_avail){
291
292        int bytes = chars_avail - block_pos;   
293        block_base = block_pos;
294         
295        if(bytes < BLOCK_SIZE){
296          EOF_mask = sisd_srl(simd_const_1(1),sisd_from_int(BLOCK_SIZE-bytes));
297        }
298        BytePack * U8pack = (BytePack *) &srcbuf[block_pos];
299        U8[0] = sisd_load_unaligned(&U8pack[0]);
300        U8[1] = sisd_load_unaligned(&U8pack[1]);
301        U8[2] = sisd_load_unaligned(&U8pack[2]);
302        U8[3] = sisd_load_unaligned(&U8pack[3]);
303        U8[4] = sisd_load_unaligned(&U8pack[4]);
304        U8[5] = sisd_load_unaligned(&U8pack[5]);
305        U8[6] = sisd_load_unaligned(&U8pack[6]);
306        U8[7] = sisd_load_unaligned(&U8pack[7]); 
307       
308        s2p_bytepack(U8[7], U8[6], U8[5], U8[4], U8[3], U8[2], U8[1], U8[0],
309        array_bit__0_,array_bit__1_,array_bit__2_,array_bit__3_,array_bit__4_,array_bit__5_,array_bit__6_,array_bit__7_);
310
311        array_bit__0_ = simd_and(array_bit__0_, EOF_mask);
312        array_bit__1_ = simd_and(array_bit__1_, EOF_mask);
313        array_bit__2_ = simd_and(array_bit__2_, EOF_mask);
314        array_bit__3_ = simd_and(array_bit__3_, EOF_mask);
315        array_bit__4_ = simd_and(array_bit__4_, EOF_mask);
316        array_bit__5_ = simd_and(array_bit__5_, EOF_mask);
317        array_bit__6_ = simd_and(array_bit__6_, EOF_mask);
318        array_bit__7_ = simd_and(array_bit__7_, EOF_mask);
319
320        @block_stmts
321
322
323        if (bitblock_has_bit(error_mask)) {
324          errpos = block_pos + buf_pos + count_forward_zeroes(error_mask);
325          fprintf(stderr, "error found at position %i\n",errpos);
326          exit(-1);
327        }
328       
329        if (bitblock_has_bit(simd_or(name_check,name_start_check))) {
330          StreamScan((ScanBlock *) &name_start_check, sizeof(BitBlock)/sizeof(ScanBlock), NameStrt_check);
331          StreamScan((ScanBlock *) &name_check, sizeof(BitBlock)/sizeof(ScanBlock), Name_check);
332        }
333         
334        if (bitblock_has_bit(PI_namestarts)){
335          StreamScan((ScanBlock *) &PI_namestarts, sizeof(BitBlock)/sizeof(ScanBlock), PIName_check);
336        }
337       
338        if (bitblock_has_bit(CD_starts)){
339          StreamScan((ScanBlock *) &CD_starts, sizeof(BitBlock)/sizeof(ScanBlock), CD_check);
340        }
341       
342        t.store_streams(tag_marks, ElemNameFollows);
343       
344        block_pos += BLOCK_SIZE;
345      }
346    }
347    else{
348      while (block_pos < chars_avail){
349       
350        block_base = block_pos;
351         
352        BytePack * U8pack = (BytePack *) &srcbuf[block_pos];
353        U8[0] = sisd_load_unaligned(&U8pack[0]);
354        U8[1] = sisd_load_unaligned(&U8pack[1]);
355        U8[2] = sisd_load_unaligned(&U8pack[2]);
356        U8[3] = sisd_load_unaligned(&U8pack[3]);
357        U8[4] = sisd_load_unaligned(&U8pack[4]);
358        U8[5] = sisd_load_unaligned(&U8pack[5]);
359        U8[6] = sisd_load_unaligned(&U8pack[6]);
360        U8[7] = sisd_load_unaligned(&U8pack[7]); 
361       
362        s2p_bytepack(U8[7], U8[6], U8[5], U8[4], U8[3], U8[2], U8[1], U8[0],
363        array_bit__0_,array_bit__1_,array_bit__2_,array_bit__3_,array_bit__4_,array_bit__5_,array_bit__6_,array_bit__7_);
364
365        @block_stmts
366       
367        if (bitblock_has_bit(error_mask)) {
368          errpos = block_pos + buf_pos + count_forward_zeroes(error_mask);
369          fprintf(stderr, "error found at position %i\n",errpos);
370          exit(-1);
371        }
372       
373        if (bitblock_has_bit(simd_or(name_check,name_start_check))) {
374          StreamScan((ScanBlock *) &name_start_check, sizeof(BitBlock)/sizeof(ScanBlock), NameStrt_check);
375          StreamScan((ScanBlock *) &name_check, sizeof(BitBlock)/sizeof(ScanBlock), Name_check);
376        }
377       
378        if (bitblock_has_bit(PI_namestarts)){
379          StreamScan((ScanBlock *) &PI_namestarts, sizeof(BitBlock)/sizeof(ScanBlock), PIName_check);
380        }
381       
382        if (bitblock_has_bit(CD_starts)){
383          StreamScan((ScanBlock *) &CD_starts, sizeof(BitBlock)/sizeof(ScanBlock), CD_check);
384        }
385       
386        t.store_streams(tag_marks, ElemNameFollows);
387
388        block_pos += BLOCK_SIZE;
389      }
390    }
391
392    t.StreamScan(chars_avail);
393    t.Advance_buffer();
394
395    PERF_SEC_END(parser_timer, chars_avail);
396
397    buf_pos += chars_avail;
398    buffer_base = buf_pos;
399    if(chars_avail!=chars_read){
400      int bytes_left = chars_read-chars_avail;
401      memmove(srcbuf, &srcbuf[BUFFER_SIZE], bytes_left);
402      chars_read = fread(&srcbuf[bytes_left],1, BUFFER_SIZE , infile)+bytes_left;
403      chars_avail = min(chars_read,BUFFER_SIZE);
404    }
405    else
406      break;   
407  }
408  if(t.depth!=0){
409    fprintf(stderr, "tag matching error (depth %i) at position %i\n", t.depth, buffer_base);
410    exit(-1);
411  }       
412   
413}
414
415
416
417int
418main(int argc, char * argv[]) {
419        char * infilename, * outfilename;       
420        FILE *infile, *outfile;
421        struct stat fileinfo;
422
423        if (argc < 2) {
424                printf("Usage: %s <filename> [<outputfile>]\n", argv[0]);
425                exit(-1);
426        }
427
428        infilename = argv[1];
429        stat(infilename, &fileinfo);
430        infile = fopen(infilename, "rb");
431        if (!infile) {
432                fprintf(stderr, "Error: cannot open %s for input.\n", infilename);
433                exit(-1);
434        }
435       
436        if (argc < 3) outfile = stdout;
437        else {
438                outfilename = argv[2];
439                outfile = fopen(outfilename, "wb");
440                if (!outfile) {
441                        fprintf(stderr, "Error: cannot open %s for writing.\n", outfilename);
442                        exit(-1);
443                }
444        }
445
446//      PERF_SEC_BIND(1);
447
448        PERF_SEC_INIT(parser_timer);
449
450        do_process(infile, outfile);
451       
452        PERF_SEC_DUMP(parser_timer);
453       
454        PERF_SEC_DESTROY(parser_timer);
455
456        fclose(infile);
457        fclose(outfile);
458        return(0);
459}
Note: See TracBrowser for help on using the repository browser.