source: proto/xmlschema/symtab_ls_template.cpp @ 3532

Last change on this file since 3532 was 2219, checked in by shiyangy, 7 years ago

project checkin

File size: 15.1 KB
Line 
1#define USE_FUNCTION_TEMPLATES
2#define TEMPLATED_SIMD_LIB
3#include <stdio.h>
4#include <stdlib.h>
5#include <errno.h>
6#include <sys/types.h>
7#include <sys/stat.h>
8#include "../lib/lib_simd.h"
9#include "../lib/symtab/ls_symbol_table.h"
10
11#include <queue>
12#include <string>
13
14#define DEBUG 0
15#define BLOCK_SIZE (sizeof(SIMD_type) * 8)
16#define SEGMENT_BLOCKS 12
17#define BUFFER_SIZE (BLOCK_SIZE * SEGMENT_BLOCKS)
18#define OVERLAP_BUFSIZE 2*(sizeof(SIMD_type))
19
20typedef long ScanBlock;
21typedef SIMD_type BytePack;
22typedef SIMD_type BitBlock;
23
24using namespace std;
25
26#include "../lib/carryQ.h"
27#include "xmldecl.h"
28#include "xml_error.c"
29#include "xmldecl.c"
30#include "namechars.h"
31
32#include "../lib/perflib/perfsec.h"
33#include "../lib/s2p.h"
34
35#include "TagMatcher.h"
36#include "LineColTracker.h"
37
38#ifdef BUFFER_PROFILING
39        BOM_Table * parser_timer;
40
41#elif CODE_CLOCKER
42        #define NUM_EVENTS 1
43        int Events[NUM_EVENTS] = {PAPI_TOT_CYC};
44        //int Events[NUM_EVENTS] = {PAPI_L2_DCM};
45        //int Events[NUM_EVENTS] = {PAPI_TOT_CYC, PAPI_BR_MSP};
46        int cal_size = 20;
47        CC * parser_timer = new CC(Events,NUM_EVENTS,cal_size);
48#else
49        void * parser_timer;
50#endif
51
52int block_base=0;
53int buffer_base=0;
54int buffer_last;
55char * source;
56LineColTracker tracker;
57
58static inline void ReportError(const char * error_msg, int error_pos_in_block) {
59  int error_line, error_column;
60  tracker.get_Line_and_Column(error_pos_in_block, error_line, error_column);
61  fprintf(stderr, "%s at line %i, column %i\n", error_msg, error_line, error_column);
62}
63
64class ErrorTracker {
65public:
66    ErrorTracker() { noted_pos_in_block = -1;}
67
68    inline void NoteError(const char * error_msg, BitBlock err_strm) {
69      int pos_in_block = count_forward_zeroes(err_strm);
70      if ((noted_pos_in_block == -1) || (noted_pos_in_block > pos_in_block)) {
71        noted_pos_in_block = pos_in_block;
72        noted_error = error_msg;
73      }
74    }
75
76    inline void If_Error_Report_First() {
77      if (noted_pos_in_block > -1) {
78              int error_line, error_column;
79              ReportError(noted_error, noted_pos_in_block);
80              exit(-1);
81      }
82    }
83
84private:
85  const char * noted_error;
86  int noted_pos_in_block;
87};
88
89
90TagMatcher matcher;
91BitBlock EOF_mask = simd_const_1(1);
92
93ErrorTracker error_tracker;
94
95queue <size_t> elem_starts_buf;
96queue <size_t> elem_ends_buf;
97LSSymbolTable ls_symbol_table;
98
99static inline int StreamScan(ScanBlock * stream, int blk_count, int ProcessPos(int)) {
100        int blk;
101        int block_pos = 0;
102        for (blk = 0; blk < blk_count; blk++) {
103                ScanBlock s = stream[blk];
104                while(s) {
105                        int code = (ProcessPos(cfzl(s) + block_pos));
106                        if (code) return code;
107                        s = s & (s-1);  // clear rightmost bit.
108                }
109                block_pos += 8 * sizeof(ScanBlock);
110        }
111        return 0;
112}
113
114static inline int ElemStrt_check(int pos) {
115        int block_pos = block_base + pos;
116        elem_starts_buf.push(buffer_base + block_pos);
117        return 0;
118}
119
120static inline int ElemEnd_check(int pos) {
121        int block_pos = block_base + pos;
122        elem_ends_buf.push(buffer_base + block_pos);
123        return 0;
124}
125
126static inline int NameStrt_check(int pos) {
127        int block_pos = block_base + pos;
128        if(XML_10_UTF8_NameStrt_bytes((unsigned char*)&source[block_pos]) == 0){
129              ReportError("name start error", pos);
130              exit(-1);
131        }
132        return 0;
133}
134
135static inline int Name_check(int pos) {
136        int block_pos = block_base + pos;
137        if(XML_10_UTF8_NameChar_bytes((unsigned char*)&source[block_pos]) == 0){
138              ReportError("name error", pos);
139              exit(-1);
140        }
141        return 0;
142}
143
144static inline int PIName_check(int pos) {
145        int block_pos = block_base + pos;
146        int file_pos = block_pos+buffer_base;
147        printf ("%s:%i\n",__FUNCTION__,pos);
148        if (at_XxMmLll<ASCII>((unsigned char*)&source[block_pos]) && (source[block_pos+3]=='?' || source[block_pos+3]<= ' ')) {
149              // "<?xml" legal at start of file.
150              if ((file_pos == 2) && at_XmlDecl_start<ASCII>((unsigned char*)&source[0])) return 0;
151              ReportError("[Xx][Mm][Ll] illegal as PI name", pos);
152              exit(-1);
153        }
154        return 0;
155}
156
157static inline int CD_check(int pos) {
158        int block_pos = block_base + pos;
159        if (!at_CDATA1<ASCII>((unsigned char*)&source[block_pos])){
160              ReportError("CDATA error", pos);
161              exit(-1);
162        }
163        return 0;
164}
165
166static inline int GenRef_check(int pos) {
167        int block_pos = block_base + pos;
168        unsigned char* s = (unsigned char*)&source[block_pos];
169        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))){
170              ReportError("Undefined reference", pos);
171              exit(-1);
172        }
173        return 0;
174}
175
176static inline int HexRef_check(int pos) {
177        int block_pos = block_base + pos;
178        unsigned char* s = (unsigned char*)&source[block_pos];
179        int ch_val = 0;
180        while(at_HexDigit<ASCII>(s)){
181          ch_val = HexVal<ASCII>(s[0]) + (ch_val<<4);
182          if (ch_val> 0x10FFFF ){
183            ReportError("Illegal character reference", pos);
184            exit(-1);
185          }
186          s++;
187        }
188        if ((ch_val == 0x0) || ((ch_val | 0x7FF) == 0xDFFF)|| ((ch_val | 0x1) == 0xFFFF)){
189          ReportError("Illegal character reference", pos);
190          exit(-1);
191        }
192        else if (((ch_val < 0x20) && (ch_val != 0x9) && (ch_val != 0xD) && (ch_val != 0xA))){
193          ReportError("Illegal XML 1.0 character reference", pos);
194          exit(-1);
195        }
196        return 0;
197}
198
199static inline int DecRef_check(int pos) {
200        int block_pos = block_base + pos;
201        unsigned char* s = (unsigned char*)&source[block_pos];
202        int ch_val = 0;
203        while(at_HexDigit<ASCII>(s)){
204          ch_val = DigitVal<ASCII>(s[0]) + ch_val*10;
205          if (ch_val> 0x10FFFF ){
206            ReportError("Illegal character reference", pos);
207            exit(-1);
208          }
209          s++;
210        }
211        if ((ch_val == 0x0) || ((ch_val | 0x7FF) == 0xDFFF)|| ((ch_val | 0x1) == 0xFFFF)){
212          ReportError("Illegal character reference", pos);
213          exit(-1);
214        }
215        else if (((ch_val < 0x20) && (ch_val != 0x9) && (ch_val != 0xD) && (ch_val != 0xA))){
216          ReportError("Illegal XML 1.0 character reference", pos);
217          exit(-1);
218        }
219        return 0;
220}
221
222static inline int AttRef_check(int pos) {
223        int block_pos = block_base + pos;
224        unsigned char* s = (unsigned char*)&source[block_pos];
225        int ch_val = 0;
226        if(s[0]=='#'){
227          s++;
228          if(s[0]=='x' || s[0]=='X'){
229            s++;
230            while(at_HexDigit<ASCII>(s)){
231              ch_val = HexVal<ASCII>(s[0]) + (ch_val<<4);
232              s++;
233            }
234          }
235          else{
236            while(at_HexDigit<ASCII>(s)){
237              ch_val = DigitVal<ASCII>(s[0]) + ch_val*10;
238              s++;
239            }
240          }
241          if (ch_val==60){
242            ReportError("Attribute values contain '<' characters after reference expansion", pos);
243            exit(-1);
244          }
245        }
246        else if(at_Ref_lt<ASCII>(s)){
247          ReportError("Attribute values contain '<' characters after reference expansion", pos);
248          exit(-1);
249        }
250        return 0;
251}
252
253
254
255@global
256
257static inline void s2p_do_block(BytePack U8[], Basis_bits & basis_bits) {
258  s2p(U8[0], U8[1], U8[2], U8[3], U8[4], U8[5], U8[6], U8[7],
259        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);
260}
261
262static inline void s2p_do_final_block(BytePack U8[], Basis_bits & basis_bits, BitBlock EOF_mask) {
263  s2p_do_block(U8, basis_bits);
264  basis_bits.bit_0 = simd_and(basis_bits.bit_0, EOF_mask);
265  basis_bits.bit_1 = simd_and(basis_bits.bit_1, EOF_mask);
266  basis_bits.bit_2 = simd_and(basis_bits.bit_2, EOF_mask);
267  basis_bits.bit_3 = simd_and(basis_bits.bit_3, EOF_mask);
268  basis_bits.bit_4 = simd_and(basis_bits.bit_4, EOF_mask);
269  basis_bits.bit_5 = simd_and(basis_bits.bit_5, EOF_mask);
270  basis_bits.bit_6 = simd_and(basis_bits.bit_6, EOF_mask);
271  basis_bits.bit_7 = simd_and(basis_bits.bit_7, EOF_mask);
272}
273
274static inline void do_symbol_table_lookup()
275{
276    while( !elem_starts_buf.empty() && !elem_ends_buf.empty() )
277    {
278        int start = elem_starts_buf.front();
279        int end = elem_ends_buf.front();
280        elem_starts_buf.pop();
281        elem_ends_buf.pop();
282        int length = end - start;
283
284        //lookup or insert to symbol table
285#if DEBUG
286        char* symbol = new char[length+1];
287        strncpy ( symbol, source + start - buffer_base, length );
288        symbol[length] ='\0';
289        printf ("start: %i[%i] | end: %i[%i] | length: %i | symbol: %s\n", start, start-buffer_base, end, end-buffer_base, length, symbol );
290
291        delete symbol; symbol = 0;
292#endif
293
294        ls_symbol_table.put((unsigned char*)source + start - buffer_base, length);
295
296    }
297}
298
299static 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){
300
301    //NOTE: We are NOT handling the case for an extremely long symbol name (length > 1541).
302    //      TagMatcher will crash if we feed a long symbol name.
303    //      Sample file: test/long_sym_name.xml
304
305            tracker.StoreNewlines(lex.LF);
306
307            if ( bitblock_has_bit(tag_Callouts.ElemName_starts))
308            {
309                StreamScan((ScanBlock *) &tag_Callouts.ElemName_starts, sizeof(BitBlock)/sizeof(ScanBlock), ElemStrt_check);
310            }
311
312            if ( bitblock_has_bit(tag_Callouts.ElemName_ends) )
313            {
314                StreamScan((ScanBlock *) &tag_Callouts.ElemName_ends, sizeof(BitBlock)/sizeof(ScanBlock), ElemEnd_check);
315            }
316
317            do_symbol_table_lookup();
318
319                if (bitblock_has_bit(simd_or(check_streams.non_ascii_name_starts, check_streams.non_ascii_names))) {
320                  StreamScan((ScanBlock *) &check_streams.non_ascii_name_starts, sizeof(BitBlock)/sizeof(ScanBlock), NameStrt_check);
321                  StreamScan((ScanBlock *) &check_streams.non_ascii_names, sizeof(BitBlock)/sizeof(ScanBlock), Name_check);
322                }
323
324                if (bitblock_has_bit(ctCDPI_Callouts.PI_name_starts)){
325                  StreamScan((ScanBlock *) &ctCDPI_Callouts.PI_name_starts, sizeof(BitBlock)/sizeof(ScanBlock), PIName_check);
326                }
327
328                if (bitblock_has_bit(ctCDPI_Callouts.CD_starts)){
329                  StreamScan((ScanBlock *) &ctCDPI_Callouts.CD_starts, sizeof(BitBlock)/sizeof(ScanBlock), CD_check);
330                }
331
332                if (bitblock_has_bit(ref_Callouts.GenRef_starts)){
333                  StreamScan((ScanBlock *) &ref_Callouts.GenRef_starts, sizeof(BitBlock)/sizeof(ScanBlock), GenRef_check);
334                }
335
336                if (bitblock_has_bit(ref_Callouts.DecRef_starts)){
337                  StreamScan((ScanBlock *) &ref_Callouts.DecRef_starts, sizeof(BitBlock)/sizeof(ScanBlock), DecRef_check);
338                }
339
340                if (bitblock_has_bit(ref_Callouts.HexRef_starts)){
341                  StreamScan((ScanBlock *) &ref_Callouts.HexRef_starts, sizeof(BitBlock)/sizeof(ScanBlock), HexRef_check);
342                }
343
344                if (bitblock_has_bit(check_streams.att_refs)){
345                  StreamScan((ScanBlock *) &check_streams.att_refs, sizeof(BitBlock)/sizeof(ScanBlock), AttRef_check);
346                }
347
348                error_tracker.If_Error_Report_First();
349
350                matcher.store_streams(check_streams.tag_marks, check_streams.name_follows, check_streams.misc_mask, chars_avail);
351                tracker.AdvanceBlock();
352}
353
354static inline void print_GIDS()
355{
356    ls_symbol_table.display_flattened_symbol_values();
357    ls_symbol_table.display_flattened_gids();
358}
359
360void do_process(FILE *infile, FILE *outfile) {
361
362@decl
363
364  int buf_pos = 0;
365  int block_pos = 0;
366  int errpos = 0;
367  int chars_avail = 0;
368  int check_pos = 0;
369  int chars_read = 0;
370  BytePack buf[(BUFFER_SIZE+BLOCK_SIZE+OVERLAP_BUFSIZE*2)/sizeof(SIMD_type)];
371
372  char * srcbuf = ((char *) buf) + OVERLAP_BUFSIZE;
373  buffer_base = buf_pos;
374  source = srcbuf;
375  chars_read = fread((void *)srcbuf, 1, BUFFER_SIZE + OVERLAP_BUFSIZE, infile);
376  chars_avail = chars_read;
377  if (chars_avail > BUFFER_SIZE) chars_avail = BUFFER_SIZE;
378
379  matcher.setSrc(srcbuf);
380
381  if(chars_read<4){
382    fprintf(stderr,"File is too short. Not well formed.\n");
383    exit(-1);
384  }
385
386  Entity_Info * e = new Entity_Info;
387  e->AnalyzeSignature((unsigned char *)srcbuf);
388
389  if (e->code_unit_base == ASCII) {
390
391    XML_Decl_Parser<ASCII> decl_parser((unsigned char *)srcbuf);
392
393    decl_parser.ReadXMLInfo(*e);
394
395    if (e->code_unit_size != SingleByte || (e->has_encoding_decl && (!at_UTF_8(e->encoding)))){
396        fprintf(stderr,"Sorry, this xmlwf demo only works for UTF-8.\n");
397        exit(-1);
398    }
399  }
400  else {
401    fprintf(stderr,"Sorry, this xmlwf demo does not process EBCDIC.\n");
402        exit(-1);
403  }
404
405  if (e->content_start != 0) {
406        memmove(&srcbuf[0], &srcbuf[e->content_start], chars_read - e->content_start);
407        buf_pos = e->content_start;
408        buffer_base = buf_pos;
409        if (chars_avail == BUFFER_SIZE) {
410                chars_read = chars_read - e->content_start +
411                             fread(&srcbuf[chars_read-e->content_start], 1, e->content_start, infile);
412                chars_avail = chars_read;
413                if (chars_avail > BUFFER_SIZE) chars_avail = BUFFER_SIZE;
414        }
415        else {
416          chars_read -=e->content_start;
417          chars_avail -=e->content_start;
418        }
419  }
420
421@stream_stmts
422
423/* Full Buffers */
424    int block_segment_num = 0;
425    while (chars_avail == BUFFER_SIZE) {
426      PERF_SEC_START(parser_timer);
427      for (int blk = 0; blk < SEGMENT_BLOCKS; blk++) {
428          block_base = blk*BLOCK_SIZE;
429          s2p_do_block((BytePack *) &srcbuf[block_base], basis_bits);
430          @block_stmts
431          postprocess_do_block(lex, ctCDPI_Callouts, ref_Callouts, check_streams, tag_Callouts, chars_avail);
432      }
433      matcher.StreamScan(chars_avail);
434      matcher.Advance_buffer();
435      tracker.Advance_buffer();
436      PERF_SEC_END(parser_timer, chars_avail);
437
438      int bytes_left = chars_read - chars_avail;
439      memmove(buf, &srcbuf[BUFFER_SIZE - OVERLAP_BUFSIZE], bytes_left + OVERLAP_BUFSIZE);
440      chars_read = fread(&srcbuf[bytes_left],1, BUFFER_SIZE + OVERLAP_BUFSIZE - bytes_left, infile) + bytes_left;
441      chars_avail = chars_read;
442      if (chars_avail > BUFFER_SIZE) chars_avail = BUFFER_SIZE;
443      buf_pos += chars_avail;
444      buffer_base = buf_pos;
445      block_segment_num++;
446    }
447/* Final Partial Buffer */
448    PERF_SEC_START(parser_timer);
449
450    block_pos = 0;
451    int remaining = chars_avail;
452/* Full Blocks */
453    while (remaining >= BLOCK_SIZE) {
454          block_base = block_pos;
455          s2p_do_block((BytePack *) &srcbuf[block_pos], basis_bits);
456          @block_stmts
457          postprocess_do_block(lex, ctCDPI_Callouts, ref_Callouts, check_streams, tag_Callouts, chars_avail);
458          block_pos += BLOCK_SIZE;
459          remaining -= BLOCK_SIZE;
460    }
461    block_base = block_pos;
462    if (remaining > 0 || @any_carry) {
463          EOF_mask = sisd_srl(simd_const_1(1),sisd_from_int(BLOCK_SIZE-remaining));
464          s2p_do_final_block((BytePack *) &srcbuf[block_pos], basis_bits, EOF_mask);
465          @final_block_stmts
466          postprocess_do_block(lex, ctCDPI_Callouts, ref_Callouts, check_streams, tag_Callouts, chars_avail);
467    }
468    buf_pos += chars_avail;
469    buffer_base = buf_pos;
470
471    matcher.StreamScan(chars_avail);
472    matcher.Advance_buffer();
473    tracker.Advance_buffer();
474
475    ls_symbol_table.bind();
476    ls_symbol_table.finalize();
477
478    PERF_SEC_END(parser_timer, chars_avail);
479    if (matcher.depth != 0) {
480      fprintf(stderr, "tag matching error (depth %i) at position %i\n", matcher.depth, buffer_base);
481      exit(-1);
482    }
483
484#if DEBUG
485    print_GIDS();
486#endif
487    ls_symbol_table.clear();
488}
489
490
491
492int
493main(int argc, char * argv[]) {
494        char * infilename, * outfilename;
495        FILE *infile, *outfile;
496        struct stat fileinfo;
497
498        if (argc < 2) {
499                printf("Usage: %s <filename> [<outputfile>]\n", argv[0]);
500                exit(-1);
501        }
502
503        infilename = argv[1];
504        stat(infilename, &fileinfo);
505        infile = fopen(infilename, "rb");
506        if (!infile) {
507                fprintf(stderr, "Error: cannot open %s for input.\n", infilename);
508                exit(-1);
509        }
510
511        if (argc < 3) outfile = stdout;
512        else {
513                outfilename = argv[2];
514                outfile = fopen(outfilename, "wb");
515                if (!outfile) {
516                        fprintf(stderr, "Error: cannot open %s for writing.\n", outfilename);
517                        exit(-1);
518                }
519        }
520
521//      PERF_SEC_BIND(1);
522
523        PERF_SEC_INIT(parser_timer);
524
525        do_process(infile, outfile);
526
527        PERF_SEC_DUMP(parser_timer);
528
529        PERF_SEC_DESTROY(parser_timer);
530
531        fclose(infile);
532        fclose(outfile);
533
534        printf ("Done procressing\n");
535        return(0);
536}
Note: See TracBrowser for help on using the repository browser.