ext/Encode/compile

   1 #!../../perl -w
   2 BEGIN {
   3     unshift @INC, '../../lib';
   4     $ENV{PATH} .= ';../..' if $^O eq 'MSWin32';
   5 }
   6 use strict;
   7 use Getopt::Std;
   8 my @orig_ARGV = @ARGV;
   9 my $perforce  = '$Id$';
  10
  11 sub encode_U
  12 {
  13  # UTF-8 encode long hand - only covers part of perl's range
  14  my $uv = shift;
  15  # chr() works in native space so convert value from table
  16  # into that space before using chr().
  17  my $ch = chr(utf8::unicode_to_native($uv));
  18  # Now get core perl to encode that the way it likes.
  19  utf8::encode($ch);
  20  return $ch;
  21 }
  22
  23 sub encode_S
  24 {
  25  # encode single byte
  26  my ($ch,$page) = @_;
  27  return chr($ch);
  28 }
  29
  30 sub encode_D
  31 {
  32  # encode double byte MS byte first
  33  my ($ch,$page) = @_;
  34  return chr($page).chr($ch);
  35 }
  36
  37 sub encode_M
  38 {
  39  # encode Multi-byte - single for 0..255 otherwise double
  40  my ($ch,$page) = @_;
  41  return &encode_D if $page;
  42  return &encode_S;
  43 }
  44
  45 # Win32 does not expand globs on command line
  46 eval "\@ARGV = map(glob(\$_),\@ARGV)" if ($^O eq 'MSWin32');
  47
  48 my %opt;
  49 getopts('qo:f:n:',\%opt);
  50 my $cname = (exists $opt{'o'}) ? $opt{'o'} : shift(@ARGV);
  51 chmod(0666,$cname) if -f $cname && !-w $cname;
  52 open(C,">$cname") || die "Cannot open $cname:$!";
  53
  54
  55 my $dname = $cname;
  56 $dname =~ s/(\.[^\.]*)?$/.def/;
  57
  58 my ($doC,$doEnc,$doUcm,$doPet);
  59
  60 if ($cname =~ /\.(c|xs)$/)
  61  {
  62   $doC = 1;
  63   chmod(0666,$dname) if -f $cname && !-w $dname;
  64   open(D,">$dname") || die "Cannot open $dname:$!";
  65   my $hname = $cname;
  66   $hname =~ s/(\.[^\.]*)?$/.h/;
  67   chmod(0666,$hname) if -f $cname && !-w $hname;
  68   open(H,">$hname") || die "Cannot open $hname:$!";
  69
  70   foreach my $fh (\*C,\*D,\*H)
  71   {
  72    print $fh <<"END" unless $opt{'q'};
  73 /*
  74  !!!!!!!   DO NOT EDIT THIS FILE   !!!!!!!
  75  This file was autogenerated by:
  76  $^X $0 $cname @orig_ARGV
  77 */
  78 END
  79   }
  80
  81   if ($cname =~ /(\w+)\.xs$/)
  82    {
  83     print C "#include <EXTERN.h>\n";
  84     print C "#include <perl.h>\n";
  85     print C "#include <XSUB.h>\n";
  86     print C "#define U8 U8\n";
  87    }
  88   print C "#include \"encode.h\"\n";
  89
  90  }
  91 elsif ($cname =~ /\.enc$/)
  92  {
  93   $doEnc = 1;
  94  }
  95 elsif ($cname =~ /\.ucm$/)
  96  {
  97   $doUcm = 1;
  98  }
  99 elsif ($cname =~ /\.pet$/)
 100  {
 101   $doPet = 1;
 102  }
 103
 104 my @encfiles;
 105 if (exists $opt{'f'})
 106  {
 107   # -F is followed by name of file containing list of filenames
 108   my $flist = $opt{'f'};
 109   open(FLIST,$flist) || die "Cannot open $flist:$!";
 110   chomp(@encfiles = <FLIST>);
 111   close(FLIST);
 112  }
 113 else
 114  {
 115   @encfiles = @ARGV;
 116  }
 117
 118 my %encoding;
 119 my %strings;
 120
 121 sub cmp_name
 122 {
 123  if ($a =~ /^.*-(\d+)/)
 124   {
 125    my $an = $1;
 126    if ($b =~ /^.*-(\d+)/)
 127     {
 128      my $r = $an <=> $1;
 129      return $r if $r;
 130     }
 131   }
 132  return $a cmp $b;
 133 }
 134
 135
 136 foreach my $enc (sort cmp_name @encfiles)
 137  {
 138   my ($name,$sfx) = $enc =~ /^.*?([\w-]+)\.(enc|ucm)$/;
 139   $name = $opt{'n'} if exists $opt{'n'};
 140   if (open(E,$enc))
 141    {
 142     if ($sfx eq 'enc')
 143      {
 144       compile_enc(\*E,lc($name));
 145      }
 146     else
 147      {
 148       compile_ucm(\*E,lc($name));
 149      }
 150    }
 151   else
 152    {
 153     warn "Cannot open $enc for $name:$!";
 154    }
 155  }
 156
 157 if ($doC)
 158  {
 159   foreach my $name (sort cmp_name keys %encoding)
 160    {
 161     my ($e2u,$u2e,$erep,$min_el,$max_el) = @{$encoding{$name}};
 162     output(\*C,$name.'_utf8',$e2u);
 163     output(\*C,'utf8_'.$name,$u2e);
 164     push(@{$encoding{$name}},outstring(\*C,$e2u->{Cname}.'_def',$erep));
 165    }
 166   foreach my $enc (sort cmp_name keys %encoding)
 167    {
 168     my ($e2u,$u2e,$rep,$min_el,$max_el,$rsym) = @{$encoding{$enc}};
 169     my @info = ($e2u->{Cname},$u2e->{Cname},$rsym,length($rep),$min_el,$max_el);
 170     my $sym = "${enc}_encoding";
 171     $sym =~ s/\W+/_/g;
 172     print C "encode_t $sym = \n";
 173     print C " {",join(',',@info,"{\"$enc\",(const char *)0}"),"};\n\n";
 174    }
 175
 176   foreach my $enc (sort cmp_name keys %encoding)
 177    {
 178     my $sym = "${enc}_encoding";
 179     $sym =~ s/\W+/_/g;
 180     print H "extern encode_t $sym;\n";
 181     print D " Encode_XSEncoding(aTHX_ &$sym);\n";
 182    }
 183
 184   if ($cname =~ /(\w+)\.xs$/)
 185    {
 186     my $mod = $1;
 187     print C <<'END';
 188
 189 void
 190 Encode_XSEncoding(pTHX_ encode_t *enc)
 191 {
 192  dSP;
 193  HV *stash = gv_stashpv("Encode::XS", TRUE);
 194  SV *sv    = sv_bless(newRV_noinc(newSViv(PTR2IV(enc))),stash);
 195  int i = 0;
 196  PUSHMARK(sp);
 197  XPUSHs(sv);
 198  while (enc->name[i])
 199   {
 200    const char *name = enc->name[i++];
 201    XPUSHs(sv_2mortal(newSVpvn(name,strlen(name))));
 202   }
 203  PUTBACK;
 204  call_pv("Encode::define_encoding",G_DISCARD);
 205  SvREFCNT_dec(sv);
 206 }
 207
 208 END
 209
 210     print C "\nMODULE = Encode::$mod\tPACKAGE = Encode::$mod\n\n";
 211     print C "BOOT:\n{\n";
 212     print C "#include \"$dname\"\n";
 213     print C "}\n";
 214    }
 215   close(D);
 216   close(H);
 217  }
 218 elsif ($doEnc)
 219  {
 220   foreach my $name (sort cmp_name keys %encoding)
 221    {
 222     my ($e2u,$u2e,$erep,$min_el,$max_el) = @{$encoding{$name}};
 223     output_enc(\*C,$name,$e2u);
 224    }
 225  }
 226 elsif ($doUcm)
 227  {
 228   foreach my $name (sort cmp_name keys %encoding)
 229    {
 230     my ($e2u,$u2e,$erep,$min_el,$max_el) = @{$encoding{$name}};
 231     output_ucm(\*C,$name,$u2e,$erep,$min_el,$max_el);
 232    }
 233  }
 234
 235 close(C);
 236
 237
 238 sub compile_ucm
 239 {
 240  my ($fh,$name) = @_;
 241  my $e2u = {};
 242  my $u2e = {};
 243  my $cs;
 244  my %attr;
 245  while (<$fh>)
 246   {
 247    s/#.*$//;
 248    last if /^\s*CHARMAP\s*$/i;
 249    if (/^\s*<(\w+)>\s+"?([^"]*)"?\s*$/i)
 250     {
 251      $attr{$1} = $2;
 252     }
 253   }
 254  if (!defined($cs =  $attr{'code_set_name'}))
 255   {
 256    warn "No <code_set_name> in $name\n";
 257   }
 258  else
 259   {
 260    $name = $cs unless exists $opt{'n'};
 261   }
 262  my $erep;
 263  my $urep;
 264  my $max_el;
 265  my $min_el;
 266  if (exists $attr{'subchar'})
 267   {
 268    my @byte;
 269    $attr{'subchar'} =~ /^\s*/cg;
 270    push(@byte,$1) while $attr{'subchar'} =~ /\G\\x([0-9a-f]+)/icg;
 271    $erep = join('',map(chr(hex($_)),@byte));
 272   }
 273  print "Scanning $name ($cs)\n";
 274  my $nfb = 0;
 275  my $hfb = 0;
 276  while (<$fh>)
 277   {
 278    s/#.*$//;
 279    last if /^\s*END\s+CHARMAP\s*$/i;
 280    next if /^\s*$/;
 281    my ($u,@byte);
 282    my $fb = '';
 283    $u = $1 if (/^<U([0-9a-f]+)>\s+/igc);
 284    push(@byte,$1) while /\G\\x([0-9a-f]+)/igc;
 285    $fb = $1 if /\G\s*(\|[0-3])/gc;
 286    # warn "$_: $u @byte | $fb\n";
 287    die "Bad line:$_" unless /\G\s*(#.*)?$/gc;
 288    if (defined($u))
 289     {
 290      my $uch = encode_U(hex($u));
 291      my $ech = join('',map(chr(hex($_)),@byte));
 292      my $el  = length($ech);
 293      $max_el = $el if (!defined($max_el) || $el > $max_el);
 294      $min_el = $el if (!defined($min_el) || $el < $min_el);
 295      if (length($fb))
 296       {
 297        $fb = substr($fb,1);
 298        $hfb++;
 299       }
 300      else
 301       {
 302        $nfb++;
 303        $fb = '0';
 304       }
 305      # $fb is fallback flag
 306      # 0 - round trip safe
 307      # 1 - fallback for unicode -> enc
 308      # 2 - skip sub-char mapping
 309      # 3 - fallback enc -> unicode
 310      enter($u2e,$uch,$ech,$u2e,$fb+0) if ($fb =~ /[01]/);
 311      enter($e2u,$ech,$uch,$e2u,$fb+0) if ($fb =~ /[03]/);
 312     }
 313    else
 314     {
 315      warn $_;
 316     }
 317   }
 318  if ($nfb && $hfb)
 319   {
 320    die "$nfb entries without fallback, $hfb entries with\n";
 321   }
 322  $encoding{$name} = [$e2u,$u2e,$erep,$min_el,$max_el];
 323 }
 324
 325 sub compile_enc
 326 {
 327  my ($fh,$name) = @_;
 328  my $e2u = {};
 329  my $u2e = {};
 330
 331  my $type;
 332  while ($type = <$fh>)
 333   {
 334    last if $type !~ /^\s*#/;
 335   }
 336  chomp($type);
 337  return if $type eq 'E';
 338  my ($def,$sym,$pages) = split(/\s+/,scalar(<$fh>));
 339  warn "$type encoded $name\n";
 340  my $rep = '';
 341  my $min_el;
 342  my $max_el;
 343  {
 344   my $v = hex($def);
 345   no strict 'refs';
 346   $rep = &{"encode_$type"}($v & 0xFF, ($v >> 8) & 0xffe);
 347  }
 348  my %seen;
 349  while ($pages--)
 350   {
 351    my $line = <$fh>;
 352    chomp($line);
 353    my $page = hex($line);
 354    my $ch = 0;
 355    for (my $i = 0; $i < 16; $i++)
 356     {
 357      my $line = <$fh>;
 358      for (my $j = 0; $j < 16; $j++)
 359       {
 360        no strict 'refs';
 361        my $ech = &{"encode_$type"}($ch,$page);
 362        my $val = hex(substr($line,0,4,''));
 363        next if $val == 0xFFFD;
 364        if ($val || (!$ch && !$page))
 365         {
 366          my $el  = length($ech);
 367          $max_el = $el if (!defined($max_el) || $el > $max_el);
 368          $min_el = $el if (!defined($min_el) || $el < $min_el);
 369          my $uch = encode_U($val);
 370          if (exists $seen{$uch})
 371           {
 372            warn sprintf("U%04X is %02X%02X and %02X%02X\n",
 373                         $val,$page,$ch,@{$seen{$uch}});
 374           }
 375          else
 376           {
 377            $seen{$uch} = [$page,$ch];
 378           }
 379          enter($e2u,$ech,$uch,$e2u,0);
 380          enter($u2e,$uch,$ech,$u2e,0);
 381         }
 382        else
 383         {
 384          # No character at this position
 385          # enter($e2u,$ech,undef,$e2u);
 386         }
 387        $ch++;
 388       }
 389     }
 390   }
 391  $encoding{$name} = [$e2u,$u2e,$rep,$min_el,$max_el];
 392 }
 393
 394 sub enter
 395 {
 396  my ($a,$s,$d,$t,$fb) = @_;
 397  $t = $a if @_ < 4;
 398  my $b = substr($s,0,1);
 399  my $e = $a->{$b};
 400  unless ($e)
 401   {     # 0  1  2  3         4  5
 402    $e = [$b,$b,'',{},length($s),0,$fb];
 403    $a->{$b} = $e;
 404   }
 405  if (length($s) > 1)
 406   {
 407    enter($e->[3],substr($s,1),$d,$t,$fb);
 408   }
 409  else
 410   {
 411    $e->[2] = $d;
 412    $e->[3] = $t;
 413    $e->[5] = length($d);
 414   }
 415 }
 416
 417 sub outstring
 418 {
 419  my ($fh,$name,$s) = @_;
 420  my $sym = $strings{$s};
 421  unless ($sym)
 422   {
 423    foreach my $o (keys %strings)
 424     {
 425      my $i = index($o,$s);
 426      if ($i >= 0)
 427       {
 428        $sym = $strings{$o};
 429        $sym .= sprintf("+0x%02x",$i) if ($i);
 430        return $sym;
 431       }
 432     }
 433    $strings{$s} = $sym = $name;
 434    printf $fh "\nstatic const U8 %s[%d] =\n",$name,length($s);
 435    # Do in chunks of 16 chars to constrain line length
 436    # Assumes ANSI C adjacent string litteral concatenation
 437    while (length($s))
 438     {
 439      my $c = substr($s,0,16,'');
 440      print  $fh '"',join('',map(sprintf('\x%02x',ord($_)),split(//,$c))),'"';
 441      print  $fh "\n" if length($s);
 442     }
 443    printf $fh ";\n";
 444   }
 445  return $sym;
 446 }
 447
 448 sub process
 449 {
 450  my ($name,$a) = @_;
 451  $name =~ s/\W+/_/g;
 452  $a->{Cname} = $name;
 453  my @keys = grep(ref($a->{$_}),sort keys %$a);
 454  my $l;
 455  my @ent;
 456  foreach my $b (@keys)
 457   {
 458    my ($s,$f,$out,$t,$end) = @{$a->{$b}};
 459    if (defined($l) &&
 460        ord($b) == ord($a->{$l}[1])+1 &&
 461        $a->{$l}[3] == $a->{$b}[3] &&
 462        $a->{$l}[4] == $a->{$b}[4] &&
 463        $a->{$l}[5] == $a->{$b}[5] &&
 464        $a->{$l}[6] == $a->{$b}[6]
 465        # && length($a->{$l}[2]) < 16
 466       )
 467     {
 468      my $i = ord($b)-ord($a->{$l}[0]);
 469      $a->{$l}[1]  = $b;
 470      $a->{$l}[2] .= $a->{$b}[2];
 471     }
 472    else
 473     {
 474      $l = $b;
 475      push(@ent,$b);
 476     }
 477    if (exists $t->{Cname})
 478     {
 479      $t->{'Forward'} = 1 if $t != $a;
 480     }
 481    else
 482     {
 483      process(sprintf("%s_%02x",$name,ord($s)),$t);
 484     }
 485   }
 486  if (ord($keys[-1]) < 255)
 487   {
 488    my $t = chr(ord($keys[-1])+1);
 489    $a->{$t} = [$t,chr(255),undef,$a,0,0];
 490    push(@ent,$t);
 491   }
 492  $a->{'Entries'} = \@ent;
 493 }
 494
 495 sub outtable
 496 {
 497  my ($fh,$a) = @_;
 498  my $name = $a->{'Cname'};
 499  # String tables
 500  foreach my $b (@{$a->{'Entries'}})
 501   {
 502    next unless $a->{$b}[5];
 503    my $s = ord($a->{$b}[0]);
 504    my $e = ord($a->{$b}[1]);
 505    outstring($fh,sprintf("%s__%02x_%02x",$name,$s,$e),$a->{$b}[2]);
 506   }
 507  if ($a->{'Forward'})
 508   {
 509    print $fh "\nstatic encpage_t $name\[",scalar(@{$a->{'Entries'}}),"];\n";
 510   }
 511  $a->{'Done'} = 1;
 512  foreach my $b (@{$a->{'Entries'}})
 513   {
 514    my ($s,$e,$out,$t,$end,$l) = @{$a->{$b}};
 515    outtable($fh,$t) unless $t->{'Done'};
 516   }
 517  print $fh "\nstatic encpage_t $name\[",scalar(@{$a->{'Entries'}}),"] = {\n";
 518  foreach my $b (@{$a->{'Entries'}})
 519   {
 520    my ($s,$e,$out,$t,$end,$l,$fb) = @{$a->{$b}};
 521    my $sc = ord($s);
 522    my $ec = ord($e);
 523    $end |= 0x80 if $fb;
 524    print  $fh "{";
 525    if ($l)
 526     {
 527      printf $fh outstring($fh,'',$out);
 528     }
 529    else
 530     {
 531      print  $fh "0";
 532     }
 533    print  $fh ",",$t->{Cname};
 534    printf $fh ",0x%02x,0x%02x,$l,$end},\n",$sc,$ec;
 535   }
 536  print $fh "};\n";
 537 }
 538
 539 sub output
 540 {
 541  my ($fh,$name,$a) = @_;
 542  process($name,$a);
 543  # Sub-tables
 544  outtable($fh,$a);
 545 }
 546
 547 sub output_enc
 548 {
 549  my ($fh,$name,$a) = @_;
 550  foreach my $b (sort keys %$a)
 551   {
 552    my ($s,$e,$out,$t,$end,$l,$fb) = @{$a->{$b}};
 553   }
 554 }
 555
 556 sub decode_U
 557 {
 558  my $s = shift;
 559 }
 560
 561 my @uname;
 562 sub char_names
 563 {
 564  my $s = do "unicore/Name.pl";
 565  die "char_names: unicore/Name.pl: $!\n" unless defined $s;
 566  pos($s) = 0;
 567  while ($s =~ /\G([0-9a-f]+)\t([0-9a-f]*)\t(.*?)\s*\n/igc)
 568   {
 569    my $name = $3;
 570    my $s = hex($1);
 571    last if $s >= 0x10000;
 572    my $e = length($2) ? hex($2) : $s;
 573    for (my $i = $s; $i <= $e; $i++)
 574     {
 575      $uname[$i] = $name;
 576 #    print sprintf("U%04X $name\n",$i);
 577     }
 578   }
 579 }
 580
 581 sub output_ucm_page
 582 {
 583  my ($cmap,$a,$t,$pre) = @_;
 584  # warn sprintf("Page %x\n",$pre);
 585  foreach my $b (sort keys %$t)
 586   {
 587    my ($s,$e,$out,$n,$end,$l,$fb) = @{$t->{$b}};
 588    die "oops $s $e" unless $s eq $e;
 589    my $u = ord($s);
 590    if ($n != $a && $n != $t)
 591     {
 592      output_ucm_page($cmap,$a,$n,(($pre|($u &0x3F)) << 6)&0xFFFF);
 593     }
 594    elsif (length($out))
 595     {
 596      if ($pre)
 597       {
 598        $u = $pre|($u &0x3f);
 599       }
 600      my $s = sprintf "<U%04X> ",$u;
 601      foreach my $c (split(//,$out))
 602       {
 603        $s .= sprintf "\\x%02X",ord($c);
 604       }
 605      $s .= sprintf " |%d # %s\n",($fb ? 1 : 0),$uname[$u];
 606      push(@$cmap,$s);
 607     }
 608    else
 609     {
 610      warn join(',',@{$t->{$b}},$a,$t);
 611     }
 612   }
 613 }
 614
 615 sub output_ucm
 616 {
 617  my ($fh,$name,$h,$rep,$min_el,$max_el) = @_;
 618  print $fh "# $0 @orig_ARGV\n" unless $opt{'q'};
 619  print $fh "<code_set_name> \"$name\"\n";
 620  char_names();
 621  if (defined $min_el)
 622   {
 623    print $fh "<mb_cur_min> $min_el\n";
 624   }
 625  if (defined $max_el)
 626   {
 627    print $fh "<mb_cur_max> $max_el\n";
 628   }
 629  if (defined $rep)
 630   {
 631    print $fh "<subchar> ";
 632    foreach my $c (split(//,$rep))
 633     {
 634      printf $fh "\\x%02X",ord($c);
 635     }
 636    print $fh "\n";
 637   }
 638  my @cmap;
 639  output_ucm_page(\@cmap,$h,$h,0);
 640  print $fh "#\nCHARMAP\n";
 641  foreach my $line (sort { substr($a,8) cmp substr($b,8) } @cmap)
 642   {
 643    print $fh $line;
 644   }
 645  print $fh "END CHARMAP\n";
 646 }
 647