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