lib/unicode/mktables.PL

   1 #!../../miniperl
   2
   3 $UnicodeData = "UnicodeData-Latest.txt";
   4
   5 # Note: we try to keep filenames unique within first 8 chars.  Using
   6 # subdirectories for the following helps.
   7 mkdir "In", 0777;
   8 mkdir "Is", 0777;
   9 mkdir "To", 0777;
  10 mkdir "Eq", 0777;
  11
  12 @todo = (
  13 # typical
  14
  15     ['IsWord',  '$cat =~ /^L[ulo]|^Nd/ or $code eq "005F"',     ''],
  16     ['IsAlnum', '$cat =~ /^L[ulo]|^Nd/',        ''],
  17     ['IsAlpha',  '$cat =~ /^L[ulo]/',   ''],
  18     ['IsSpace',  '$cat =~ /^Z/ or $code lt "0020" and chr(hex $code) =~ /^\s/', ''],
  19     ['IsDigit',  '$cat =~ /^Nd$/',      ''],
  20     ['IsUpper',  '$cat =~ /^Lu$/',      ''],
  21     ['IsLower',  '$cat =~ /^Ll$/',      ''],
  22     ['IsASCII',  'hex $code <= 127',    ''],
  23     ['IsCntrl',  '$cat =~ /^C/',        ''],
  24     ['IsGraph',  '$cat =~ /^[^C]/ and $code ne "0020"', ''],
  25     ['IsPrint',  '$cat =~ /^[^C]/',     ''],
  26     ['IsPunct',  '$cat =~ /^P/',        ''],
  27     ['IsXDigit', '$code =~ /^00(3[0-9]|[46][1-6])$/',   ''],
  28     ['ToUpper',  '$up',                 '$up'],
  29     ['ToLower',  '$down',               '$down'],
  30     ['ToTitle',  '$title',              '$title'],
  31     ['ToDigit',  '$dec ne ""',          '$dec'],
  32
  33 # Name
  34
  35     ['Name',    '$name',                '$name'],
  36
  37 # Category
  38
  39     ['Category', '$cat',                '$cat'],
  40
  41 # Normative
  42
  43     ['IsM',     '$cat =~ /^M/',         ''],    # Mark
  44     ['IsMn',    '$cat eq "Mn"',         ''],    # Mark, Non-Spacing
  45     ['IsMc',    '$cat eq "Mc"',         ''],    # Mark, Combining
  46
  47     ['IsN',     '$cat =~ /^N/',         ''],    # Number
  48     ['IsNd',    '$cat eq "Nd"',         ''],    # Number, Decimal Digit
  49     ['IsNo',    '$cat eq "No"',         ''],    # Number, Other
  50
  51     ['IsZ',     '$cat =~ /^Z/',         ''],    # Zeparator
  52     ['IsZs',    '$cat eq "Zs"',         ''],    # Separator, Space
  53     ['IsZl',    '$cat eq "Zl"',         ''],    # Separator, Line
  54     ['IsZp',    '$cat eq "Zp"',         ''],    # Separator, Paragraph
  55
  56     ['IsC',     '$cat =~ /^C/',         ''],    # Crazy
  57     ['IsCc',    '$cat eq "Cc"',         ''],    # Other, Control or Format
  58     ['IsCo',    '$cat eq "Co"',         ''],    # Other, Private Use
  59     ['IsCn',    '$cat eq "Cn"',         ''],    # Other, Not Assigned
  60
  61 # Informative
  62
  63     ['IsL',     '$cat =~ /^L/',         ''],    # Letter
  64     ['IsLu',    '$cat eq "Lu"',         ''],    # Letter, Uppercase
  65     ['IsLl',    '$cat eq "Ll"',         ''],    # Letter, Lowercase
  66     ['IsLt',    '$cat eq "Lt"',         ''],    # Letter, Titlecase
  67     ['IsLm',    '$cat eq "Lm"',         ''],    # Letter, Modifier
  68     ['IsLo',    '$cat eq "Lo"',         ''],    # Letter, Other
  69
  70     ['IsP',     '$cat =~ /^P/',         ''],    # Punctuation
  71     ['IsPd',    '$cat eq "Pd"',         ''],    # Punctuation, Dash
  72     ['IsPs',    '$cat eq "Ps"',         ''],    # Punctuation, Open
  73     ['IsPe',    '$cat eq "Pe"',         ''],    # Punctuation, Close
  74     ['IsPo',    '$cat eq "Po"',         ''],    # Punctuation, Other
  75
  76     ['IsS',     '$cat =~ /^S/',         ''],    # Symbol
  77     ['IsSm',    '$cat eq "Sm"',         ''],    # Symbol, Math
  78     ['IsSc',    '$cat eq "Sc"',         ''],    # Symbol, Currency
  79     ['IsSo',    '$cat eq "So"',         ''],    # Symbol, Other
  80
  81 # Combining class
  82     ['CombiningClass', '$comb',         '$comb'],
  83
  84 # BIDIRECTIONAL PROPERTIES
  85
  86     ['Bidirectional', '$bid',           '$bid'],
  87
  88 # Strong types:
  89
  90     ['IsBidiL', '$bid eq "L"',          ''],    # Left-Right; Most alphabetic,
  91                                                 # syllabic, and logographic
  92                                                 # characters (e.g., CJK
  93                                                 # ideographs)
  94     ['IsBidiR', '$bid eq "R"',          ''],    # Right-Left; Arabic, Hebrew,
  95                                                 # and punctuation specific to
  96                                                 # those scripts
  97
  98 # Weak types:
  99
 100     ['IsBidiEN','$bid eq "EN"',         ''],    # European Number
 101     ['IsBidiES','$bid eq "ES"',         ''],    # European Number Separator
 102     ['IsBidiET','$bid eq "ET"',         ''],    # European Number Terminator
 103     ['IsBidiAN','$bid eq "AN"',         ''],    # Arabic Number
 104     ['IsBidiCS','$bid eq "CS"',         ''],    # Common Number Separator
 105
 106 # Separators:
 107
 108     ['IsBidiB', '$bid eq "B"',          ''],    # Block Separator
 109     ['IsBidiS', '$bid eq "S"',          ''],    # Segment Separator
 110
 111 # Neutrals:
 112
 113     ['IsBidiWS','$bid eq "WS"',         ''],    # Whitespace
 114     ['IsBidiON','$bid eq "ON"',         ''],    # Other Neutrals ; All other
 115                                                 # characters: punctuation,
 116                                                 # symbols
 117
 118 # Decomposition
 119
 120     ['Decomposition',   '$decomp',      '$decomp'],
 121     ['IsDecoCanon',     '$decomp && $decomp !~ /^</',   ''],
 122     ['IsDecoCompat',    '$decomp =~ /^</',              ''],
 123     ['IsDCfont',        '$decomp =~ /^<font>/',         ''],
 124     ['IsDCnoBreak',     '$decomp =~ /^<noBreak>/',      ''],
 125     ['IsDCinitial',     '$decomp =~ /^<initial>/',      ''],
 126     ['IsDCinital',      '$decomp =~ /^<medial>/',       ''],
 127     ['IsDCfinal',       '$decomp =~ /^<final>/',        ''],
 128     ['IsDCisolated',    '$decomp =~ /^<isolated>/',     ''],
 129     ['IsDCcircle',      '$decomp =~ /^<circle>/',       ''],
 130     ['IsDCsuper',       '$decomp =~ /^<super>/',        ''],
 131     ['IsDCsub',         '$decomp =~ /^<sub>/',          ''],
 132     ['IsDCvertical',    '$decomp =~ /^<vertical>/',     ''],
 133     ['IsDCwide',        '$decomp =~ /^<wide>/',         ''],
 134     ['IsDCnarrow',      '$decomp =~ /^<narrow>/',       ''],
 135     ['IsDCsmall',       '$decomp =~ /^<small>/',        ''],
 136     ['IsDCsquare',      '$decomp =~ /^<square>/',       ''],
 137     ['IsDCcompat',      '$decomp =~ /^<compat>/',       ''],
 138
 139 # Number
 140
 141     ['Number',  '$num',                 '$num'],
 142
 143 # Mirrored
 144
 145     ['IsMirrored', '$mir eq "Y"',       ''],
 146
 147 # Arabic
 148
 149     ['ArabLink',        '1',            '$link'],
 150     ['ArabLnkGrp',      '1',            '$linkgroup'],
 151
 152 # Jamo
 153
 154     ['JamoShort',       '1',            '$short'],
 155 );
 156
 157 # This is not written for speed...
 158
 159 foreach $file (@todo) {
 160     my ($table, $wanted, $val) = @$file;
 161     next if @ARGV and not grep { $_ eq $table } @ARGV;
 162     print $table,"\n";
 163     if ($table =~ /^(Is|In|To)(.*)/) {
 164         open(OUT, ">$1/$2.pl") or die "Can't create $1/$2.pl: $!\n";
 165     }
 166     else {
 167         open(OUT, ">$table.pl") or die "Can't create $table.pl: $!\n";
 168     }
 169     print OUT <<"END";
 170 return <<'END';
 171 END
 172     print OUT proplist($table, $wanted, $val);
 173     print OUT "END\n";
 174     close OUT;
 175 }
 176
 177 # Must treat blocks specially.
 178
 179 exit if @ARGV and not grep { $_ eq Block } @ARGV;
 180 print "Block\n";
 181 open(UD, 'blocks.txt') or die "Can't open blocks.txt: $!\n";
 182 open(OUT, ">Block.pl") or die "Can't create $table.pl: $!\n";
 183 print OUT <<"END";
 184 return <<'END';
 185 END
 186
 187 while (<UD>) {
 188     next if /^#/;
 189     next if /^$/;
 190     chomp;
 191     ($code, $last, $name) = split(/; */);
 192     if ($name) {
 193         print OUT "$code        $last   $name\n";
 194         $name =~ s/\s+//g;
 195         open(BLOCK, ">In/$name.pl");
 196         print BLOCK <<"END2";
 197 return <<'END';
 198 $code   $last
 199 END
 200 END2
 201         close BLOCK;
 202     }
 203 }
 204
 205 print OUT "END\n";
 206 close OUT;
 207
 208 ##################################################
 209
 210 sub proplist {
 211     my ($table, $wanted, $val) = @_;
 212     my @wanted;
 213     my $out;
 214     my $split;
 215
 216     if ($table =~ /^Arab/) {
 217         open(UD, "arabshp.txt") or warn "Can't open $table: $!";
 218
 219         $split = '($code, $name, $link, $linkgroup) = split(/; */);';
 220     }
 221     elsif ($table =~ /^Jamo/) {
 222         open(UD, "jamo2.txt") or warn "Can't open $table: $!";
 223
 224         $split = '($code, $short, $name) = split(/; */); $code =~ s/^U\+//;';
 225     }
 226     else {
 227         open(UD, $UnicodeData) or warn "Can't open $UnicodeData: $!";
 228
 229         $split = '($code, $name, $cat, $comb, $bid, $decomp, $dec, $dig, $num, $mir, $uni1,
 230                 $comment, $up, $down, $title) = split(/;/);';
 231     }
 232
 233     if ($table =~ /^(?:To|Is)[A-Z]/) {
 234         eval <<"END";
 235             while (<UD>) {
 236                 next if /^#/;
 237                 next if /^\s/;
 238                 chop;
 239                 $split
 240                 if ($wanted) {
 241                     push(\@wanted, [hex \$code, hex $val, \$name =~ /, First>\$/]);
 242                 }
 243             }
 244 END
 245         die $@ if $@;
 246
 247         while (@wanted) {
 248             $beg = shift @wanted;
 249             $last = $beg;
 250             while (@wanted and $wanted[0]->[0] == $last->[0] + 1 and
 251                 (not $val or $wanted[0]->[1] == $last->[1] + 1)) {
 252                     $last = shift @wanted;
 253             }
 254             $out .= sprintf "%04x", $beg->[0];
 255             if ($beg->[2]) {
 256                 $last = shift @wanted;
 257             }
 258             if ($beg == $last) {
 259                 $out .= "\t";
 260             }
 261             else {
 262                 $out .= sprintf "\t%04x", $last->[0];
 263             }
 264             $out .= sprintf "\t%04x", $beg->[1] if $val;
 265             $out .= "\n";
 266         }
 267     }
 268     else {
 269         eval <<"END";
 270             while (<UD>) {
 271                 next if /^#/;
 272                 next if /^\s*\$/;
 273                 chop;
 274                 $split
 275                 if ($wanted) {
 276                     push(\@wanted, [hex \$code, $val, \$name =~ /, First>\$/]);
 277                 }
 278             }
 279 END
 280         die $@ if $@;
 281
 282         while (@wanted) {
 283             $beg = shift @wanted;
 284             $last = $beg;
 285             while (@wanted and $wanted[0]->[0] == $last->[0] + 1 and
 286                 ($wanted[0]->[1] eq $last->[1])) {
 287                     $last = shift @wanted;
 288             }
 289             $out .= sprintf "%04x", $beg->[0];
 290             if ($beg->[2]) {
 291                 $last = shift @wanted;
 292             }
 293             if ($beg == $last) {
 294                 $out .= "\t";
 295             }
 296             else {
 297                 $out .= sprintf "\t%04x", $last->[0];
 298             }
 299             $out .= sprintf "\t%s\n", $beg->[1];
 300         }
 301     }
 302     $out;
 303 }
 304
 305 # Create the equivalence mappings.
 306
 307 open(UNICODEDATA, $UnicodeData) || die "$0: $UnicodeData: $!\n";
 308
 309 while (<UNICODEDATA>) {
 310     ($code, $name) = split /;/;
 311
 312     $code{$name} = $code;
 313     $name{$code} = $name;
 314
 315     if ($name =~ /^((?:LATIN|GREEK|CYRILLIC|HEBREW|BENGALI) .+? LETTER .+?) WITH /) {
 316         push @base, [ $code, $1 ];
 317     } elsif ($name =~ /^(ARABIC LETTER \w+?) WITH .+ (\w+ FORM)$/) {
 318         push @base, [ $code, "$1 $2" ];
 319     } elsif ($name =~ /^(ARABIC LETTER \w+?) WITH /) {
 320         push @base, [ $code, $1 ];
 321 # Is the concept of turning ligatures into character classes sound?
 322     } elsif ($name =~ /^(ARABIC) LIGATURE (.+?) (WITH .+ )+(\w+ FORM)$/) {
 323         my $script = $1;
 324         my $base   = $2;
 325         my $with   = $3;
 326         my $form   = $4;
 327         push @base, [ $code, "$script LETTER $base" ];
 328         push @base, [ $code, "$script LETTER $base $form" ];
 329         my @with = split(/\bWITH\s+/, $with);
 330         shift @with;
 331         @with = grep { ! /^ (?:ABOVE|BELOW)/ } @with;
 332         foreach my $base (@with) {
 333             push @base, [ $code, "$script LETTER $base" ];
 334             push @base, [ $code, "$script LETTER $base $form" ];
 335         }
 336     } elsif ($name =~ /^((?:ARMENIAN|CYRILLIC) .+) LIGATURE (\w+) (\w+)$/) {
 337         push @base, [ $code, "$1 LETTER $2" ];
 338         push @base, [ $code, "$1 LETTER $3" ];
 339 # Latin ligatures (ae, oe, ij, ff, fi, fl, ffi, ffl, long st, st) ignored.
 340 # Hebrew Yiddish ligatures (double vav, vav yod, double yod, yod yod patah,
 341 # alef lamed) ignored.
 342     } else {
 343         next;
 344     }
 345
 346 }
 347
 348 foreach my $b (@base) {
 349     ($code, $base) = @$b;
 350     next unless exists $code{$base};
 351     push @{$unicode{$code{$base}}}, $code;
 352     print "$code: $name{$code} -> $base\n",
 353 }
 354
 355 @unicode = sort keys %unicode;
 356
 357 if (open(EQ_UNICODE, ">Eq/Unicode")) {
 358     foreach my $c (@unicode) {
 359         print EQ_UNICODE "$c @{$unicode{$c}}\n";
 360     }
 361     close EQ_UNICODE;
 362 } else {
 363     die "$0: failed to open Eq/Unicode for writing: $!\n";
 364 }
 365
 366 if (open(EQ_LATIN1, ">Eq/Latin1")) {
 367     foreach my $c (@unicode) {
 368         last if hex($c) > 255;
 369         my @c = grep { hex($_) <= 255 } @{$unicode{$c}};
 370         next unless @c;
 371         print EQ_LATIN1 "$c @c\n";
 372     }
 373     close EQ_LATIN1;
 374 } else {
 375     die "$0: failed to open Eq/Latin1 for writing: $!\n";
 376 }
 377