libiberty/rust-demangle.c

   1 /* Demangler for the Rust programming language
   2    Copyright (C) 2016-2018 Free Software Foundation, Inc.
   3    Written by David Tolnay (dtolnay@gmail.com).
   4
   5 This file is part of the libiberty library.
   6 Libiberty is free software; you can redistribute it and/or
   7 modify it under the terms of the GNU Library General Public
   8 License as published by the Free Software Foundation; either
   9 version 2 of the License, or (at your option) any later version.
  10
  11 In addition to the permissions in the GNU Library General Public
  12 License, the Free Software Foundation gives you unlimited permission
  13 to link the compiled version of this file into combinations with other
  14 programs, and to distribute those combinations without any restriction
  15 coming from the use of this file.  (The Library Public License
  16 restrictions do apply in other respects; for example, they cover
  17 modification of the file, and distribution when not linked into a
  18 combined executable.)
  19
  20 Libiberty is distributed in the hope that it will be useful,
  21 but WITHOUT ANY WARRANTY; without even the implied warranty of
  22 MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  23 Library General Public License for more details.
  24
  25 You should have received a copy of the GNU Library General Public
  26 License along with libiberty; see the file COPYING.LIB.
  27 If not, see <http://www.gnu.org/licenses/>.  */
  28
  29
  30 #ifdef HAVE_CONFIG_H
  31 #include "config.h"
  32 #endif
  33
  34 #include "safe-ctype.h"
  35
  36 #include <sys/types.h>
  37 #include <string.h>
  38 #include <stdio.h>
  39
  40 #ifdef HAVE_STRING_H
  41 #include <string.h>
  42 #else
  43 extern size_t strlen(const char *s);
  44 extern int strncmp(const char *s1, const char *s2, size_t n);
  45 extern void *memset(void *s, int c, size_t n);
  46 #endif
  47
  48 #include <demangle.h>
  49 #include "libiberty.h"
  50
  51
  52 /* Mangled Rust symbols look like this:
  53      _$LT$std..sys..fd..FileDesc$u20$as$u20$core..ops..Drop$GT$::drop::hc68340e1baa4987a
  54
  55    The original symbol is:
  56      <std::sys::fd::FileDesc as core::ops::Drop>::drop
  57
  58    The last component of the path is a 64-bit hash in lowercase hex,
  59    prefixed with "h". Rust does not have a global namespace between
  60    crates, an illusion which Rust maintains by using the hash to
  61    distinguish things that would otherwise have the same symbol.
  62
  63    Any path component not starting with a XID_Start character is
  64    prefixed with "_".
  65
  66    The following escape sequences are used:
  67
  68    ","  =>  $C$
  69    "@"  =>  $SP$
  70    "*"  =>  $BP$
  71    "&"  =>  $RF$
  72    "<"  =>  $LT$
  73    ">"  =>  $GT$
  74    "("  =>  $LP$
  75    ")"  =>  $RP$
  76    " "  =>  $u20$
  77    "\"" =>  $u22$
  78    "'"  =>  $u27$
  79    "+"  =>  $u2b$
  80    ";"  =>  $u3b$
  81    "["  =>  $u5b$
  82    "]"  =>  $u5d$
  83    "{"  =>  $u7b$
  84    "}"  =>  $u7d$
  85    "~"  =>  $u7e$
  86
  87    A double ".." means "::" and a single "." means "-".
  88
  89    The only characters allowed in the mangled symbol are a-zA-Z0-9 and _.:$  */
  90
  91 static const char *hash_prefix = "::h";
  92 static const size_t hash_prefix_len = 3;
  93 static const size_t hash_len = 16;
  94
  95 static int is_prefixed_hash (const char *start);
  96 static int looks_like_rust (const char *sym, size_t len);
  97 static int unescape (const char **in, char **out, const char *seq, char value);
  98
  99 /* INPUT: sym: symbol that has been through C++ (gnu v3) demangling
 100
 101    This function looks for the following indicators:
 102
 103    1. The hash must consist of "h" followed by 16 lowercase hex digits.
 104
 105    2. As a sanity check, the hash must use between 5 and 15 of the 16
 106       possible hex digits. This is true of 99.9998% of hashes so once
 107       in your life you may see a false negative. The point is to
 108       notice path components that could be Rust hashes but are
 109       probably not, like "haaaaaaaaaaaaaaaa". In this case a false
 110       positive (non-Rust symbol has an important path component
 111       removed because it looks like a Rust hash) is worse than a false
 112       negative (the rare Rust symbol is not demangled) so this sets
 113       the balance in favor of false negatives.
 114
 115    3. There must be no characters other than a-zA-Z0-9 and _.:$
 116
 117    4. There must be no unrecognized $-sign sequences.
 118
 119    5. There must be no sequence of three or more dots in a row ("...").  */
 120
 121 int
 122 rust_is_mangled (const char *sym)
 123 {
 124   size_t len, len_without_hash;
 125
 126   if (!sym)
 127     return 0;
 128
 129   len = strlen (sym);
 130   if (len <= hash_prefix_len + hash_len)
 131     /* Not long enough to contain "::h" + hash + something else */
 132     return 0;
 133
 134   len_without_hash = len - (hash_prefix_len + hash_len);
 135   if (!is_prefixed_hash (sym + len_without_hash))
 136     return 0;
 137
 138   return looks_like_rust (sym, len_without_hash);
 139 }
 140
 141 /* A hash is the prefix "::h" followed by 16 lowercase hex digits. The
 142    hex digits must comprise between 5 and 15 (inclusive) distinct
 143    digits.  */
 144
 145 static int
 146 is_prefixed_hash (const char *str)
 147 {
 148   const char *end;
 149   char seen[16];
 150   size_t i;
 151   int count;
 152
 153   if (strncmp (str, hash_prefix, hash_prefix_len))
 154     return 0;
 155   str += hash_prefix_len;
 156
 157   memset (seen, 0, sizeof(seen));
 158   for (end = str + hash_len; str < end; str++)
 159     if (*str >= '0' && *str <= '9')
 160       seen[*str - '0'] = 1;
 161     else if (*str >= 'a' && *str <= 'f')
 162       seen[*str - 'a' + 10] = 1;
 163     else
 164       return 0;
 165
 166   /* Count how many distinct digits seen */
 167   count = 0;
 168   for (i = 0; i < 16; i++)
 169     if (seen[i])
 170       count++;
 171
 172   return count >= 5 && count <= 15;
 173 }
 174
 175 static int
 176 looks_like_rust (const char *str, size_t len)
 177 {
 178   const char *end = str + len;
 179
 180   while (str < end)
 181     switch (*str)
 182       {
 183       case '$':
 184         if (!strncmp (str, "$C$", 3))
 185           str += 3;
 186         else if (!strncmp (str, "$SP$", 4)
 187                  || !strncmp (str, "$BP$", 4)
 188                  || !strncmp (str, "$RF$", 4)
 189                  || !strncmp (str, "$LT$", 4)
 190                  || !strncmp (str, "$GT$", 4)
 191                  || !strncmp (str, "$LP$", 4)
 192                  || !strncmp (str, "$RP$", 4))
 193           str += 4;
 194         else if (!strncmp (str, "$u20$", 5)
 195                  || !strncmp (str, "$u22$", 5)
 196                  || !strncmp (str, "$u27$", 5)
 197                  || !strncmp (str, "$u2b$", 5)
 198                  || !strncmp (str, "$u3b$", 5)
 199                  || !strncmp (str, "$u5b$", 5)
 200                  || !strncmp (str, "$u5d$", 5)
 201                  || !strncmp (str, "$u7b$", 5)
 202                  || !strncmp (str, "$u7d$", 5)
 203                  || !strncmp (str, "$u7e$", 5))
 204           str += 5;
 205         else
 206           return 0;
 207         break;
 208       case '.':
 209         /* Do not allow three or more consecutive dots */
 210         if (!strncmp (str, "...", 3))
 211           return 0;
 212         /* Fall through */
 213       case 'a': case 'b': case 'c': case 'd': case 'e': case 'f':
 214       case 'g': case 'h': case 'i': case 'j': case 'k': case 'l':
 215       case 'm': case 'n': case 'o': case 'p': case 'q': case 'r':
 216       case 's': case 't': case 'u': case 'v': case 'w': case 'x':
 217       case 'y': case 'z':
 218       case 'A': case 'B': case 'C': case 'D': case 'E': case 'F':
 219       case 'G': case 'H': case 'I': case 'J': case 'K': case 'L':
 220       case 'M': case 'N': case 'O': case 'P': case 'Q': case 'R':
 221       case 'S': case 'T': case 'U': case 'V': case 'W': case 'X':
 222       case 'Y': case 'Z':
 223       case '0': case '1': case '2': case '3': case '4': case '5':
 224       case '6': case '7': case '8': case '9':
 225       case '_':
 226       case ':':
 227         str++;
 228         break;
 229       default:
 230         return 0;
 231       }
 232
 233   return 1;
 234 }
 235
 236 /*
 237   INPUT: sym: symbol for which rust_is_mangled(sym) returned 1.
 238
 239   The input is demangled in-place because the mangled name is always
 240   longer than the demangled one.  */
 241
 242 void
 243 rust_demangle_sym (char *sym)
 244 {
 245   const char *in;
 246   char *out;
 247   const char *end;
 248
 249   if (!sym)
 250     return;
 251
 252   in = sym;
 253   out = sym;
 254   end = sym + strlen (sym) - (hash_prefix_len + hash_len);
 255
 256   while (in < end)
 257     switch (*in)
 258       {
 259       case '$':
 260         if (!(unescape (&in, &out, "$C$", ',')
 261               || unescape (&in, &out, "$SP$", '@')
 262               || unescape (&in, &out, "$BP$", '*')
 263               || unescape (&in, &out, "$RF$", '&')
 264               || unescape (&in, &out, "$LT$", '<')
 265               || unescape (&in, &out, "$GT$", '>')
 266               || unescape (&in, &out, "$LP$", '(')
 267               || unescape (&in, &out, "$RP$", ')')
 268               || unescape (&in, &out, "$u20$", ' ')
 269               || unescape (&in, &out, "$u22$", '\"')
 270               || unescape (&in, &out, "$u27$", '\'')
 271               || unescape (&in, &out, "$u2b$", '+')
 272               || unescape (&in, &out, "$u3b$", ';')
 273               || unescape (&in, &out, "$u5b$", '[')
 274               || unescape (&in, &out, "$u5d$", ']')
 275               || unescape (&in, &out, "$u7b$", '{')
 276               || unescape (&in, &out, "$u7d$", '}')
 277               || unescape (&in, &out, "$u7e$", '~'))) {
 278           /* unexpected escape sequence, not looks_like_rust. */
 279           goto fail;
 280         }
 281         break;
 282       case '_':
 283         /* If this is the start of a path component and the next
 284            character is an escape sequence, ignore the underscore. The
 285            mangler inserts an underscore to make sure the path
 286            component begins with a XID_Start character. */
 287         if ((in == sym || in[-1] == ':') && in[1] == '$')
 288           in++;
 289         else
 290           *out++ = *in++;
 291         break;
 292       case '.':
 293         if (in[1] == '.')
 294           {
 295             /* ".." becomes "::" */
 296             *out++ = ':';
 297             *out++ = ':';
 298             in += 2;
 299           }
 300         else
 301           {
 302             /* "." becomes "-" */
 303             *out++ = '-';
 304             in++;
 305           }
 306         break;
 307       case 'a': case 'b': case 'c': case 'd': case 'e': case 'f':
 308       case 'g': case 'h': case 'i': case 'j': case 'k': case 'l':
 309       case 'm': case 'n': case 'o': case 'p': case 'q': case 'r':
 310       case 's': case 't': case 'u': case 'v': case 'w': case 'x':
 311       case 'y': case 'z':
 312       case 'A': case 'B': case 'C': case 'D': case 'E': case 'F':
 313       case 'G': case 'H': case 'I': case 'J': case 'K': case 'L':
 314       case 'M': case 'N': case 'O': case 'P': case 'Q': case 'R':
 315       case 'S': case 'T': case 'U': case 'V': case 'W': case 'X':
 316       case 'Y': case 'Z':
 317       case '0': case '1': case '2': case '3': case '4': case '5':
 318       case '6': case '7': case '8': case '9':
 319       case ':':
 320         *out++ = *in++;
 321         break;
 322       default:
 323         /* unexpected character in symbol, not looks_like_rust.  */
 324         goto fail;
 325       }
 326   goto done;
 327
 328 fail:
 329   *out++ = '?'; /* This is pretty lame, but it's hard to do better. */
 330 done:
 331   *out = '\0';
 332 }
 333
 334 static int
 335 unescape (const char **in, char **out, const char *seq, char value)
 336 {
 337   size_t len = strlen (seq);
 338
 339   if (strncmp (*in, seq, len))
 340     return 0;
 341
 342   **out = value;
 343
 344   *in += len;
 345   *out += 1;
 346
 347   return 1;
 348 }