src/preproc/refer/token.cpp

   1 // -*- C++ -*-
   2 /* Copyright (C) 1989-2018 Free Software Foundation, Inc.
   3      Written by James Clark (jjc@jclark.com)
   4
   5 This file is part of groff.
   6
   7 groff is free software; you can redistribute it and/or modify it under
   8 the terms of the GNU General Public License as published by the Free
   9 Software Foundation, either version 3 of the License, or
  10 (at your option) any later version.
  11
  12 groff is distributed in the hope that it will be useful, but WITHOUT ANY
  13 WARRANTY; without even the implied warranty of MERCHANTABILITY or
  14 FITNESS FOR A PARTICULAR PURPOSE.  See the GNU General Public License
  15 for more details.
  16
  17 You should have received a copy of the GNU General Public License
  18 along with this program.  If not, see <http://www.gnu.org/licenses/>. */
  19
  20 #include "refer.h"
  21 #include "token.h"
  22
  23 #define TOKEN_TABLE_SIZE 1009
  24 // I believe in Icelandic thorn sorts after z.
  25 #define THORN_SORT_KEY "{"
  26
  27 struct token_table_entry {
  28   const char *tok;
  29   token_info ti;
  30   token_table_entry();
  31 };
  32
  33 token_table_entry token_table[TOKEN_TABLE_SIZE];
  34 int ntokens = 0;
  35
  36 static void skip_name(const char **ptr, const char *end)
  37 {
  38   if (*ptr < end) {
  39     switch (*(*ptr)++) {
  40     case '(':
  41       if (*ptr < end) {
  42         *ptr += 1;
  43         if (*ptr < end)
  44           *ptr += 1;
  45       }
  46       break;
  47     case '[':
  48       while (*ptr < end)
  49         if (*(*ptr)++ == ']')
  50           break;
  51       break;
  52     }
  53   }
  54 }
  55
  56 int get_token(const char **ptr, const char *end)
  57 {
  58   if (*ptr >= end)
  59     return 0;
  60   char c = *(*ptr)++;
  61   if (c == '\\' && *ptr < end) {
  62     switch (**ptr) {
  63     default:
  64       *ptr += 1;
  65       break;
  66     case '(':
  67     case '[':
  68       skip_name(ptr, end);
  69       break;
  70     case '*':
  71     case 'f':
  72       *ptr += 1;
  73       skip_name(ptr, end);
  74       break;
  75     }
  76   }
  77   return 1;
  78 }
  79
  80 token_info::token_info()
  81 : type(TOKEN_OTHER), sort_key(0), other_case(0)
  82 {
  83 }
  84
  85 void token_info::set(token_type t, const char *sk, const char *oc)
  86 {
  87   assert(oc == 0 || t == TOKEN_UPPER || t == TOKEN_LOWER);
  88   type = t;
  89   sort_key = sk;
  90   other_case = oc;
  91 }
  92
  93 void token_info::sortify(const char *start, const char *end, string &result)
  94      const
  95 {
  96   if (sort_key)
  97     result += sort_key;
  98   else if (type == TOKEN_UPPER || type == TOKEN_LOWER) {
  99     for (; start < end; start++)
 100       if (csalpha(*start))
 101         result += cmlower(*start);
 102   }
 103 }
 104
 105 int token_info::sortify_non_empty(const char *start, const char *end) const
 106 {
 107   if (sort_key)
 108     return *sort_key != '\0';
 109   if (type != TOKEN_UPPER && type != TOKEN_LOWER)
 110     return 0;
 111   for (; start < end; start++)
 112     if (csalpha(*start))
 113       return 1;
 114   return 0;
 115 }
 116
 117
 118 void token_info::lower_case(const char *start, const char *end,
 119                             string &result) const
 120 {
 121   if (type != TOKEN_UPPER) {
 122     while (start < end)
 123       result += *start++;
 124   }
 125   else if (other_case)
 126     result += other_case;
 127   else {
 128     while (start < end)
 129       result += cmlower(*start++);
 130   }
 131 }
 132
 133 void token_info::upper_case(const char *start, const char *end,
 134                             string &result) const
 135 {
 136   if (type != TOKEN_LOWER) {
 137     while (start < end)
 138       result += *start++;
 139   }
 140   else if (other_case)
 141     result += other_case;
 142   else {
 143     while (start < end)
 144       result += cmupper(*start++);
 145   }
 146 }
 147
 148 token_table_entry::token_table_entry()
 149 : tok(0)
 150 {
 151 }
 152
 153 static void store_token(const char *tok, token_type typ,
 154                         const char *sk = 0, const char *oc = 0)
 155 {
 156   unsigned n = hash_string(tok, strlen(tok)) % TOKEN_TABLE_SIZE;
 157   for (;;) {
 158     if (token_table[n].tok == 0) {
 159       if (++ntokens == TOKEN_TABLE_SIZE)
 160         assert(0);
 161       token_table[n].tok = tok;
 162       break;
 163     }
 164     if (strcmp(tok, token_table[n].tok) == 0)
 165       break;
 166     if (n == 0)
 167       n = TOKEN_TABLE_SIZE - 1;
 168     else
 169       --n;
 170   }
 171   token_table[n].ti.set(typ, sk, oc);
 172 }
 173
 174
 175 token_info default_token_info;
 176
 177 const token_info *lookup_token(const char *start, const char *end)
 178 {
 179   unsigned n = hash_string(start, end - start) % TOKEN_TABLE_SIZE;
 180   for (;;) {
 181     if (token_table[n].tok == 0)
 182       break;
 183     if (strlen(token_table[n].tok) == size_t(end - start)
 184         && memcmp(token_table[n].tok, start, end - start) == 0)
 185       return &(token_table[n].ti);
 186     if (n == 0)
 187       n = TOKEN_TABLE_SIZE - 1;
 188     else
 189       --n;
 190   }
 191   return &default_token_info;
 192 }
 193
 194 static void init_ascii()
 195 {
 196   const char *p;
 197   for (p = "abcdefghijklmnopqrstuvwxyz"; *p; p++) {
 198     char buf[2];
 199     buf[0] = *p;
 200     buf[1] = '\0';
 201     store_token(strsave(buf), TOKEN_LOWER);
 202     buf[0] = cmupper(buf[0]);
 203     store_token(strsave(buf), TOKEN_UPPER);
 204   }
 205   for (p = "0123456789"; *p; p++) {
 206     char buf[2];
 207     buf[0] = *p;
 208     buf[1] = '\0';
 209     const char *s = strsave(buf);
 210     store_token(s, TOKEN_OTHER, s);
 211   }
 212   for (p = ".,:;?!"; *p; p++) {
 213     char buf[2];
 214     buf[0] = *p;
 215     buf[1] = '\0';
 216     store_token(strsave(buf), TOKEN_PUNCT);
 217   }
 218   store_token("-", TOKEN_HYPHEN);
 219 }
 220
 221 static void store_letter(const char *lower, const char *upper,
 222                   const char *sort_key = 0)
 223 {
 224   store_token(lower, TOKEN_LOWER, sort_key, upper);
 225   store_token(upper, TOKEN_UPPER, sort_key, lower);
 226 }
 227
 228 static void init_letter(unsigned char uc_code, unsigned char lc_code,
 229                  const char *sort_key)
 230 {
 231   char lbuf[2];
 232   lbuf[0] = lc_code;
 233   lbuf[1] = 0;
 234   char ubuf[2];
 235   ubuf[0] = uc_code;
 236   ubuf[1] = 0;
 237   store_letter(strsave(lbuf), strsave(ubuf), sort_key);
 238 }
 239
 240 static void init_latin1()
 241 {
 242   init_letter(0xc0, 0xe0, "a");
 243   init_letter(0xc1, 0xe1, "a");
 244   init_letter(0xc2, 0xe2, "a");
 245   init_letter(0xc3, 0xe3, "a");
 246   init_letter(0xc4, 0xe4, "a");
 247   init_letter(0xc5, 0xe5, "a");
 248   init_letter(0xc6, 0xe6, "ae");
 249   init_letter(0xc7, 0xe7, "c");
 250   init_letter(0xc8, 0xe8, "e");
 251   init_letter(0xc9, 0xe9, "e");
 252   init_letter(0xca, 0xea, "e");
 253   init_letter(0xcb, 0xeb, "e");
 254   init_letter(0xcc, 0xec, "i");
 255   init_letter(0xcd, 0xed, "i");
 256   init_letter(0xce, 0xee, "i");
 257   init_letter(0xcf, 0xef, "i");
 258
 259   init_letter(0xd0, 0xf0, "d");
 260   init_letter(0xd1, 0xf1, "n");
 261   init_letter(0xd2, 0xf2, "o");
 262   init_letter(0xd3, 0xf3, "o");
 263   init_letter(0xd4, 0xf4, "o");
 264   init_letter(0xd5, 0xf5, "o");
 265   init_letter(0xd6, 0xf6, "o");
 266   init_letter(0xd8, 0xf8, "o");
 267   init_letter(0xd9, 0xf9, "u");
 268   init_letter(0xda, 0xfa, "u");
 269   init_letter(0xdb, 0xfb, "u");
 270   init_letter(0xdc, 0xfc, "u");
 271   init_letter(0xdd, 0xfd, "y");
 272   init_letter(0xde, 0xfe, THORN_SORT_KEY);
 273
 274   store_token("\337", TOKEN_LOWER, "ss", "SS");
 275   store_token("\377", TOKEN_LOWER, "y", "Y");
 276 }
 277
 278 static void init_two_char_letter(char l1, char l2, char u1, char u2,
 279                                  const char *sk = 0)
 280 {
 281   char buf[6];
 282   buf[0] = '\\';
 283   buf[1] = '(';
 284   buf[2] = l1;
 285   buf[3] = l2;
 286   buf[4] = '\0';
 287   const char *p = strsave(buf);
 288   buf[2] = u1;
 289   buf[3] = u2;
 290   store_letter(p, strsave(buf), sk);
 291   buf[1] = '[';
 292   buf[4] = ']';
 293   buf[5] = '\0';
 294   p = strsave(buf);
 295   buf[2] = l1;
 296   buf[3] = l2;
 297   store_letter(strsave(buf), p, sk);
 298
 299 }
 300
 301 static void init_special_chars()
 302 {
 303   const char *p;
 304   for (p = "':^`~"; *p; p++)
 305     for (const char *q = "aeiouy"; *q; q++) {
 306       // Use a variable to work around bug in gcc 2.0
 307       char c = cmupper(*q);
 308       init_two_char_letter(*p, *q, *p, c);
 309     }
 310   for (p = "/l/o~n,coeaeij"; *p; p += 2) {
 311     // Use variables to work around bug in gcc 2.0
 312     char c0 = cmupper(p[0]);
 313     char c1 = cmupper(p[1]);
 314     init_two_char_letter(p[0], p[1], c0, c1);
 315   }
 316   init_two_char_letter('v', 's', 'v', 'S', "s");
 317   init_two_char_letter('v', 'z', 'v', 'Z', "z");
 318   init_two_char_letter('o', 'a', 'o', 'A', "a");
 319   init_two_char_letter('T', 'p', 'T', 'P', THORN_SORT_KEY);
 320   init_two_char_letter('-', 'd', '-', 'D');
 321
 322   store_token("\\(ss", TOKEN_LOWER, 0, "SS");
 323   store_token("\\[ss]", TOKEN_LOWER, 0, "SS");
 324
 325   store_token("\\(Sd", TOKEN_LOWER, "d", "\\(-D");
 326   store_token("\\[Sd]", TOKEN_LOWER, "d", "\\[-D]");
 327   store_token("\\(hy", TOKEN_HYPHEN);
 328   store_token("\\[hy]", TOKEN_HYPHEN);
 329   store_token("\\(en", TOKEN_RANGE_SEP);
 330   store_token("\\[en]", TOKEN_RANGE_SEP);
 331 }
 332
 333 static void init_strings()
 334 {
 335   char buf[6];
 336   buf[0] = '\\';
 337   buf[1] = '*';
 338   for (const char *p = "'`^^,:~v_o./;"; *p; p++) {
 339     buf[2] = *p;
 340     buf[3] = '\0';
 341     store_token(strsave(buf), TOKEN_ACCENT);
 342     buf[2] = '[';
 343     buf[3] = *p;
 344     buf[4] = ']';
 345     buf[5] = '\0';
 346     store_token(strsave(buf), TOKEN_ACCENT);
 347   }
 348
 349   // -ms special letters
 350   store_letter("\\*(th", "\\*(Th", THORN_SORT_KEY);
 351   store_letter("\\*[th]", "\\*[Th]", THORN_SORT_KEY);
 352   store_letter("\\*(d-", "\\*(D-");
 353   store_letter("\\*[d-]", "\\*[D-]");
 354   store_letter("\\*(ae", "\\*(Ae", "ae");
 355   store_letter("\\*[ae]", "\\*[Ae]", "ae");
 356   store_letter("\\*(oe", "\\*(Oe", "oe");
 357   store_letter("\\*[oe]", "\\*[Oe]", "oe");
 358
 359   store_token("\\*3", TOKEN_LOWER, "y", "Y");
 360   store_token("\\*8", TOKEN_LOWER, "ss", "SS");
 361   store_token("\\*q", TOKEN_LOWER, "o", "O");
 362 }
 363
 364 struct token_initer {
 365   token_initer();
 366 };
 367
 368 static token_initer the_token_initer;
 369
 370 token_initer::token_initer()
 371 {
 372   init_ascii();
 373   init_latin1();
 374   init_special_chars();
 375   init_strings();
 376   default_token_info.set(TOKEN_OTHER);
 377 }