src/third_party/icu/source/tools/gensprep/gensprep.c

   1 /*
   2 *******************************************************************************
   3 *
   4 *   Copyright (C) 2003-2009, International Business Machines
   5 *   Corporation and others.  All Rights Reserved.
   6 *
   7 *******************************************************************************
   8 *   file name:  gensprep.c
   9 *   encoding:   US-ASCII
  10 *   tab size:   8 (not used)
  11 *   indentation:4
  12 *
  13 *   created on: 2003-02-06
  14 *   created by: Ram Viswanadha
  15 *
  16 *   This program reads the Profile.txt files,
  17 *   parses them, and extracts the data for StringPrep profile.
  18 *   It then preprocesses it and writes a binary file for efficient use
  19 *   in various StringPrep conversion processes.
  20 */
  21
  22 #define USPREP_TYPE_NAMES_ARRAY 1
  23
  24 #include <stdio.h>
  25 #include <stdlib.h>
  26
  27 #include "cmemory.h"
  28 #include "cstring.h"
  29 #include "unewdata.h"
  30 #include "uoptions.h"
  31 #include "uparse.h"
  32 #include "sprpimpl.h"
  33
  34 #include "unicode/udata.h"
  35 #include "unicode/utypes.h"
  36 #include "unicode/putil.h"
  37
  38
  39 U_CDECL_BEGIN
  40 #include "gensprep.h"
  41 U_CDECL_END
  42
  43 UBool beVerbose=FALSE, haveCopyright=TRUE;
  44
  45 #define NORM_CORRECTIONS_FILE_NAME "NormalizationCorrections.txt"
  46
  47 #define NORMALIZE_DIRECTIVE "normalize"
  48 #define NORMALIZE_DIRECTIVE_LEN 9
  49 #define CHECK_BIDI_DIRECTIVE "check-bidi"
  50 #define CHECK_BIDI_DIRECTIVE_LEN 10
  51
  52 /* prototypes --------------------------------------------------------------- */
  53
  54 static void
  55 parseMappings(const char *filename, UBool reportError, UErrorCode *pErrorCode);
  56
  57 static void
  58 parseNormalizationCorrections(const char *filename, UErrorCode *pErrorCode);
  59
  60
  61 /* -------------------------------------------------------------------------- */
  62
  63 static UOption options[]={
  64     UOPTION_HELP_H,
  65     UOPTION_HELP_QUESTION_MARK,
  66     UOPTION_VERBOSE,
  67     UOPTION_COPYRIGHT,
  68     UOPTION_DESTDIR,
  69     UOPTION_SOURCEDIR,
  70     UOPTION_ICUDATADIR,
  71     UOPTION_BUNDLE_NAME,
  72     { "normalization", NULL, NULL, NULL, 'n', UOPT_REQUIRES_ARG, 0 },
  73     { "norm-correction", NULL, NULL, NULL, 'm', UOPT_REQUIRES_ARG, 0 },
  74     { "check-bidi", NULL, NULL, NULL,  'k', UOPT_NO_ARG, 0},
  75     { "unicode", NULL, NULL, NULL, 'u', UOPT_REQUIRES_ARG, 0 },
  76 };
  77
  78 enum{
  79     HELP,
  80     HELP_QUESTION_MARK,
  81     VERBOSE,
  82     COPYRIGHT,
  83     DESTDIR,
  84     SOURCEDIR,
  85     ICUDATADIR,
  86     BUNDLE_NAME,
  87     NORMALIZE,
  88     NORM_CORRECTION_DIR,
  89     CHECK_BIDI,
  90     UNICODE_VERSION
  91 };
  92
  93 static int printHelp(int argc, char* argv[]){
  94     /*
  95      * Broken into chucks because the C89 standard says the minimum
  96      * required supported string length is 509 bytes.
  97      */
  98     fprintf(stderr,
  99         "Usage: %s [-options] [file_name]\n"
 100         "\n"
 101         "Read the files specified and\n"
 102         "create a binary file [package-name]_[bundle-name]." DATA_TYPE " with the StringPrep profile data\n"
 103         "\n",
 104         argv[0]);
 105     fprintf(stderr,
 106         "Options:\n"
 107         "\t-h or -? or --help       print this usage text\n"
 108         "\t-v or --verbose          verbose output\n"
 109         "\t-c or --copyright        include a copyright notice\n");
 110     fprintf(stderr,
 111         "\t-d or --destdir          destination directory, followed by the path\n"
 112         "\t-s or --sourcedir        source directory of ICU data, followed by the path\n"
 113         "\t-b or --bundle-name      generate the ouput data file with the name specified\n"
 114         "\t-i or --icudatadir       directory for locating any needed intermediate data files,\n"
 115         "\t                         followed by path, defaults to %s\n",
 116         u_getDataDirectory());
 117     fprintf(stderr,
 118         "\t-n or --normalize        turn on the option for normalization and include mappings\n"
 119         "\t                         from NormalizationCorrections.txt from the given path,\n"
 120         "\t                         e.g: /test/icu/source/data/unidata\n");
 121     fprintf(stderr,
 122         "\t-m or --norm-correction  use NormalizationCorrections.txt from the given path\n"
 123         "\t                         when the input file contains a normalization directive.\n"
 124         "\t                         unlike -n/--normalize, this option does not force the\n"
 125         "\t                         normalization.\n");
 126     fprintf(stderr,
 127         "\t-k or --check-bidi       turn on the option for checking for BiDi in the profile\n"
 128         "\t-u or --unicode          version of Unicode to be used with this profile followed by the version\n"
 129         );
 130     return argc<0 ? U_ILLEGAL_ARGUMENT_ERROR : U_ZERO_ERROR;
 131 }
 132
 133
 134 extern int
 135 main(int argc, char* argv[]) {
 136 #if !UCONFIG_NO_IDNA
 137     char* filename = NULL;
 138 #endif
 139     const char *srcDir=NULL, *destDir=NULL, *icuUniDataDir=NULL;
 140     const char *bundleName=NULL, *inputFileName = NULL;
 141     char *basename=NULL;
 142     int32_t sprepOptions = 0;
 143
 144     UErrorCode errorCode=U_ZERO_ERROR;
 145
 146     U_MAIN_INIT_ARGS(argc, argv);
 147
 148     /* preset then read command line options */
 149     options[DESTDIR].value=u_getDataDirectory();
 150     options[SOURCEDIR].value="";
 151     options[UNICODE_VERSION].value="0"; /* don't assume the unicode version */
 152     options[BUNDLE_NAME].value = DATA_NAME;
 153     options[NORMALIZE].value = "";
 154
 155     argc=u_parseArgs(argc, argv, sizeof(options)/sizeof(options[0]), options);
 156
 157     /* error handling, printing usage message */
 158     if(argc<0) {
 159         fprintf(stderr,
 160             "error in command line argument \"%s\"\n",
 161             argv[-argc]);
 162     }
 163     if(argc<0 || options[HELP].doesOccur || options[HELP_QUESTION_MARK].doesOccur) {
 164         return printHelp(argc, argv);
 165
 166     }
 167
 168     /* get the options values */
 169     beVerbose=options[VERBOSE].doesOccur;
 170     haveCopyright=options[COPYRIGHT].doesOccur;
 171     srcDir=options[SOURCEDIR].value;
 172     destDir=options[DESTDIR].value;
 173     bundleName = options[BUNDLE_NAME].value;
 174     if(options[NORMALIZE].doesOccur) {
 175         icuUniDataDir = options[NORMALIZE].value;
 176     } else {
 177         icuUniDataDir = options[NORM_CORRECTION_DIR].value;
 178     }
 179
 180     if(argc<2) {
 181         /* print the help message */
 182         return printHelp(argc, argv);
 183     } else {
 184         inputFileName = argv[1];
 185     }
 186     if(!options[UNICODE_VERSION].doesOccur){
 187         return printHelp(argc, argv);
 188     }
 189     if(options[ICUDATADIR].doesOccur) {
 190         u_setDataDirectory(options[ICUDATADIR].value);
 191     }
 192 #if UCONFIG_NO_IDNA
 193
 194     fprintf(stderr,
 195         "gensprep writes dummy " U_ICUDATA_NAME "_" DATA_NAME "." DATA_TYPE
 196         " because UCONFIG_NO_IDNA is set, \n"
 197         "see icu/source/common/unicode/uconfig.h\n");
 198     generateData(destDir, bundleName);
 199
 200 #else
 201
 202     setUnicodeVersion(options[UNICODE_VERSION].value);
 203     filename = (char* ) uprv_malloc(uprv_strlen(srcDir) + 300); /* hopefully this should be enough */
 204
 205     /* prepare the filename beginning with the source dir */
 206     if(uprv_strchr(srcDir,U_FILE_SEP_CHAR) == NULL && uprv_strchr(srcDir,U_FILE_ALT_SEP_CHAR) == NULL){
 207         filename[0] = '.';
 208         filename[1] = U_FILE_SEP_CHAR;
 209         uprv_strcpy(filename+2,srcDir);
 210     }else{
 211         uprv_strcpy(filename, srcDir);
 212     }
 213
 214     basename=filename+uprv_strlen(filename);
 215     if(basename>filename && *(basename-1)!=U_FILE_SEP_CHAR) {
 216         *basename++=U_FILE_SEP_CHAR;
 217     }
 218
 219     /* initialize */
 220     init();
 221
 222     /* process the file */
 223     uprv_strcpy(basename,inputFileName);
 224     parseMappings(filename,FALSE, &errorCode);
 225     if(U_FAILURE(errorCode)) {
 226         fprintf(stderr, "Could not open file %s for reading. Error: %s \n", filename, u_errorName(errorCode));
 227         return errorCode;
 228     }
 229
 230     if(options[NORMALIZE].doesOccur){ /* this option might be set by @normalize;; in the source file */
 231         /* set up directory for NormalizationCorrections.txt */
 232         uprv_strcpy(filename,icuUniDataDir);
 233         basename=filename+uprv_strlen(filename);
 234         if(basename>filename && *(basename-1)!=U_FILE_SEP_CHAR) {
 235             *basename++=U_FILE_SEP_CHAR;
 236         }
 237
 238         *basename++=U_FILE_SEP_CHAR;
 239         uprv_strcpy(basename,NORM_CORRECTIONS_FILE_NAME);
 240
 241         parseNormalizationCorrections(filename,&errorCode);
 242         if(U_FAILURE(errorCode)){
 243             fprintf(stderr,"Could not open file %s for reading \n", filename);
 244             return errorCode;
 245         }
 246         sprepOptions |= _SPREP_NORMALIZATION_ON;
 247     }
 248
 249     if(options[CHECK_BIDI].doesOccur){ /* this option might be set by @check-bidi;; in the source file */
 250         sprepOptions |= _SPREP_CHECK_BIDI_ON;
 251     }
 252
 253     setOptions(sprepOptions);
 254
 255     /* process parsed data */
 256     if(U_SUCCESS(errorCode)) {
 257         /* write the data file */
 258         generateData(destDir, bundleName);
 259
 260         cleanUpData();
 261     }
 262
 263     uprv_free(filename);
 264
 265 #endif
 266
 267     return errorCode;
 268 }
 269
 270 #if !UCONFIG_NO_IDNA
 271
 272 static void U_CALLCONV
 273 normalizationCorrectionsLineFn(void *context,
 274                     char *fields[][2], int32_t fieldCount,
 275                     UErrorCode *pErrorCode) {
 276     uint32_t mapping[40];
 277     char *end, *s;
 278     uint32_t code;
 279     int32_t length;
 280     UVersionInfo version;
 281     UVersionInfo thisVersion;
 282
 283     /* get the character code, field 0 */
 284     code=(uint32_t)uprv_strtoul(fields[0][0], &end, 16);
 285     if(U_FAILURE(*pErrorCode)) {
 286         fprintf(stderr, "gensprep: error parsing NormalizationCorrections.txt mapping at %s\n", fields[0][0]);
 287         exit(*pErrorCode);
 288     }
 289     /* Original (erroneous) decomposition */
 290     s = fields[1][0];
 291
 292     /* parse the mapping string */
 293     length=u_parseCodePoints(s, mapping, sizeof(mapping)/4, pErrorCode);
 294
 295     /* ignore corrected decomposition */
 296
 297     u_versionFromString(version,fields[3][0] );
 298     u_versionFromString(thisVersion, "3.2.0");
 299
 300
 301
 302     if(U_FAILURE(*pErrorCode)) {
 303         fprintf(stderr, "gensprep error parsing NormalizationCorrections.txt of U+%04lx - %s\n",
 304                 (long)code, u_errorName(*pErrorCode));
 305         exit(*pErrorCode);
 306     }
 307
 308     /* store the mapping */
 309     if( version[0] > thisVersion[0] ||
 310         ((version[0]==thisVersion[0]) && (version[1] > thisVersion[1]))
 311         ){
 312         storeMapping(code,mapping, length, USPREP_MAP, pErrorCode);
 313     }
 314     setUnicodeVersionNC(version);
 315 }
 316
 317 static void
 318 parseNormalizationCorrections(const char *filename, UErrorCode *pErrorCode) {
 319     char *fields[4][2];
 320
 321     if(pErrorCode==NULL || U_FAILURE(*pErrorCode)) {
 322         return;
 323     }
 324
 325     u_parseDelimitedFile(filename, ';', fields, 4, normalizationCorrectionsLineFn, NULL, pErrorCode);
 326
 327     /* fprintf(stdout,"Number of code points that have NormalizationCorrections mapping with length >1 : %i\n",len); */
 328
 329     if(U_FAILURE(*pErrorCode) && ( *pErrorCode!=U_FILE_ACCESS_ERROR)) {
 330         fprintf(stderr, "gensprep error: u_parseDelimitedFile(\"%s\") failed - %s\n", filename, u_errorName(*pErrorCode));
 331         exit(*pErrorCode);
 332     }
 333 }
 334
 335 static void U_CALLCONV
 336 strprepProfileLineFn(void *context,
 337               char *fields[][2], int32_t fieldCount,
 338               UErrorCode *pErrorCode) {
 339     uint32_t mapping[40];
 340     char *end, *map;
 341     uint32_t code;
 342     int32_t length;
 343    /*UBool* mapWithNorm = (UBool*) context;*/
 344     const char* typeName;
 345     uint32_t rangeStart=0,rangeEnd =0;
 346     const char* filename = (const char*) context;
 347     const char *s;
 348
 349     s = u_skipWhitespace(fields[0][0]);
 350     if (*s == '@') {
 351         /* special directive */
 352         s++;
 353         length = fields[0][1] - s;
 354         if (length >= NORMALIZE_DIRECTIVE_LEN
 355             && uprv_strncmp(s, NORMALIZE_DIRECTIVE, NORMALIZE_DIRECTIVE_LEN) == 0) {
 356             options[NORMALIZE].doesOccur = TRUE;
 357             return;
 358         }
 359         else if (length >= CHECK_BIDI_DIRECTIVE_LEN
 360             && uprv_strncmp(s, CHECK_BIDI_DIRECTIVE, CHECK_BIDI_DIRECTIVE_LEN) == 0) {
 361             options[CHECK_BIDI].doesOccur = TRUE;
 362             return;
 363         }
 364         else {
 365             fprintf(stderr, "gensprep error parsing a directive %s.", fields[0][0]);
 366         }
 367     }
 368
 369     typeName = fields[2][0];
 370     map = fields[1][0];
 371
 372     if(uprv_strstr(typeName, usprepTypeNames[USPREP_UNASSIGNED])!=NULL){
 373
 374         u_parseCodePointRange(s, &rangeStart,&rangeEnd, pErrorCode);
 375         if(U_FAILURE(*pErrorCode)){
 376             fprintf(stderr, "Could not parse code point range. Error: %s\n",u_errorName(*pErrorCode));
 377             return;
 378         }
 379
 380         /* store the range */
 381         storeRange(rangeStart,rangeEnd,USPREP_UNASSIGNED, pErrorCode);
 382
 383     }else if(uprv_strstr(typeName, usprepTypeNames[USPREP_PROHIBITED])!=NULL){
 384
 385         u_parseCodePointRange(s, &rangeStart,&rangeEnd, pErrorCode);
 386         if(U_FAILURE(*pErrorCode)){
 387             fprintf(stderr, "Could not parse code point range. Error: %s\n",u_errorName(*pErrorCode));
 388             return;
 389         }
 390
 391         /* store the range */
 392         storeRange(rangeStart,rangeEnd,USPREP_PROHIBITED, pErrorCode);
 393
 394     }else if(uprv_strstr(typeName, usprepTypeNames[USPREP_MAP])!=NULL){
 395
 396         /* get the character code, field 0 */
 397         code=(uint32_t)uprv_strtoul(s, &end, 16);
 398         if(end<=s || end!=fields[0][1]) {
 399             fprintf(stderr, "gensprep: syntax error in field 0 at %s\n", fields[0][0]);
 400             *pErrorCode=U_PARSE_ERROR;
 401             exit(U_PARSE_ERROR);
 402         }
 403
 404         /* parse the mapping string */
 405         length=u_parseCodePoints(map, mapping, sizeof(mapping)/4, pErrorCode);
 406
 407         /* store the mapping */
 408         storeMapping(code,mapping, length,USPREP_MAP, pErrorCode);
 409
 410     }else{
 411         *pErrorCode = U_INVALID_FORMAT_ERROR;
 412     }
 413
 414     if(U_FAILURE(*pErrorCode)) {
 415         fprintf(stderr, "gensprep error parsing  %s line %s at %s. Error: %s\n",filename,
 416                fields[0][0],fields[2][0],u_errorName(*pErrorCode));
 417         exit(*pErrorCode);
 418     }
 419
 420 }
 421
 422 static void
 423 parseMappings(const char *filename, UBool reportError, UErrorCode *pErrorCode) {
 424     char *fields[3][2];
 425
 426     if(pErrorCode==NULL || U_FAILURE(*pErrorCode)) {
 427         return;
 428     }
 429
 430     u_parseDelimitedFile(filename, ';', fields, 3, strprepProfileLineFn, (void*)filename, pErrorCode);
 431
 432     /*fprintf(stdout,"Number of code points that have mappings with length >1 : %i\n",len);*/
 433
 434     if(U_FAILURE(*pErrorCode) && (reportError || *pErrorCode!=U_FILE_ACCESS_ERROR)) {
 435         fprintf(stderr, "gensprep error: u_parseDelimitedFile(\"%s\") failed - %s\n", filename, u_errorName(*pErrorCode));
 436         exit(*pErrorCode);
 437     }
 438 }
 439
 440
 441 #endif /* #if !UCONFIG_NO_IDNA */
 442
 443 /*
 444  * Hey, Emacs, please set the following:
 445  *
 446  * Local Variables:
 447  * indent-tabs-mode: nil
 448  * End:
 449  *
 450  */