src/gen-indic-table.py

   1 #!/usr/bin/python
   2
   3 import sys
   4
   5 if len (sys.argv) != 4:
   6         print >>sys.stderr, "usage: ./gen-indic-table.py IndicSyllabicCategory.txt IndicPositionalCategory.txt Blocks.txt"
   7         sys.exit (1)
   8
   9 ALLOWED_SINGLES = [0x00A0, 0x25CC]
  10 ALLOWED_BLOCKS = [
  11         'Basic Latin',
  12         'Latin-1 Supplement',
  13         'Devanagari',
  14         'Bengali',
  15         'Gurmukhi',
  16         'Gujarati',
  17         'Oriya',
  18         'Tamil',
  19         'Telugu',
  20         'Kannada',
  21         'Malayalam',
  22         'Sinhala',
  23         'Myanmar',
  24         'Khmer',
  25         'Vedic Extensions',
  26         'General Punctuation',
  27         'Superscripts and Subscripts',
  28         'Devanagari Extended',
  29         'Myanmar Extended-B',
  30         'Myanmar Extended-A',
  31 ]
  32
  33 files = [file (x) for x in sys.argv[1:]]
  34
  35 headers = [[f.readline () for i in range (2)] for f in files]
  36
  37 data = [{} for f in files]
  38 values = [{} for f in files]
  39 for i, f in enumerate (files):
  40         for line in f:
  41
  42                 j = line.find ('#')
  43                 if j >= 0:
  44                         line = line[:j]
  45
  46                 fields = [x.strip () for x in line.split (';')]
  47                 if len (fields) == 1:
  48                         continue
  49
  50                 uu = fields[0].split ('..')
  51                 start = int (uu[0], 16)
  52                 if len (uu) == 1:
  53                         end = start
  54                 else:
  55                         end = int (uu[1], 16)
  56
  57                 t = fields[1]
  58
  59                 for u in range (start, end + 1):
  60                         data[i][u] = t
  61                 values[i][t] = values[i].get (t, 0) + end - start + 1
  62
  63 # Merge data into one dict:
  64 defaults = ('Other', 'Not_Applicable', 'No_Block')
  65 for i,v in enumerate (defaults):
  66         values[i][v] = values[i].get (v, 0) + 1
  67 combined = {}
  68 for i,d in enumerate (data):
  69         for u,v in d.items ():
  70                 if i == 2 and not u in combined:
  71                         continue
  72                 if not u in combined:
  73                         combined[u] = list (defaults)
  74                 combined[u][i] = v
  75 combined = {k:v for k,v in combined.items() if k in ALLOWED_SINGLES or v[2] in ALLOWED_BLOCKS}
  76 data = combined
  77 del combined
  78 num = len (data)
  79
  80 for u in [0x17CD, 0x17CE, 0x17CF, 0x17D0, 0x17D3]:
  81         if data[u][0] == 'Other':
  82                 data[u][0] = "Vowel_Dependent"
  83
  84 # Move the outliers NO-BREAK SPACE and DOTTED CIRCLE out
  85 singles = {}
  86 for u in ALLOWED_SINGLES:
  87         singles[u] = data[u]
  88         del data[u]
  89
  90 print "/* == Start of generated table == */"
  91 print "/*"
  92 print " * The following table is generated by running:"
  93 print " *"
  94 print " *   ./gen-indic-table.py IndicSyllabicCategory.txt IndicPositionalCategory.txt Blocks.txt"
  95 print " *"
  96 print " * on files with these headers:"
  97 print " *"
  98 for h in headers:
  99         for l in h:
 100                 print " * %s" % (l.strip())
 101 print " */"
 102 print
 103 print '#include "hb-ot-shape-complex-indic-private.hh"'
 104 print
 105
 106 # Shorten values
 107 short = [{
 108         "Bindu":                'Bi',
 109         "Cantillation_Mark":    'Ca',
 110         "Joiner":               'ZWJ',
 111         "Non_Joiner":           'ZWNJ',
 112         "Number":               'Nd',
 113         "Visarga":              'Vs',
 114         "Vowel":                'Vo',
 115         "Vowel_Dependent":      'M',
 116         "Consonant_Prefixed":   'CPrf',
 117         "Other":                'x',
 118 },{
 119         "Not_Applicable":       'x',
 120 }]
 121 all_shorts = [{},{}]
 122
 123 # Add some of the values, to make them more readable, and to avoid duplicates
 124
 125
 126 for i in range (2):
 127         for v,s in short[i].items ():
 128                 all_shorts[i][s] = v
 129
 130 what = ["INDIC_SYLLABIC_CATEGORY", "INDIC_MATRA_CATEGORY"]
 131 what_short = ["ISC", "IMC"]
 132 for i in range (2):
 133         print
 134         vv = values[i].keys ()
 135         vv.sort ()
 136         for v in vv:
 137                 v_no_and = v.replace ('_And_', '_')
 138                 if v in short[i]:
 139                         s = short[i][v]
 140                 else:
 141                         s = ''.join ([c for c in v_no_and if ord ('A') <= ord (c) <= ord ('Z')])
 142                         if s in all_shorts[i]:
 143                                 raise Exception ("Duplicate short value alias", v, all_shorts[i][s])
 144                         all_shorts[i][s] = v
 145                         short[i][v] = s
 146                 print "#define %s_%s    %s_%s   %s/* %3d chars; %s */" % \
 147                         (what_short[i], s, what[i], v.upper (), \
 148                         '       '* ((48-1 - len (what[i]) - 1 - len (v)) / 8), \
 149                         values[i][v], v)
 150 print
 151 print "#define _(S,M) INDIC_COMBINE_CATEGORIES (ISC_##S, IMC_##M)"
 152 print
 153 print
 154
 155 total = 0
 156 used = 0
 157 last_block = None
 158 def print_block (block, start, end, data):
 159         global total, used, last_block
 160         if block and block != last_block:
 161                 print
 162                 print
 163                 print "  /* %s */" % block
 164         num = 0
 165         assert start % 8 == 0
 166         assert (end+1) % 8 == 0
 167         for u in range (start, end+1):
 168                 if u % 8 == 0:
 169                         print
 170                         print "  /* %04X */" % u,
 171                 if u in data:
 172                         num += 1
 173                 d = data.get (u, defaults)
 174                 sys.stdout.write ("%9s" % ("_(%s,%s)," % (short[0][d[0]], short[1][d[1]])))
 175
 176         total += end - start + 1
 177         used += num
 178         if block:
 179                 last_block = block
 180
 181 uu = data.keys ()
 182 uu.sort ()
 183
 184 last = -100000
 185 num = 0
 186 offset = 0
 187 starts = []
 188 ends = []
 189 print "static const INDIC_TABLE_ELEMENT_TYPE indic_table[] = {"
 190 for u in uu:
 191         if u <= last:
 192                 continue
 193         block = data[u][2]
 194
 195         start = u//8*8
 196         end = start+1
 197         while end in uu and block == data[end][2]:
 198                 end += 1
 199         end = (end-1)//8*8 + 7
 200
 201         if start != last + 1:
 202                 if start - last <= 1+16*3:
 203                         print_block (None, last+1, start-1, data)
 204                         last = start-1
 205                 else:
 206                         if last >= 0:
 207                                 ends.append (last + 1)
 208                                 offset += ends[-1] - starts[-1]
 209                         print
 210                         print
 211                         print "#define indic_offset_0x%04xu %d" % (start, offset)
 212                         starts.append (start)
 213
 214         print_block (block, start, end, data)
 215         last = end
 216 ends.append (last + 1)
 217 offset += ends[-1] - starts[-1]
 218 print
 219 print
 220 occupancy = used * 100. / total
 221 page_bits = 12
 222 print "}; /* Table items: %d; occupancy: %d%% */" % (offset, occupancy)
 223 print
 224 print "INDIC_TABLE_ELEMENT_TYPE"
 225 print "hb_indic_get_categories (hb_codepoint_t u)"
 226 print "{"
 227 print "  switch (u >> %d)" % page_bits
 228 print "  {"
 229 pages = set([u>>page_bits for u in starts+ends+singles.keys()])
 230 for p in sorted(pages):
 231         print "    case 0x%0Xu:" % p
 232         for (start,end) in zip (starts, ends):
 233                 if p not in [start>>page_bits, end>>page_bits]: continue
 234                 offset = "indic_offset_0x%04xu" % start
 235                 print "      if (hb_in_range (u, 0x%04Xu, 0x%04Xu)) return indic_table[u - 0x%04Xu + %s];" % (start, end-1, start, offset)
 236         for u,d in singles.items ():
 237                 if p != u>>page_bits: continue
 238                 print "      if (unlikely (u == 0x%04Xu)) return _(%s,%s);" % (u, short[0][d[0]], short[1][d[1]])
 239         print "      break;"
 240         print ""
 241 print "    default:"
 242 print "      break;"
 243 print "  }"
 244 print "  return _(x,x);"
 245 print "}"
 246 print
 247 print "#undef _"
 248 for i in range (2):
 249         print
 250         vv = values[i].keys ()
 251         vv.sort ()
 252         for v in vv:
 253                 print "#undef %s_%s" % \
 254                         (what_short[i], short[i][v])
 255 print
 256 print "/* == End of generated table == */"
 257
 258 # Maintain at least 30% occupancy in the table */
 259 if occupancy < 30:
 260         raise Exception ("Table too sparse, please investigate: ", occupancy)