src/gen-indic-table.py

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