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 # Move the outliers NO-BREAK SPACE and DOTTED CIRCLE out
  83 singles = {}
  84 for u in ALLOWED_SINGLES:
  85         singles[u] = data[u]
  86         del data[u]
  87
  88 print ("/* == Start of generated table == */")
  89 print ("/*")
  90 print (" * The following table is generated by running:")
  91 print (" *")
  92 print (" *   ./gen-indic-table.py IndicSyllabicCategory.txt IndicPositionalCategory.txt Blocks.txt")
  93 print (" *")
  94 print (" * on files with these headers:")
  95 print (" *")
  96 for h in headers:
  97         for l in h:
  98                 print (" * %s" % (l.strip()))
  99 print (" */")
 100 print ()
 101 print ('#include "hb-ot-shape-complex-indic.hh"')
 102 print ()
 103
 104 # Shorten values
 105 short = [{
 106         "Bindu":                'Bi',
 107         "Cantillation_Mark":    'Ca',
 108         "Joiner":               'ZWJ',
 109         "Non_Joiner":           'ZWNJ',
 110         "Number":               'Nd',
 111         "Visarga":              'Vs',
 112         "Vowel":                'Vo',
 113         "Vowel_Dependent":      'M',
 114         "Consonant_Prefixed":   'CPrf',
 115         "Other":                'x',
 116 },{
 117         "Not_Applicable":       'x',
 118 }]
 119 all_shorts = [{},{}]
 120
 121 # Add some of the values, to make them more readable, and to avoid duplicates
 122
 123
 124 for i in range (2):
 125         for v,s in short[i].items ():
 126                 all_shorts[i][s] = v
 127
 128 what = ["INDIC_SYLLABIC_CATEGORY", "INDIC_MATRA_CATEGORY"]
 129 what_short = ["ISC", "IMC"]
 130 print ('#pragma GCC diagnostic push')
 131 print ('#pragma GCC diagnostic ignored "-Wunused-macros"')
 132 for i in range (2):
 133         print ()
 134         vv = sorted (values[i].keys ())
 135         for v in vv:
 136                 v_no_and = v.replace ('_And_', '_')
 137                 if v in short[i]:
 138                         s = short[i][v]
 139                 else:
 140                         s = ''.join ([c for c in v_no_and if ord ('A') <= ord (c) <= ord ('Z')])
 141                         if s in all_shorts[i]:
 142                                 raise Exception ("Duplicate short value alias", v, all_shorts[i][s])
 143                         all_shorts[i][s] = v
 144                         short[i][v] = s
 145                 print ("#define %s_%s   %s_%s   %s/* %3d chars; %s */" %
 146                         (what_short[i], s, what[i], v.upper (),
 147                         '       '* ((48-1 - len (what[i]) - 1 - len (v)) // 8),
 148                         values[i][v], v))
 149 print ('#pragma GCC diagnostic pop')
 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, end="")
 171                 if u in data:
 172                         num += 1
 173                 d = data.get (u, defaults)
 174                 print ("%9s" % ("_(%s,%s)," % (short[0][d[0]], short[1][d[1]])), end="")
 175
 176         total += end - start + 1
 177         used += num
 178         if block:
 179                 last_block = block
 180
 181 uu = sorted (data.keys ())
 182
 183 last = -100000
 184 num = 0
 185 offset = 0
 186 starts = []
 187 ends = []
 188 print ("static const INDIC_TABLE_ELEMENT_TYPE indic_table[] = {")
 189 for u in uu:
 190         if u <= last:
 191                 continue
 192         block = data[u][2]
 193
 194         start = u//8*8
 195         end = start+1
 196         while end in uu and block == data[end][2]:
 197                 end += 1
 198         end = (end-1)//8*8 + 7
 199
 200         if start != last + 1:
 201                 if start - last <= 1+16*3:
 202                         print_block (None, last+1, start-1, data)
 203                         last = start-1
 204                 else:
 205                         if last >= 0:
 206                                 ends.append (last + 1)
 207                                 offset += ends[-1] - starts[-1]
 208                         print ()
 209                         print ()
 210                         print ("#define indic_offset_0x%04xu %d" % (start, offset))
 211                         starts.append (start)
 212
 213         print_block (block, start, end, data)
 214         last = end
 215 ends.append (last + 1)
 216 offset += ends[-1] - starts[-1]
 217 print ()
 218 print ()
 219 occupancy = used * 100. / total
 220 page_bits = 12
 221 print ("}; /* Table items: %d; occupancy: %d%% */" % (offset, occupancy))
 222 print ()
 223 print ("INDIC_TABLE_ELEMENT_TYPE")
 224 print ("hb_indic_get_categories (hb_codepoint_t u)")
 225 print ("{")
 226 print ("  switch (u >> %d)" % page_bits)
 227 print ("  {")
 228 pages = set ([u>>page_bits for u in starts+ends+list (singles.keys ())])
 229 for p in sorted(pages):
 230         print ("    case 0x%0Xu:" % p)
 231         for u,d in singles.items ():
 232                 if p != u>>page_bits: continue
 233                 print ("      if (unlikely (u == 0x%04Xu)) return _(%s,%s);" % (u, short[0][d[0]], short[1][d[1]]))
 234         for (start,end) in zip (starts, ends):
 235                 if p not in [start>>page_bits, end>>page_bits]: continue
 236                 offset = "indic_offset_0x%04xu" % start
 237                 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))
 238         print ("      break;")
 239         print ("")
 240 print ("    default:")
 241 print ("      break;")
 242 print ("  }")
 243 print ("  return _(x,x);")
 244 print ("}")
 245 print ()
 246 print ("#undef _")
 247 for i in range (2):
 248         print
 249         vv = sorted (values[i].keys ())
 250         for v in vv:
 251                 print ("#undef %s_%s" %
 252                         (what_short[i], short[i][v]))
 253 print ()
 254 print ("/* == End of generated table == */")
 255
 256 # Maintain at least 30% occupancy in the table */
 257 if occupancy < 30:
 258         raise Exception ("Table too sparse, please investigate: ", occupancy)