contrib/groff-1.19/src/preproc/refer/token.cpp

   1 // -*- C++ -*-
   2 /* Copyright (C) 1989, 1990, 1991, 1992, 2001 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 2, or (at your option) any later
  10 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 along
  18 with groff; see the file COPYING.  If not, write to the Free Software
  19 Foundation, 51 Franklin St - Fifth Floor, Boston, MA 02110-1301, USA. */
  20
  21 #include "refer.h"
  22 #include "token.h"
  23
  24 #define TOKEN_TABLE_SIZE 1009
  25 // I believe in Icelandic thorn sorts after z.
  26 #define THORN_SORT_KEY "{"
  27
  28 struct token_table_entry {
  29   const char *tok;
  30   token_info ti;
  31   token_table_entry();
  32 };
  33
  34 token_table_entry token_table[TOKEN_TABLE_SIZE];
  35 int ntokens = 0;
  36
  37 static void skip_name(const char **ptr, const char *end)
  38 {
  39   if (*ptr < end) {
  40     switch (*(*ptr)++) {
  41     case '(':
  42       if (*ptr < end) {
  43         *ptr += 1;
  44         if (*ptr < end)
  45           *ptr += 1;
  46       }
  47       break;
  48     case '[':
  49       while (*ptr < end)
  50         if (*(*ptr)++ == ']')
  51           break;
  52       break;
  53     }
  54   }
  55 }
  56
  57 int get_token(const char **ptr, const char *end)
  58 {
  59   if (*ptr >= end)
  60     return 0;
  61   char c = *(*ptr)++;
  62   if (c == '\\' && *ptr < end) {
  63     switch (**ptr) {
  64     default:
  65       *ptr += 1;
  66       break;
  67     case '(':
  68     case '[':
  69       skip_name(ptr, end);
  70       break;
  71     case '*':
  72     case 'f':
  73       *ptr += 1;
  74       skip_name(ptr, end);
  75       break;
  76     }
  77   }
  78   return 1;
  79 }
  80
  81 token_info::token_info()
  82 : type(TOKEN_OTHER), sort_key(0), other_case(0)
  83 {
  84 }
  85
  86 void token_info::set(token_type t, const char *sk, const char *oc)
  87 {
  88   assert(oc == 0 || t == TOKEN_UPPER || t == TOKEN_LOWER);
  89   type = t;
  90   sort_key = sk;
  91   other_case = oc;
  92 }
  93
  94 void token_info::sortify(const char *start, const char *end, string &result)
  95      const
  96 {
  97   if (sort_key)
  98     result += sort_key;
  99   else if (type == TOKEN_UPPER || type == TOKEN_LOWER) {
 100     for (; start < end; start++)
 101       if (csalpha(*start))
 102         result += cmlower(*start);
 103   }
 104 }
 105
 106 int token_info::sortify_non_empty(const char *start, const char *end) const
 107 {
 108   if (sort_key)
 109     return *sort_key != '\0';
 110   if (type != TOKEN_UPPER && type != TOKEN_LOWER)
 111     return 0;
 112   for (; start < end; start++)
 113     if (csalpha(*start))
 114       return 1;
 115   return 0;
 116 }
 117
 118
 119 void token_info::lower_case(const char *start, const char *end,
 120                             string &result) const
 121 {
 122   if (type != TOKEN_UPPER) {
 123     while (start < end)
 124       result += *start++;
 125   }
 126   else if (other_case)
 127     result += other_case;
 128   else {
 129     while (start < end)
 130       result += cmlower(*start++);
 131   }
 132 }
 133
 134 void token_info::upper_case(const char *start, const char *end,
 135                             string &result) const
 136 {
 137   if (type != TOKEN_LOWER) {
 138     while (start < end)
 139       result += *start++;
 140   }
 141   else if (other_case)
 142     result += other_case;
 143   else {
 144     while (start < end)
 145       result += cmupper(*start++);
 146   }
 147 }
 148
 149 token_table_entry::token_table_entry()
 150 : tok(0)
 151 {
 152 }
 153
 154 static void store_token(const char *tok, token_type typ,
 155                         const char *sk = 0, const char *oc = 0)
 156 {
 157   unsigned n = hash_string(tok, strlen(tok)) % TOKEN_TABLE_SIZE;
 158   for (;;) {
 159     if (token_table[n].tok == 0) {
 160       if (++ntokens == TOKEN_TABLE_SIZE)
 161         assert(0);
 162       token_table[n].tok = tok;
 163       break;
 164     }
 165     if (strcmp(tok, token_table[n].tok) == 0)
 166       break;
 167     if (n == 0)
 168       n = TOKEN_TABLE_SIZE - 1;
 169     else
 170       --n;
 171   }
 172   token_table[n].ti.set(typ, sk, oc);
 173 }
 174
 175
 176 token_info default_token_info;
 177
 178 const token_info *lookup_token(const char *start, const char *end)
 179 {
 180   unsigned n = hash_string(start, end - start) % TOKEN_TABLE_SIZE;
 181   for (;;) {
 182     if (token_table[n].tok == 0)
 183       break;
 184     if (strlen(token_table[n].tok) == size_t(end - start)
 185         && memcmp(token_table[n].tok, start, end - start) == 0)
 186       return &(token_table[n].ti);
 187     if (n == 0)
 188       n = TOKEN_TABLE_SIZE - 1;
 189     else
 190       --n;
 191   }
 192   return &default_token_info;
 193 }
 194
 195 static void init_ascii()
 196 {
 197   const char *p;
 198   for (p = "abcdefghijklmnopqrstuvwxyz"; *p; p++) {
 199     char buf[2];
 200     buf[0] = *p;
 201     buf[1] = '\0';
 202     store_token(strsave(buf), TOKEN_LOWER);
 203     buf[0] = cmupper(buf[0]);
 204     store_token(strsave(buf), TOKEN_UPPER);
 205   }
 206   for (p = "0123456789"; *p; p++) {
 207     char buf[2];
 208     buf[0] = *p;
 209     buf[1] = '\0';
 210     const char *s = strsave(buf);
 211     store_token(s, TOKEN_OTHER, s);
 212   }
 213   for (p = ".,:;?!"; *p; p++) {
 214     char buf[2];
 215     buf[0] = *p;
 216     buf[1] = '\0';
 217     store_token(strsave(buf), TOKEN_PUNCT);
 218   }
 219   store_token("-", TOKEN_HYPHEN);
 220 }
 221
 222 static void store_letter(const char *lower, const char *upper,
 223                   const char *sort_key = 0)
 224 {
 225   store_token(lower, TOKEN_LOWER, sort_key, upper);
 226   store_token(upper, TOKEN_UPPER, sort_key, lower);
 227 }
 228
 229 static void init_letter(unsigned char uc_code, unsigned char lc_code,
 230                  const char *sort_key)
 231 {
 232   char lbuf[2];
 233   lbuf[0] = lc_code;
 234   lbuf[1] = 0;
 235   char ubuf[2];
 236   ubuf[0] = uc_code;
 237   ubuf[1] = 0;
 238   store_letter(strsave(lbuf), strsave(ubuf), sort_key);
 239 }
 240
 241 static void init_latin1()
 242 {
 243   init_letter(0xc0, 0xe0, "a");
 244   init_letter(0xc1, 0xe1, "a");
 245   init_letter(0xc2, 0xe2, "a");
 246   init_letter(0xc3, 0xe3, "a");
 247   init_letter(0xc4, 0xe4, "a");
 248   init_letter(0xc5, 0xe5, "a");
 249   init_letter(0xc6, 0xe6, "ae");
 250   init_letter(0xc7, 0xe7, "c");
 251   init_letter(0xc8, 0xe8, "e");
 252   init_letter(0xc9, 0xe9, "e");
 253   init_letter(0xca, 0xea, "e");
 254   init_letter(0xcb, 0xeb, "e");
 255   init_letter(0xcc, 0xec, "i");
 256   init_letter(0xcd, 0xed, "i");
 257   init_letter(0xce, 0xee, "i");
 258   init_letter(0xcf, 0xef, "i");
 259
 260   init_letter(0xd0, 0xf0, "d");
 261   init_letter(0xd1, 0xf1, "n");
 262   init_letter(0xd2, 0xf2, "o");
 263   init_letter(0xd3, 0xf3, "o");
 264   init_letter(0xd4, 0xf4, "o");
 265   init_letter(0xd5, 0xf5, "o");
 266   init_letter(0xd6, 0xf6, "o");
 267   init_letter(0xd8, 0xf8, "o");
 268   init_letter(0xd9, 0xf9, "u");
 269   init_letter(0xda, 0xfa, "u");
 270   init_letter(0xdb, 0xfb, "u");
 271   init_letter(0xdc, 0xfc, "u");
 272   init_letter(0xdd, 0xfd, "y");
 273   init_letter(0xde, 0xfe, THORN_SORT_KEY);
 274
 275   store_token("\337", TOKEN_LOWER, "ss", "SS");
 276   store_token("\377", TOKEN_LOWER, "y", "Y");
 277 }
 278
 279 static void init_two_char_letter(char l1, char l2, char u1, char u2,
 280                                  const char *sk = 0)
 281 {
 282   char buf[6];
 283   buf[0] = '\\';
 284   buf[1] = '(';
 285   buf[2] = l1;
 286   buf[3] = l2;
 287   buf[4] = '\0';
 288   const char *p = strsave(buf);
 289   buf[2] = u1;
 290   buf[3] = u2;
 291   store_letter(p, strsave(buf), sk);
 292   buf[1] = '[';
 293   buf[4] = ']';
 294   buf[5] = '\0';
 295   p = strsave(buf);
 296   buf[2] = l1;
 297   buf[3] = l2;
 298   store_letter(strsave(buf), p, sk);
 299
 300 }
 301
 302 static void init_special_chars()
 303 {
 304   const char *p;
 305   for (p = "':^`~"; *p; p++)
 306     for (const char *q = "aeiouy"; *q; q++) {
 307       // Use a variable to work around bug in gcc 2.0
 308       char c = cmupper(*q);
 309       init_two_char_letter(*p, *q, *p, c);
 310     }
 311   for (p = "/l/o~n,coeaeij"; *p; p += 2) {
 312     // Use variables to work around bug in gcc 2.0
 313     char c0 = cmupper(p[0]);
 314     char c1 = cmupper(p[1]);
 315     init_two_char_letter(p[0], p[1], c0, c1);
 316   }
 317   init_two_char_letter('v', 's', 'v', 'S', "s");
 318   init_two_char_letter('v', 'z', 'v', 'Z', "z");
 319   init_two_char_letter('o', 'a', 'o', 'A', "a");
 320   init_two_char_letter('T', 'p', 'T', 'P', THORN_SORT_KEY);
 321   init_two_char_letter('-', 'd', '-', 'D');
 322
 323   store_token("\\(ss", TOKEN_LOWER, 0, "SS");
 324   store_token("\\[ss]", TOKEN_LOWER, 0, "SS");
 325
 326   store_token("\\(Sd", TOKEN_LOWER, "d", "\\(-D");
 327   store_token("\\[Sd]", TOKEN_LOWER, "d", "\\[-D]");
 328   store_token("\\(hy", TOKEN_HYPHEN);
 329   store_token("\\[hy]", TOKEN_HYPHEN);
 330   store_token("\\(en", TOKEN_RANGE_SEP);
 331   store_token("\\[en]", TOKEN_RANGE_SEP);
 332 }
 333
 334 static void init_strings()
 335 {
 336   char buf[6];
 337   buf[0] = '\\';
 338   buf[1] = '*';
 339   for (const char *p = "'`^^,:~v_o./;"; *p; p++) {
 340     buf[2] = *p;
 341     buf[3] = '\0';
 342     store_token(strsave(buf), TOKEN_ACCENT);
 343     buf[2] = '[';
 344     buf[3] = *p;
 345     buf[4] = ']';
 346     buf[5] = '\0';
 347     store_token(strsave(buf), TOKEN_ACCENT);
 348   }
 349
 350   // -ms special letters
 351   store_letter("\\*(th", "\\*(Th", THORN_SORT_KEY);
 352   store_letter("\\*[th]", "\\*[Th]", THORN_SORT_KEY);
 353   store_letter("\\*(d-", "\\*(D-");
 354   store_letter("\\*[d-]", "\\*[D-]");
 355   store_letter("\\*(ae", "\\*(Ae", "ae");
 356   store_letter("\\*[ae]", "\\*[Ae]", "ae");
 357   store_letter("\\*(oe", "\\*(Oe", "oe");
 358   store_letter("\\*[oe]", "\\*[Oe]", "oe");
 359
 360   store_token("\\*3", TOKEN_LOWER, "y", "Y");
 361   store_token("\\*8", TOKEN_LOWER, "ss", "SS");
 362   store_token("\\*q", TOKEN_LOWER, "o", "O");
 363 }
 364
 365 struct token_initer {
 366   token_initer();
 367 };
 368
 369 static token_initer the_token_initer;
 370
 371 token_initer::token_initer()
 372 {
 373   init_ascii();
 374   init_latin1();
 375   init_special_chars();
 376   init_strings();
 377   default_token_info.set(TOKEN_OTHER);
 378 }