home *** CD-ROM | disk | FTP | other *** search
/ Netrunner 2004 October / NETRUNNER0410.ISO / regular / ActivePerl-5.8.4.810-MSWin32-x86.msi / _bde082894cdab731425e91deb35c554c < prev    next >
Text File  |  2004-06-01  |  53KB  |  1,816 lines
  1. #!/usr/bin/perl -w
  2. use strict;
  3. use Carp;
  4.  
  5. die "$0: Please run me as ./mktables to avoid unnecessary differences\n"
  6.     unless $0 eq "./mktables";
  7.  
  8. ##
  9. ## mktables -- create the runtime Perl Unicode files (lib/unicore/**/*.pl)
  10. ## from the Unicode database files (lib/unicore/*.txt).
  11. ##
  12.  
  13. mkdir("lib", 0755);
  14. mkdir("To",  0755);
  15.  
  16. ##
  17. ## Process any args.
  18. ##
  19. my $Verbose        = 0;
  20. my $MakeTestScript = 0;
  21.  
  22. while (@ARGV)
  23. {
  24.     my $arg = shift @ARGV;
  25.     if ($arg eq '-v') {
  26.         $Verbose = 1;
  27.     } elsif ($arg eq '-q') {
  28.         $Verbose = 0;
  29.     } elsif ($arg eq '-maketest') {
  30.         $MakeTestScript = 1;
  31.     } else {
  32.         die "usage: $0 [-v|-q] [-maketest]";
  33.     }
  34. }
  35.  
  36. my $LastUnicodeCodepoint = 0x10FFFF; # As of Unicode 3.1.1.
  37.  
  38. my $HEADER=<<"EOF";
  39. # !!!!!!!   DO NOT EDIT THIS FILE   !!!!!!! 
  40. # This file is built by $0 from e.g. UnicodeData.txt.
  41. # Any changes made here will be lost!
  42.  
  43. EOF
  44.  
  45.  
  46. ##
  47. ## Given a filename and a reference to an array of lines,
  48. ## write the lines to the file only if the contents have not changed.
  49. ##
  50. sub WriteIfChanged($\@)
  51. {
  52.     my $file  = shift;
  53.     my $lines = shift;
  54.  
  55.     my $TextToWrite = join '', @$lines;
  56.     if (open IN, $file) {
  57.         local($/) = undef;
  58.         my $PreviousText = <IN>;
  59.         close IN;
  60.         if ($PreviousText eq $TextToWrite) {
  61.             print "$file unchanged.\n" if $Verbose;
  62.             return;
  63.         }
  64.     }
  65.     if (not open OUT, ">$file") {
  66.         die "$0: can't open $file for output: $!\n";
  67.     }
  68.     print "$file written.\n" if $Verbose;
  69.  
  70.     print OUT $TextToWrite;
  71.     close OUT;
  72. }
  73.  
  74. ##
  75. ## The main datastructure (a "Table") represents a set of code points that
  76. ## are part of a particular quality (that are part of \pL, \p{InGreek},
  77. ## etc.). They are kept as ranges of code points (starting and ending of
  78. ## each range).
  79. ##
  80. ## For example, a range ASCII LETTERS would be represented as:
  81. ##   [ [ 0x41 => 0x5A, 'UPPER' ],
  82. ##     [ 0x61 => 0x7A, 'LOWER, ] ]
  83. ##
  84. sub RANGE_START() { 0 } ## index into range element
  85. sub RANGE_END()   { 1 } ## index into range element
  86. sub RANGE_NAME()  { 2 } ## index into range element
  87.  
  88. ## Conceptually, these should really be folded into the 'Table' objects
  89. my %TableInfo;
  90. my %TableDesc;
  91. my %FuzzyNames;
  92. my %AliasInfo;
  93. my %CanonicalToOrig;
  94.  
  95. ##
  96. ## Turn something like
  97. ##    OLD-ITALIC
  98. ## into
  99. ##    OldItalic
  100. ##
  101. sub CanonicalName($)
  102. {
  103.     my $orig = shift;
  104.     my $name = lc $orig;
  105.     $name =~ s/(?<![a-z])(\w)/\u$1/g;
  106.     $name =~ s/[-_\s]+//g;
  107.  
  108.     $CanonicalToOrig{$name} = $orig if not $CanonicalToOrig{$name};
  109.     return $name;
  110. }
  111.  
  112. ##
  113. ## Associates a property ("Greek", "Lu", "Assigned",...) with a Table.
  114. ##
  115. ## Called like:
  116. ##       New_Prop(In => 'Greek', $Table, Desc => 'Greek Block', Fuzzy => 1);
  117. ##
  118. ## Normally, these parameters are set when the Table is created (when the
  119. ## Table->New constructor is called), but there are times when it needs to
  120. ## be done after-the-fact...)
  121. ##
  122. sub New_Prop($$$@)
  123. {
  124.     my $Type = shift; ## "Is" or "In";
  125.     my $Name = shift;
  126.     my $Table = shift;
  127.  
  128.     ## remaining args are optional key/val
  129.     my %Args = @_;
  130.  
  131.     my $Fuzzy = delete $Args{Fuzzy};
  132.     my $Desc  = delete $Args{Desc}; # description
  133.  
  134.     $Name = CanonicalName($Name) if $Fuzzy;
  135.  
  136.     ## sanity check a few args
  137.     if (%Args or ($Type ne 'Is' and $Type ne 'In') or not ref $Table) {
  138.         confess "$0: bad args to New_Prop"
  139.     }
  140.  
  141.     if (not $TableInfo{$Type}->{$Name})
  142.     {
  143.         $TableInfo{$Type}->{$Name} = $Table;
  144.         $TableDesc{$Type}->{$Name} = $Desc;
  145.         if ($Fuzzy) {
  146.             $FuzzyNames{$Type}->{$Name} = $Name;
  147.         }
  148.     }
  149. }
  150.  
  151.  
  152. ##
  153. ## Creates a new Table object.
  154. ##
  155. ## Args are key/value pairs:
  156. ##    In => Name         -- Name of "In" property to be associated with
  157. ##    Is => Name         -- Name of "Is" property to be associated with
  158. ##    Fuzzy => Boolean   -- True if name can be accessed "fuzzily"
  159. ##    Desc  => String    -- Description of the property
  160. ##
  161. ## No args are required.
  162. ##
  163. sub Table::New
  164. {
  165.     my $class = shift;
  166.     my %Args = @_;
  167.  
  168.     my $Table = bless [], $class;
  169.  
  170.     my $Fuzzy = delete $Args{Fuzzy};
  171.     my $Desc  = delete $Args{Desc};
  172.  
  173.     for my $Type ('Is', 'In')
  174.     {
  175.         if (my $Name = delete $Args{$Type}) {
  176.             New_Prop($Type => $Name, $Table, Desc => $Desc, Fuzzy => $Fuzzy);
  177.         }
  178.     }
  179.  
  180.     ## shouldn't have any left over
  181.     if (%Args) {
  182.         confess "$0: bad args to Table->New"
  183.     }
  184.  
  185.     return $Table;
  186. }
  187.  
  188. ##
  189. ## Returns true if the Table has no code points
  190. ##
  191. sub Table::IsEmpty
  192. {
  193.     my $Table = shift; #self
  194.     return not @$Table;
  195. }
  196.  
  197. ##
  198. ## Returns true if the Table has code points
  199. ##
  200. sub Table::NotEmpty
  201. {
  202.     my $Table = shift; #self
  203.     return @$Table;
  204. }
  205.  
  206. ##
  207. ## Returns the maximum code point currently in the table.
  208. ##
  209. sub Table::Max
  210. {
  211.     my $Table = shift; #self
  212.     confess "oops" if $Table->IsEmpty; ## must have code points to have a max
  213.     return $Table->[-1]->[RANGE_END];
  214. }
  215.  
  216. ##
  217. ## Replaces the codepoints in the Table with those in the Table given
  218. ## as an arg. (NOTE: this is not a "deep copy").
  219. ##
  220. sub Table::Replace($$)
  221. {
  222.     my $Table = shift; #self
  223.     my $New   = shift;
  224.  
  225.     @$Table = @$New;
  226. }
  227.  
  228. ##
  229. ## Given a new code point, make the last range of the Table extend to
  230. ## include the new (and all intervening) code points.
  231. ##
  232. sub Table::Extend
  233. {
  234.     my $Table = shift; #self
  235.     my $codepoint = shift;
  236.  
  237.     my $PrevMax = $Table->Max;
  238.  
  239.     confess "oops ($codepoint <= $PrevMax)" if $codepoint <= $PrevMax;
  240.  
  241.     $Table->[-1]->[RANGE_END] = $codepoint;
  242. }
  243.  
  244. ##
  245. ## Given a code point range start and end (and optional name), blindly
  246. ## append them to the list of ranges for the Table.
  247. ##
  248. ## NOTE: Code points must be added in strictly ascending numeric order.
  249. ##
  250. sub Table::RawAppendRange
  251. {
  252.     my $Table = shift; #self
  253.     my $start = shift;
  254.     my $end   = shift;
  255.     my $name  = shift;
  256.     $name = "" if not defined $name; ## warning: $name can be "0"
  257.  
  258.     push @$Table, [ $start,    # RANGE_START
  259.                     $end,      # RANGE_END
  260.                     $name   ]; # RANGE_NAME
  261. }
  262.  
  263. ##
  264. ## Given a code point (and optional name), add it to the Table.
  265. ##
  266. ## NOTE: Code points must be added in strictly ascending numeric order.
  267. ##
  268. sub Table::Append
  269. {
  270.     my $Table     = shift; #self
  271.     my $codepoint = shift;
  272.     my $name      = shift;
  273.     $name = "" if not defined $name; ## warning: $name can be "0"
  274.  
  275.     ##
  276.     ## If we've already got a range working, and this code point is the next
  277.     ## one in line, and if the name is the same, just extend the current range.
  278.     ##
  279.     if ($Table->NotEmpty
  280.         and
  281.         $Table->Max == $codepoint - 1
  282.         and
  283.         $Table->[-1]->[RANGE_NAME] eq $name)
  284.     {
  285.         $Table->Extend($codepoint);
  286.     }
  287.     else
  288.     {
  289.         $Table->RawAppendRange($codepoint, $codepoint, $name);
  290.     }
  291. }
  292.  
  293. ##
  294. ## Given a code point range starting value and ending value (and name),
  295. ## Add the range to teh Table.
  296. ##
  297. ## NOTE: Code points must be added in strictly ascending numeric order.
  298. ##
  299. sub Table::AppendRange
  300. {
  301.     my $Table = shift; #self
  302.     my $start = shift;
  303.     my $end   = shift;
  304.     my $name  = shift;
  305.     $name = "" if not defined $name; ## warning: $name can be "0"
  306.  
  307.     $Table->Append($start, $name);
  308.     $Table->Extend($end) if $end > $start;
  309. }
  310.  
  311. ##
  312. ## Return a new Table that represents all code points not in the Table.
  313. ##
  314. sub Table::Invert
  315. {
  316.     my $Table = shift; #self
  317.  
  318.     my $New = Table->New();
  319.     my $max = -1;
  320.     for my $range (@$Table)
  321.     {
  322.         my $start = $range->[RANGE_START];
  323.         my $end   = $range->[RANGE_END];
  324.         if ($start-1 >= $max+1) {
  325.             $New->AppendRange($max+1, $start-1, "");
  326.         }
  327.         $max = $end;
  328.     }
  329.     if ($max+1 < $LastUnicodeCodepoint) {
  330.         $New->AppendRange($max+1, $LastUnicodeCodepoint);
  331.     }
  332.     return $New;
  333. }
  334.  
  335. ##
  336. ## Merges any number of other tables with $self, returning the new table.
  337. ## (existing tables are not modified)
  338. ##
  339. ##
  340. ## Args may be Tables, or individual code points (as integers).
  341. ##
  342. ## Can be called as either a constructor or a method.
  343. ##
  344. sub Table::Merge
  345. {
  346.     shift(@_) if not ref $_[0]; ## if called as a constructor, lose the class
  347.     my @Tables = @_;
  348.  
  349.     ## Accumulate all records from all tables
  350.     my @Records;
  351.     for my $Arg (@Tables)
  352.     {
  353.         if (ref $Arg) {
  354.             ## arg is a table -- get its ranges
  355.             push @Records, @$Arg;
  356.         } else {
  357.             ## arg is a codepoint, make a range
  358.             push @Records, [ $Arg, $Arg ]
  359.         }
  360.     }
  361.  
  362.     ## sort by range start, with longer ranges coming first.
  363.     my ($first, @Rest) = sort {
  364.         ($a->[RANGE_START] <=> $b->[RANGE_START])
  365.           or
  366.         ($b->[RANGE_END]   <=> $b->[RANGE_END])
  367.     } @Records;
  368.  
  369.     my $New = Table->New();
  370.  
  371.     ## Ensuring the first range is there makes the subsequent loop easier
  372.     $New->AppendRange($first->[RANGE_START],
  373.                       $first->[RANGE_END]);
  374.  
  375.     ## Fold in records so long as they add new information.
  376.     for my $set (@Rest)
  377.     {
  378.         my $start = $set->[RANGE_START];
  379.         my $end   = $set->[RANGE_END];
  380.         if ($start > $New->Max) {
  381.             $New->AppendRange($start, $end);
  382.         } elsif ($end > $New->Max) {
  383.             $New->Extend($end);
  384.         }
  385.     }
  386.  
  387.     return $New;
  388. }
  389.  
  390. ##
  391. ## Given a filename, write a representation of the Table to a file.
  392. ## May have an optional comment as a 2nd arg.
  393. ##
  394. sub Table::Write
  395. {
  396.     my $Table    = shift; #self
  397.     my $filename = shift;
  398.     my $comment  = shift;
  399.  
  400.     my @OUT = $HEADER;
  401.     if (defined $comment) {
  402.         $comment =~ s/\s+\Z//;
  403.         $comment =~ s/^/# /gm;
  404.         push @OUT, "#\n$comment\n#\n";
  405.     }
  406.     push @OUT, "return <<'END';\n";
  407.  
  408.     for my $set (@$Table)
  409.     {
  410.         my $start = $set->[RANGE_START];
  411.         my $end   = $set->[RANGE_END];
  412.         my $name  = $set->[RANGE_NAME];
  413.  
  414.         if ($start == $end) {
  415.             push @OUT, sprintf "%04X\t\t%s\n", $start, $name;
  416.         } else {
  417.             push @OUT, sprintf "%04X\t%04X\t%s\n", $start, $end, $name;
  418.         }
  419.     }
  420.  
  421.     push @OUT, "END\n";
  422.  
  423.     WriteIfChanged($filename, @OUT);
  424. }
  425.  
  426. ## This used only for making the test script.
  427. ## helper function
  428. sub IsUsable($)
  429. {
  430.     my $code = shift;
  431.     return 0 if $code <= 0x0000;                       ## don't use null
  432.     return 0 if $code >= $LastUnicodeCodepoint;        ## keep in range
  433.     return 0 if ($code >= 0xD800 and $code <= 0xDFFF); ## no surrogates
  434.     return 0 if ($code >= 0xFDD0 and $code <= 0xFDEF); ## utf8.c says no good
  435.     return 0 if (($code & 0xFFFF) == 0xFFFE);          ## utf8.c says no good
  436.     return 0 if (($code & 0xFFFF) == 0xFFFF);          ## utf8.c says no good
  437.     return 1;
  438. }
  439.  
  440. ## Return a code point that's part of the table.
  441. ## Returns nothing if the table is empty (or covers only surrogates).
  442. ## This used only for making the test script.
  443. sub Table::ValidCode
  444. {
  445.     my $Table = shift; #self
  446.     for my $set (@$Table) {
  447.         return $set->[RANGE_END] if IsUsable($set->[RANGE_END]);
  448.     }
  449.     return ();
  450. }
  451.  
  452. ## Return a code point that's not part of the table
  453. ## Returns nothing if the table covers all code points.
  454. ## This used only for making the test script.
  455. sub Table::InvalidCode
  456. {
  457.     my $Table = shift; #self
  458.  
  459.     return 0x1234 if $Table->IsEmpty();
  460.  
  461.     for my $set (@$Table)
  462.     {
  463.         if (IsUsable($set->[RANGE_END] + 1))
  464.         {
  465.             return $set->[RANGE_END] + 1;
  466.         }
  467.  
  468.         if (IsUsable($set->[RANGE_START] - 1))
  469.         {
  470.             return $set->[RANGE_START] - 1;
  471.         }
  472.     }
  473.     return ();
  474. }
  475.  
  476. ###########################################################################
  477. ###########################################################################
  478. ###########################################################################
  479.  
  480.  
  481. ##
  482. ## Called like:
  483. ##     New_Alias(Is => 'All', SameAs => 'Any', Fuzzy => 1);
  484. ##
  485. ## The args must be in that order, although the Fuzzy pair may be omitted.
  486. ##
  487. ## This creates 'IsAll' as an alias for 'IsAny'
  488. ##
  489. sub New_Alias($$$@)
  490. {
  491.     my $Type   = shift; ## "Is" or "In"
  492.     my $Alias  = shift;
  493.     my $SameAs = shift; # expecting "SameAs" -- just ignored
  494.     my $Name   = shift;
  495.  
  496.     ## remaining args are optional key/val
  497.     my %Args = @_;
  498.  
  499.     my $Fuzzy = delete $Args{Fuzzy};
  500.  
  501.     ## sanity check a few args
  502.     if (%Args or ($Type ne 'Is' and $Type ne 'In') or $SameAs ne 'SameAs') {
  503.         confess "$0: bad args to New_Alias"
  504.     }
  505.  
  506.     $Alias = CanonicalName($Alias) if $Fuzzy;
  507.  
  508.     if (not $TableInfo{$Type}->{$Name})
  509.     {
  510.         my $CName = CanonicalName($Name);
  511.         if ($TableInfo{$Type}->{$CName}) {
  512.             confess "$0: Use canonical form '$CName' instead of '$Name' for alias.";
  513.         } else {
  514.             confess "$0: don't have orignial $Type => $Name to make alias";
  515.         }
  516.     }
  517.     if ($TableInfo{$Alias}) {
  518.         confess "$0: already have original $Type => $Alias; can't make alias";
  519.     }
  520.     $AliasInfo{$Type}->{$Name} = $Alias;
  521.     if ($Fuzzy) {
  522.         $FuzzyNames{$Type}->{$Alias} = $Name;
  523.     }
  524.  
  525. }
  526.  
  527.  
  528. ## All assigned code points
  529. my $Assigned = Table->New(Is    => 'Assigned',
  530.                           Desc  => "All assigned code points",
  531.                           Fuzzy => 0);
  532.  
  533. my $Name     = Table->New(); ## all characters, individually by name
  534. my $General  = Table->New(); ## all characters, grouped by category
  535. my %General;
  536. my %Cat;
  537.  
  538. ##
  539. ## Process UnicodeData.txt (Categories, etc.)
  540. ##
  541. sub UnicodeData_Txt()
  542. {
  543.     my $Bidi     = Table->New();
  544.     my $Deco     = Table->New();
  545.     my $Comb     = Table->New();
  546.     my $Number   = Table->New();
  547.     my $Mirrored = Table->New(Is    => 'Mirrored',
  548.                               Desc  => "Mirrored in bidirectional text",
  549.                               Fuzzy => 0);
  550.  
  551.     my %DC;
  552.     my %Bidi;
  553.     my %Deco;
  554.     $Deco{Canon}   = Table->New(Is    => 'Canon',
  555.                                 Desc  => 'Decomposes to multiple characters',
  556.                                 Fuzzy => 0);
  557.     $Deco{Compat}  = Table->New(Is    => 'Compat',
  558.                                 Desc  => 'Compatible with a more-basic character',
  559.                                 Fuzzy => 0);
  560.  
  561.     ## Initialize Perl-generated categories
  562.     ## (Categories from UnicodeData.txt are auto-initialized in gencat)
  563.     $Cat{Alnum}  =
  564.     Table->New(Is => 'Alnum',  Desc => "[[:Alnum:]]",  Fuzzy => 0);
  565.     $Cat{Alpha}  =
  566.     Table->New(Is => 'Alpha',  Desc => "[[:Alpha:]]",  Fuzzy => 0);
  567.     $Cat{ASCII}  =
  568.     Table->New(Is => 'ASCII',  Desc => "[[:ASCII:]]",  Fuzzy => 0);
  569.     $Cat{Blank}  =
  570.     Table->New(Is => 'Blank',  Desc => "[[:Blank:]]",  Fuzzy => 0);
  571.     $Cat{Cntrl}  =
  572.     Table->New(Is => 'Cntrl',  Desc => "[[:Cntrl:]]",  Fuzzy => 0);
  573.     $Cat{Digit}  =
  574.     Table->New(Is => 'Digit',  Desc => "[[:Digit:]]",  Fuzzy => 0);
  575.     $Cat{Graph}  =
  576.     Table->New(Is => 'Graph',  Desc => "[[:Graph:]]",  Fuzzy => 0);
  577.     $Cat{Lower}  =
  578.     Table->New(Is => 'Lower',  Desc => "[[:Lower:]]",  Fuzzy => 0);
  579.     $Cat{Print}  =
  580.     Table->New(Is => 'Print',  Desc => "[[:Print:]]",  Fuzzy => 0);
  581.     $Cat{Punct}  =
  582.     Table->New(Is => 'Punct',  Desc => "[[:Punct:]]",  Fuzzy => 0);
  583.     $Cat{Space}  =
  584.     Table->New(Is => 'Space',  Desc => "[[:Space:]]",  Fuzzy => 0);
  585.     $Cat{Title}  =
  586.     Table->New(Is => 'Title',  Desc => "[[:Title:]]",  Fuzzy => 0);
  587.     $Cat{Upper}  =
  588.     Table->New(Is => 'Upper',  Desc => "[[:Upper:]]",  Fuzzy => 0);
  589.     $Cat{XDigit} =
  590.     Table->New(Is => 'XDigit', Desc => "[[:XDigit:]]", Fuzzy => 0);
  591.     $Cat{Word}   =
  592.     Table->New(Is => 'Word',   Desc => "[[:Word:]]",   Fuzzy => 0);
  593.     $Cat{SpacePerl} =
  594.     Table->New(Is => 'SpacePerl', Desc => '\s', Fuzzy => 0);
  595.  
  596.     my %To;
  597.     $To{Upper} = Table->New();
  598.     $To{Lower} = Table->New();
  599.     $To{Title} = Table->New();
  600.     $To{Digit} = Table->New();
  601.  
  602.     sub gencat($$$$)
  603.     {
  604.         my ($name, ## Name ("LATIN CAPITAL LETTER A")
  605.             $cat,  ## Category ("Lu", "Zp", "Nd", etc.)
  606.             $code, ## Code point (as an integer)
  607.             $op) = @_;
  608.  
  609.         my $MajorCat = substr($cat, 0, 1); ## L, M, Z, S, etc
  610.  
  611.         $Assigned->$op($code);
  612.         $Name->$op($code, $name);
  613.         $General->$op($code, $cat);
  614.  
  615.         ## add to the sub category (e.g. "Lu", "Nd", "Cf", ..)
  616.         $Cat{$cat}      ||= Table->New(Is   => $cat,
  617.                                        Desc => "General Category '$cat'",
  618.                                        Fuzzy => 0);
  619.         $Cat{$cat}->$op($code);
  620.  
  621.         ## add to the major category (e.g. "L", "N", "C", ...)
  622.         $Cat{$MajorCat} ||= Table->New(Is => $MajorCat,
  623.                                        Desc => "Major Category '$MajorCat'",
  624.                                        Fuzzy => 0);
  625.         $Cat{$MajorCat}->$op($code);
  626.  
  627.         ($General{$name} ||= Table->New)->$op($code, $name);
  628.  
  629.         # 005F: SPACING UNDERSCORE
  630.         $Cat{Word}->$op($code)  if $cat =~ /^[LMN]|Pc/;
  631.         $Cat{Alnum}->$op($code) if $cat =~ /^[LM]|Nd/;
  632.         $Cat{Alpha}->$op($code) if $cat =~ /^[LM]/;
  633.  
  634.     my $isspace = 
  635.         ($cat =~ /Zs|Zl|Zp/ &&
  636.          $code != 0x200B) # 200B is ZWSP which is for line break control
  637.          # and therefore it is not part of "space" even while it is "Zs".
  638.                                 || $code == 0x0009  # 0009: HORIZONTAL TAB
  639.                                 || $code == 0x000A  # 000A: LINE FEED
  640.                                 || $code == 0x000B  # 000B: VERTICAL TAB
  641.                                 || $code == 0x000C  # 000C: FORM FEED
  642.                                 || $code == 0x000D  # 000D: CARRIAGE RETURN
  643.                                 || $code == 0x0085  # 0085: NEL
  644.  
  645.         ;
  646.  
  647.         $Cat{Space}->$op($code) if $isspace;
  648.  
  649.         $Cat{SpacePerl}->$op($code) if $isspace
  650.                                    && $code != 0x000B; # Backward compat.
  651.  
  652.         $Cat{Blank}->$op($code) if $isspace
  653.                                 && !($code == 0x000A ||
  654.                      $code == 0x000B ||
  655.                      $code == 0x000C ||
  656.                      $code == 0x000D ||
  657.                      $code == 0x0085 ||
  658.                      $cat =~ /^Z[lp]/);
  659.  
  660.         $Cat{Digit}->$op($code) if $cat eq "Nd";
  661.         $Cat{Upper}->$op($code) if $cat eq "Lu";
  662.         $Cat{Lower}->$op($code) if $cat eq "Ll";
  663.         $Cat{Title}->$op($code) if $cat eq "Lt";
  664.         $Cat{ASCII}->$op($code) if $code <= 0x007F;
  665.         $Cat{Cntrl}->$op($code) if $cat =~ /^C/;
  666.     my $isgraph = !$isspace && $cat !~ /Cc|Cs|Cn/;
  667.         $Cat{Graph}->$op($code) if $isgraph;
  668.         $Cat{Print}->$op($code) if $isgraph || $isspace;
  669.         $Cat{Punct}->$op($code) if $cat =~ /^P/;
  670.  
  671.         $Cat{XDigit}->$op($code) if ($code >= 0x30 && $code <= 0x39)  ## 0..9
  672.                                  || ($code >= 0x41 && $code <= 0x46)  ## A..F
  673.                                  || ($code >= 0x61 && $code <= 0x66); ## a..f
  674.     }
  675.  
  676.     ## open ane read file.....
  677.     if (not open IN, "UnicodeData.txt") {
  678.         die "$0: UnicodeData.txt: $!\n";
  679.     }
  680.  
  681.     ##
  682.     ## For building \p{_CombAbove} and \p{_CanonDCIJ}
  683.     ##
  684.     my %_Above_HexCodes; ## Hexcodes for chars with $comb == 230 ("ABOVE")
  685.  
  686.     my %CodeToDeco;      ## Maps code to decomp. list for chars with first
  687.                          ## decomp. char an "i" or "j" (for \p{_CanonDCIJ})
  688.  
  689.     ## This is filled in as we go....
  690.     my $CombAbove = Table->New(Is   => '_CombAbove',
  691.                                Desc  => '(for internal casefolding use)',
  692.                                Fuzzy => 0);
  693.  
  694.     while (<IN>)
  695.     {
  696.         next unless /^[0-9A-Fa-f]+;/;
  697.         s/\s+$//;
  698.  
  699.         my ($hexcode,   ## code point in hex (e.g. "0041")
  700.             $name,      ## character name (e.g. "LATIN CAPITAL LETTER A")
  701.             $cat,       ## category (e.g. "Lu")
  702.             $comb,      ## Canonical combining class (e.t. "230")
  703.             $bidi,      ## directional category (e.g. "L")
  704.             $deco,      ## decomposition mapping
  705.             $decimal,   ## decimal digit value
  706.             $digit,     ## digit value
  707.             $number,    ## numeric value
  708.             $mirrored,  ## mirrored
  709.             $unicode10, ## name in Unicode 1.0
  710.             $comment,   ## comment field
  711.             $upper,     ## uppercase mapping
  712.             $lower,     ## lowercase mapping
  713.             $title,     ## titlecase mapping
  714.               ) = split(/\s*;\s*/);
  715.  
  716.     # Note that in Unicode 3.2 there will be names like
  717.     # LINE FEED (LF), which probably means that \N{} needs
  718.     # to cope also with LINE FEED and LF.
  719.     $name = $unicode10 if $name eq '<control>' && $unicode10 ne '';
  720.  
  721.         my $code = hex($hexcode);
  722.  
  723.         if ($comb and $comb == 230) {
  724.             $CombAbove->Append($code);
  725.             $_Above_HexCodes{$hexcode} = 1;
  726.         }
  727.  
  728.         ## Used in building \p{_CanonDCIJ}
  729.         if ($deco and $deco =~ m/^006[9A]\b/) {
  730.             $CodeToDeco{$code} = $deco;
  731.         }
  732.  
  733.         ##
  734.         ## There are a few pairs of lines like:
  735.         ##   AC00;<Hangul Syllable, First>;Lo;0;L;;;;;N;;;;;
  736.         ##   D7A3;<Hangul Syllable, Last>;Lo;0;L;;;;;N;;;;;
  737.         ## that define ranges.
  738.         ##
  739.         if ($name =~ /^<(.+), (First|Last)>$/)
  740.         {
  741.             $name = $1;
  742.             gencat($name, $cat, $code, $2 eq 'First' ? 'Append' : 'Extend');
  743.             #New_Prop(In => $name, $General{$name}, Fuzzy => 1);
  744.         }
  745.         else
  746.         {
  747.             ## normal (single-character) lines
  748.             gencat($name, $cat, $code, 'Append');
  749.  
  750.             # No Append() here since since several codes may map into one.
  751.             $To{Upper}->RawAppendRange($code, $code, $upper) if $upper;
  752.             $To{Lower}->RawAppendRange($code, $code, $lower) if $lower;
  753.             $To{Title}->RawAppendRange($code, $code, $title) if $title;
  754.             $To{Digit}->Append($code, $decimal) if length $decimal;
  755.  
  756.             $Bidi->Append($code, $bidi);
  757.             $Comb->Append($code, $comb) if $comb;
  758.             $Number->Append($code, $number) if length $number;
  759.  
  760.             $Mirrored->Append($code) if $mirrored eq "Y";
  761.  
  762.             $Bidi{$bidi} ||= Table->New(Is    => "Bidi$bidi",
  763.                                         Desc  => "Bi-directional category '$bidi'",
  764.                                         Fuzzy => 0);
  765.             $Bidi{$bidi}->Append($code);
  766.  
  767.             if ($deco)
  768.             {
  769.                 $Deco->Append($code, $deco);
  770.                 if ($deco =~/^<(\w+)>/)
  771.                 {
  772.                     $Deco{Compat}->Append($code);
  773.  
  774.                     $DC{$1} ||= Table->New(Is => "DC$1",
  775.                                            Desc  => "Compatible with '$1'",
  776.                                            Fuzzy => 0);
  777.                     $DC{$1}->Append($code);
  778.                 }
  779.                 else
  780.                 {
  781.                     $Deco{Canon}->Append($code);
  782.                 }
  783.             }
  784.         }
  785.     }
  786.     close IN;
  787.  
  788.     ##
  789.     ## Tidy up a few special cases....
  790.     ##
  791.  
  792.     $Cat{Cn} = $Assigned->Invert; ## Cn is everything that doesn't exist
  793.     New_Prop(Is => 'Cn',
  794.              $Cat{Cn},
  795.              Desc => "General Category 'Cn' [not functional in Perl]",
  796.              Fuzzy => 0);
  797.  
  798.     ## Unassigned is the same as 'Cn'
  799.     New_Alias(Is => 'Unassigned', SameAs => 'Cn', Fuzzy => 0);
  800.  
  801.     $Cat{C}->Replace($Cat{C}->Merge($Cat{Cn}));  ## Now merge in Cn into C
  802.  
  803.  
  804.     # L& is Ll, Lu, and Lt.
  805.     New_Prop(Is => 'L&',
  806.              Table->Merge(@Cat{qw[Ll Lu Lt]}),
  807.              Desc  => '[\p{Ll}\p{Lu}\p{Lt}]',
  808.              Fuzzy => 0);
  809.  
  810.     ## Any and All are all code points.
  811.     my $Any = Table->New(Is    => 'Any',
  812.                          Desc  => sprintf("[\\x{0000}-\\x{%X}]",
  813.                                           $LastUnicodeCodepoint),
  814.                          Fuzzy => 0);
  815.     $Any->RawAppendRange(0, $LastUnicodeCodepoint);
  816.  
  817.     New_Alias(Is => 'All', SameAs => 'Any', Fuzzy => 0);
  818.  
  819.     ##
  820.     ## Build special properties for Perl's internal case-folding needs:
  821.     ##    \p{_CaseIgnorable}
  822.     ##    \p{_CanonDCIJ}
  823.     ##    \p{_CombAbove}
  824.     ## _CombAbove was built above. Others are built here....
  825.     ##
  826.  
  827.     ## \p{_CaseIgnorable} is [\p{Mn}\0x00AD\x2010]
  828.     New_Prop(Is => '_CaseIgnorable',
  829.              Table->Merge($Cat{Mn},
  830.                           0x00AD,    #SOFT HYPHEN
  831.                           0x2010),   #HYPHEN
  832.              Desc  => '(for internal casefolding use)',
  833.              Fuzzy => 0);
  834.  
  835.  
  836.     ## \p{_CanonDCIJ} is fairly complex...
  837.     my $CanonCDIJ = Table->New(Is    => '_CanonDCIJ',
  838.                                Desc  => '(for internal casefolding use)',
  839.                                Fuzzy => 0);
  840.     ## It contains the ASCII 'i' and 'j'....
  841.     $CanonCDIJ->Append(0x0069); # ASCII ord("i")
  842.     $CanonCDIJ->Append(0x006A); # ASCII ord("j")
  843.     ## ...and any character with a decomposition that starts with either of
  844.     ## those code points, but only if the decomposition does not have any
  845.     ## combining character with the "ABOVE" canonical combining class.
  846.     for my $code (sort { $a <=> $b} keys %CodeToDeco)
  847.     {
  848.         ## Need to ensure that all decomposition characters do not have
  849.         ## a %HexCodeToComb in %AboveCombClasses.
  850.         my $want = 1;
  851.         for my $deco_hexcode (split / /, $CodeToDeco{$code})
  852.         {
  853.             if (exists $_Above_HexCodes{$deco_hexcode}) {
  854.                 ## one of the decmposition chars has an ABOVE combination
  855.                 ## class, so we're not interested in this one
  856.                 $want = 0;
  857.                 last;
  858.             }
  859.         }
  860.         if ($want) {
  861.             $CanonCDIJ->Append($code);
  862.         }
  863.     }
  864.  
  865.  
  866.  
  867.     ##
  868.     ## Now dump the files.
  869.     ##
  870.     $Name->Write("Name.pl");
  871.     $Bidi->Write("Bidirectional.pl");
  872.     $Comb->Write("CombiningClass.pl");
  873.     $Deco->Write("Decomposition.pl");
  874.     $Number->Write("Number.pl");
  875.     $General->Write("Category.pl");
  876.  
  877.     for my $to (sort keys %To) {
  878.         $To{$to}->Write("To/$to.pl");
  879.     }
  880. }
  881.  
  882. ##
  883. ## Process LineBreak.txt
  884. ##
  885. sub LineBreak_Txt()
  886. {
  887.     if (not open IN, "LineBreak.txt") {
  888.         die "$0: LineBreak.txt: $!\n";
  889.     }
  890.  
  891.     my $Lbrk = Table->New();
  892.     my %Lbrk;
  893.  
  894.     while (<IN>)
  895.     {
  896.         next unless /^([0-9A-Fa-f]+)(?:\.\.([0-9A-Fa-f]+))?\s*;\s*(\w+)/;
  897.  
  898.     my ($first, $last, $lbrk) = (hex($1), hex($2||""), $3);
  899.  
  900.     $Lbrk->Append($first, $lbrk);
  901.  
  902.         $Lbrk{$lbrk} ||= Table->New(Is    => "Lbrk$lbrk",
  903.                                     Desc  => "Linebreak category '$lbrk'",
  904.                                     Fuzzy => 0);
  905.         $Lbrk{$lbrk}->Append($first);
  906.  
  907.     if ($last) {
  908.         $Lbrk->Extend($last);
  909.         $Lbrk{$lbrk}->Extend($last);
  910.     }
  911.     }
  912.     close IN;
  913.  
  914.     $Lbrk->Write("Lbrk.pl");
  915. }
  916.  
  917. ##
  918. ## Process ArabicShaping.txt.
  919. ##
  920. sub ArabicShaping_txt()
  921. {
  922.     if (not open IN, "ArabicShaping.txt") {
  923.         die "$0: ArabicShaping.txt: $!\n";
  924.     }
  925.  
  926.     my $ArabLink      = Table->New();
  927.     my $ArabLinkGroup = Table->New();
  928.  
  929.     while (<IN>)
  930.     {
  931.     next unless /^[0-9A-Fa-f]+;/;
  932.     s/\s+$//;
  933.  
  934.     my ($hexcode, $name, $link, $linkgroup) = split(/\s*;\s*/);
  935.         my $code = hex($hexcode);
  936.     $ArabLink->Append($code, $link);
  937.     $ArabLinkGroup->Append($code, $linkgroup);
  938.     }
  939.     close IN;
  940.  
  941.     $ArabLink->Write("ArabLink.pl");
  942.     $ArabLinkGroup->Write("ArabLnkGrp.pl");
  943. }
  944.  
  945. ##
  946. ## Process Jamo.txt.
  947. ##
  948. sub Jamo_txt()
  949. {
  950.     if (not open IN, "Jamo.txt") {
  951.         die "$0: Jamo.txt: $!\n";
  952.     }
  953.     my $Short = Table->New();
  954.  
  955.     while (<IN>)
  956.     {
  957.     next unless /^([0-9A-Fa-f]+)\s*;\s*(\w*)/;
  958.     my ($code, $short) = (hex($1), $2);
  959.  
  960.     $Short->Append($code, $short);
  961.     }
  962.     close IN;
  963.     $Short->Write("JamoShort.pl");
  964. }
  965.  
  966. ##
  967. ## Process Scripts.txt.
  968. ##
  969. sub Scripts_txt()
  970. {
  971.     my @ScriptInfo;
  972.  
  973.     if (not open(IN, "Scripts.txt")) {
  974.         die "$0: Scripts.txt: $!\n";
  975.     }
  976.     while (<IN>) {
  977.         next unless /^([0-9A-Fa-f]+)(?:\.\.([0-9A-Fa-f]+))?\s*;\s*(.+?)\s*\#/;
  978.  
  979.         # Wait until all the scripts have been read since
  980.         # they are not listed in numeric order.
  981.         push @ScriptInfo, [ hex($1), hex($2||""), $3 ];
  982.     }
  983.     close IN;
  984.  
  985.     # Now append the scripts properties in their code point order.
  986.  
  987.     my %Script;
  988.     my $Scripts = Table->New();
  989.  
  990.     for my $script (sort { $a->[0] <=> $b->[0] } @ScriptInfo)
  991.     {
  992.         my ($first, $last, $name) = @$script;
  993.         $Scripts->Append($first, $name);
  994.  
  995.         $Script{$name} ||= Table->New(Is    => $name,
  996.                                       Desc  => "Script '$name'",
  997.                                       Fuzzy => 1);
  998.         $Script{$name}->Append($first, $name);
  999.  
  1000.         if ($last) {
  1001.             $Scripts->Extend($last);
  1002.             $Script{$name}->Extend($last);
  1003.         }
  1004.     }
  1005.  
  1006.     $Scripts->Write("Scripts.pl");
  1007.  
  1008.     ## Common is everything not explicitly assigned to a Script
  1009.     ##
  1010.     ##    ***shouldn't this be intersected with \p{Assigned}? ******
  1011.     ##
  1012.     New_Prop(Is => 'Common',
  1013.              $Scripts->Invert,
  1014.              Desc  => 'Pseudo-Script of codepoints not in other Unicode scripts',
  1015.              Fuzzy => 1);
  1016. }
  1017.  
  1018. ##
  1019. ## Given a name like "Close Punctuation", return a regex (that when applied
  1020. ## with /i) matches any valid form of that name (e.g. "ClosePunctuation",
  1021. ## "Close-Punctuation", etc.)
  1022. ##
  1023. ## Accept any space, dash, or underbar where in the official name there is
  1024. ## space or a dash (or underbar, but there never is).
  1025. ##
  1026. ##
  1027. sub NameToRegex($)
  1028. {
  1029.     my $Name = shift;
  1030.     $Name =~ s/[- _]/(?:[-_]|\\s+)?/g;
  1031.     return $Name;
  1032. }
  1033.  
  1034. ##
  1035. ## Process Blocks.txt.
  1036. ##
  1037. sub Blocks_txt()
  1038. {
  1039.     my $Blocks = Table->New();
  1040.     my %Blocks;
  1041.  
  1042.     if (not open IN, "Blocks.txt") {
  1043.         die "$0: Blocks.txt: $!\n";
  1044.     }
  1045.  
  1046.     while (<IN>)
  1047.     {
  1048.         #next if not /Private Use$/;
  1049.     next if not /^([0-9A-Fa-f]+)\.\.([0-9A-Fa-f]+)\s*;\s*(.+?)\s*$/;
  1050.  
  1051.     my ($first, $last, $name) = (hex($1), hex($2), $3);
  1052.  
  1053.     $Blocks->Append($first, $name);
  1054.  
  1055.         $Blocks{$name} ||= Table->New(In    => $name,
  1056.                                       Desc  => "Block '$name'",
  1057.                                       Fuzzy => 1);
  1058.         $Blocks{$name}->Append($first, $name);
  1059.  
  1060.     if ($last and $last != $first) {
  1061.         $Blocks->Extend($last);
  1062.         $Blocks{$name}->Extend($last);
  1063.     }
  1064.     }
  1065.     close IN;
  1066.  
  1067.     $Blocks->Write("Blocks.pl");
  1068. }
  1069.  
  1070. ##
  1071. ## Read in the PropList.txt.  It contains extended properties not
  1072. ## listed in the UnicodeData.txt, such as 'Other_Alphabetic':
  1073. ## alphabetic but not of the general category L; many modifiers
  1074. ## belong to this extended property category: while they are not
  1075. ## alphabets, they are alphabetic in nature.
  1076. ##
  1077. sub PropList_txt()
  1078. {
  1079.     my @PropInfo;
  1080.  
  1081.     if (not open IN, "PropList.txt") {
  1082.         die "$0: PropList.txt: $!\n";
  1083.     }
  1084.  
  1085.     while (<IN>)
  1086.     {
  1087.     next unless /^([0-9A-Fa-f]+)(?:\.\.([0-9A-Fa-f]+))?\s*;\s*(.+?)\s*\#/;
  1088.  
  1089.     # Wait until all the extended properties have been read since
  1090.     # they are not listed in numeric order.
  1091.     push @PropInfo, [ hex($1), hex($2||""), $3 ];
  1092.     }
  1093.     close IN;
  1094.  
  1095.     # Now append the extended properties in their code point order.
  1096.     my $Props = Table->New();
  1097.     my %Prop;
  1098.  
  1099.     for my $prop (sort { $a->[0] <=> $b->[0] } @PropInfo)
  1100.     {
  1101.         my ($first, $last, $name) = @$prop;
  1102.         $Props->Append($first, $name);
  1103.  
  1104.         $Prop{$name} ||= Table->New(Is    => $name,
  1105.                                     Desc  => "Extended property '$name'",
  1106.                                     Fuzzy => 1);
  1107.         $Prop{$name}->Append($first, $name);
  1108.  
  1109.         if ($last) {
  1110.             $Props->Extend($last);
  1111.             $Prop{$name}->Extend($last);
  1112.         }
  1113.     }
  1114.  
  1115.     # Alphabetic is L and Other_Alphabetic.
  1116.     New_Prop(Is    => 'Alphabetic',
  1117.              Table->Merge($Cat{L}, $Prop{Other_Alphabetic}),
  1118.              Desc  => '[\p{L}\p{OtherAlphabetic}]', # use canonical names here
  1119.              Fuzzy => 1);
  1120.  
  1121.     # Lowercase is Ll and Other_Lowercase.
  1122.     New_Prop(Is    => 'Lowercase',
  1123.              Table->Merge($Cat{Ll}, $Prop{Other_Lowercase}),
  1124.              Desc  => '[\p{Ll}\p{OtherLowercase}]', # use canonical names here
  1125.              Fuzzy => 1);
  1126.  
  1127.     # Uppercase is Lu and Other_Uppercase.
  1128.     New_Prop(Is => 'Uppercase',
  1129.              Table->Merge($Cat{Lu}, $Prop{Other_Uppercase}),
  1130.              Desc  => '[\p{Lu}\p{Other_Uppercase}]', # use canonical names here
  1131.              Fuzzy => 1);
  1132.  
  1133.     # Math is Sm and Other_Math.
  1134.     New_Prop(Is => 'Math',
  1135.              Table->Merge($Cat{Sm}, $Prop{Other_Math}),
  1136.              Desc  => '[\p{Sm}\p{OtherMath}]', # use canonical names here
  1137.              Fuzzy => 1);
  1138.  
  1139.     # ID_Start is Ll, Lu, Lt, Lm, Lo, and Nl.
  1140.     New_Prop(Is => 'ID_Start',
  1141.              Table->Merge(@Cat{qw[Ll Lu Lt Lm Lo Nl]}),
  1142.              Desc  => '[\p{Ll}\p{Lu}\p{Lt}\p{Lm}\p{Lo}\p{Nl}]',
  1143.              Fuzzy => 1);
  1144.  
  1145.     # ID_Continue is ID_Start, Mn, Mc, Nd, and Pc.
  1146.     New_Prop(Is => 'ID_Continue',
  1147.              Table->Merge(@Cat{qw[Ll Lu Lt Lm Lo Nl Mn Mc Nd Pc ]}),
  1148.              Desc  => '[\p{ID_Start}\p{Mn}\p{Mc}\p{Nd}\p{Pc}]',
  1149.              Fuzzy => 1);
  1150. }
  1151.  
  1152. sub Make_GC_Aliases()
  1153. {
  1154.     ##
  1155.     ## The mapping from General Category long forms to short forms is
  1156.     ## currently hardwired here since no simple data file in the UCD
  1157.     ## seems to do that.  Unicode 3.2 will assumedly correct this.
  1158.     ##
  1159.     my %Is = (
  1160.     'Letter'            =>    'L',
  1161.     'Uppercase_Letter'        =>    'Lu',
  1162.     'Lowercase_Letter'        =>    'Ll',
  1163.     'Titlecase_Letter'        =>    'Lt',
  1164.     'Modifier_Letter'        =>    'Lm',
  1165.     'Other_Letter'            =>    'Lo',
  1166.  
  1167.     'Mark'                =>    'M',
  1168.     'Non_Spacing_Mark'        =>    'Mn',
  1169.     'Spacing_Mark'            =>    'Mc',
  1170.     'Enclosing_Mark'        =>    'Me',
  1171.  
  1172.     'Separator'            =>    'Z',
  1173.     'Space_Separator'        =>    'Zs',
  1174.     'Line_Separator'        =>    'Zl',
  1175.     'Paragraph_Separator'        =>    'Zp',
  1176.  
  1177.     'Number'            =>    'N',
  1178.     'Decimal_Number'        =>    'Nd',
  1179.     'Letter_Number'            =>    'Nl',
  1180.     'Other_Number'            =>    'No',
  1181.  
  1182.     'Punctuation'            =>    'P',
  1183.     'Connector_Punctuation'        =>    'Pc',
  1184.     'Dash_Punctuation'        =>    'Pd',
  1185.     'Open_Punctuation'        =>    'Ps',
  1186.     'Close_Punctuation'        =>    'Pe',
  1187.     'Initial_Punctuation'        =>    'Pi',
  1188.     'Final_Punctuation'        =>    'Pf',
  1189.     'Other_Punctuation'        =>    'Po',
  1190.  
  1191.     'Symbol'            =>    'S',
  1192.     'Math_Symbol'            =>    'Sm',
  1193.     'Currency_Symbol'        =>    'Sc',
  1194.     'Modifier_Symbol'        =>    'Sk',
  1195.     'Other_Symbol'            =>    'So',
  1196.  
  1197.     'Other'                =>    'C',
  1198.     'Control'            =>    'Cc',
  1199.     'Format'            =>    'Cf',
  1200.     'Surrogate'            =>    'Cs',
  1201.     'Private Use'            =>    'Co',
  1202.     'Unassigned'            =>    'Cn',
  1203.     );
  1204.  
  1205.     ## make the aliases....
  1206.     while (my ($Alias, $Name) = each %Is) {
  1207.         New_Alias(Is => $Alias, SameAs => $Name, Fuzzy => 1);
  1208.     }
  1209. }
  1210.  
  1211.  
  1212. ##
  1213. ## These are used in:
  1214. ##   MakePropTestScript()
  1215. ##   WriteAllMappings()
  1216. ## for making the test script.
  1217. ##
  1218. my %FuzzyNameToTest;
  1219. my %ExactNameToTest;
  1220.  
  1221.  
  1222. ## This used only for making the test script
  1223. sub GenTests($$$$)
  1224. {
  1225.     my $FH = shift;
  1226.     my $Prop = shift;
  1227.     my $MatchCode = shift;
  1228.     my $FailCode = shift;
  1229.  
  1230.     if (defined $MatchCode) {
  1231.         printf $FH qq/Expect(1, "\\x{%04X}", '\\p{$Prop}' );\n/, $MatchCode;
  1232.         printf $FH qq/Expect(0, "\\x{%04X}", '\\p{^$Prop}');\n/, $MatchCode;
  1233.         printf $FH qq/Expect(0, "\\x{%04X}", '\\P{$Prop}' );\n/, $MatchCode;
  1234.         printf $FH qq/Expect(1, "\\x{%04X}", '\\P{^$Prop}');\n/, $MatchCode;
  1235.     }
  1236.     if (defined $FailCode) {
  1237.         printf $FH qq/Expect(0, "\\x{%04X}", '\\p{$Prop}' );\n/, $FailCode;
  1238.         printf $FH qq/Expect(1, "\\x{%04X}", '\\p{^$Prop}');\n/, $FailCode;
  1239.         printf $FH qq/Expect(1, "\\x{%04X}", '\\P{$Prop}' );\n/, $FailCode;
  1240.         printf $FH qq/Expect(0, "\\x{%04X}", '\\P{^$Prop}');\n/, $FailCode;
  1241.     }
  1242. }
  1243.  
  1244. ## This used only for making the test script
  1245. sub ExpectError($$)
  1246. {
  1247.     my $FH = shift;
  1248.     my $prop = shift;
  1249.  
  1250.     print $FH qq/Error('\\p{$prop}');\n/;
  1251.     print $FH qq/Error('\\P{$prop}');\n/;
  1252. }
  1253.  
  1254. ## This used only for making the test script
  1255. my @GoodSeps = (
  1256.                 " ",
  1257.                 "-",
  1258.                 " \t ",
  1259.                 "",
  1260.                 "",
  1261.                 "_",
  1262.                );
  1263. my @BadSeps = (
  1264.                "--",
  1265.                "__",
  1266.                " _",
  1267.                "/"
  1268.               );
  1269.  
  1270. ## This used only for making the test script
  1271. sub RandomlyFuzzifyName($;$)
  1272. {
  1273.     my $Name = shift;
  1274.     my $WantError = shift;  ## if true, make an error
  1275.  
  1276.     my @parts;
  1277.     for my $part (split /[-\s_]+/, $Name)
  1278.     {
  1279.         if (@parts) {
  1280.             if ($WantError and rand() < 0.3) {
  1281.                 push @parts, $BadSeps[rand(@BadSeps)];
  1282.                 $WantError = 0;
  1283.             } else {
  1284.                 push @parts, $GoodSeps[rand(@GoodSeps)];
  1285.             }
  1286.         }
  1287.         my $switch = int rand(4);
  1288.         if ($switch == 0) {
  1289.             push @parts, uc $part;
  1290.         } elsif ($switch == 1) {
  1291.             push @parts, lc $part;
  1292.         } elsif ($switch == 2) {
  1293.             push @parts, ucfirst $part;
  1294.         } else {
  1295.             push @parts, $part;
  1296.         }
  1297.     }
  1298.     my $new = join('', @parts);
  1299.  
  1300.     if ($WantError) {
  1301.         if (rand() >= 0.5) {
  1302.             $new .= $BadSeps[rand(@BadSeps)];
  1303.         } else {
  1304.             $new = $BadSeps[rand(@BadSeps)] . $new;
  1305.         }
  1306.     }
  1307.     return $new;
  1308. }
  1309.  
  1310. ## This used only for making the test script
  1311. sub MakePropTestScript()
  1312. {
  1313.     ## this written directly -- it's huge.
  1314.     if (not open OUT, ">TestProp.pl") {
  1315.         die "$0: TestProp.pl: $!\n";
  1316.     }
  1317.     print OUT <DATA>;
  1318.  
  1319.     while (my ($Name, $Table) = each %ExactNameToTest)
  1320.     {
  1321.         GenTests(*OUT, $Name, $Table->ValidCode, $Table->InvalidCode);
  1322.         ExpectError(*OUT, uc $Name) if uc $Name ne $Name;
  1323.         ExpectError(*OUT, lc $Name) if lc $Name ne $Name;
  1324.     }
  1325.  
  1326.  
  1327.     while (my ($Name, $Table) = each %FuzzyNameToTest)
  1328.     {
  1329.         my $Orig  = $CanonicalToOrig{$Name};
  1330.         my %Names = (
  1331.                      $Name => 1,
  1332.                      $Orig => 1,
  1333.                      RandomlyFuzzifyName($Orig) => 1
  1334.                     );
  1335.  
  1336.         for my $N (keys %Names) {
  1337.             GenTests(*OUT, $N, $Table->ValidCode, $Table->InvalidCode);
  1338.         }
  1339.  
  1340.         ExpectError(*OUT, RandomlyFuzzifyName($Orig, 'ERROR'));
  1341.     }
  1342.  
  1343.     print OUT "Finished();\n";
  1344.     close OUT;
  1345. }
  1346.  
  1347.  
  1348. ##
  1349. ## These are used only in:
  1350. ##   RegisterFileForName()
  1351. ##   WriteAllMappings()
  1352. ##
  1353. my %Exact;      ## will become %utf8::Exact;
  1354. my %Canonical;  ## will become %utf8::Canonical;
  1355. my %CaComment;  ## Comment for %Canonical entry of same key
  1356.  
  1357. ##
  1358. ## Given info about a name and a datafile that it should be associated with,
  1359. ## register that assocation in %Exact and %Canonical.
  1360. sub RegisterFileForName($$$$)
  1361. {
  1362.     my $Type     = shift;
  1363.     my $Name     = shift;
  1364.     my $IsFuzzy  = shift;
  1365.     my $filename = shift;
  1366.  
  1367.     ##
  1368.     ## Now in details for the mapping. $Type eq 'Is' has the
  1369.     ## Is removed, as it will be removed in utf8_heavy when this
  1370.     ## data is being checked. In keeps its "In", but a second
  1371.     ## sans-In record is written if it doesn't conflict with
  1372.     ## anything already there.
  1373.     ##
  1374.     if (not $IsFuzzy)
  1375.     {
  1376.         if ($Type eq 'Is') {
  1377.             die "oops[$Name]" if $Exact{$Name};
  1378.             $Exact{$Name} = $filename;
  1379.         } else {
  1380.             die "oops[$Type$Name]" if $Exact{"$Type$Name"};
  1381.             $Exact{"$Type$Name"} = $filename;
  1382.             $Exact{$Name} = $filename if not $Exact{$Name};
  1383.         }
  1384.     }
  1385.     else
  1386.     {
  1387.         my $CName = lc $Name;
  1388.         if ($Type eq 'Is') {
  1389.             die "oops[$CName]" if $Canonical{$CName};
  1390.             $Canonical{$CName} = $filename;
  1391.             $CaComment{$CName} = $Name if $Name =~ tr/A-Z// >= 2;
  1392.         } else {
  1393.             die "oops[$Type$CName]" if $Canonical{lc "$Type$CName"};
  1394.             $Canonical{lc "$Type$CName"} = $filename;
  1395.             $CaComment{lc "$Type$CName"} = "$Type$Name";
  1396.             if (not $Canonical{$CName}) {
  1397.                 $Canonical{$CName} = $filename;
  1398.                 $CaComment{$CName} = "$Type$Name";
  1399.             }
  1400.         }
  1401.     }
  1402. }
  1403.  
  1404. ##
  1405. ## Writes the info accumulated in
  1406. ##
  1407. ##       %TableInfo;
  1408. ##       %FuzzyNames;
  1409. ##       %AliasInfo;
  1410. ##
  1411. ##
  1412. sub WriteAllMappings()
  1413. {
  1414.     my @MAP;
  1415.  
  1416.     my %BaseNames;  ## Base names already used (for avoiding 8.3 conflicts)
  1417.  
  1418.     ## 'Is' *MUST* come first, so its names have precidence over 'In's
  1419.     for my $Type ('Is', 'In')
  1420.     {
  1421.         my %RawNameToFile; ## a per-$Type cache
  1422.  
  1423.         for my $Name (sort {length $a <=> length $b} keys %{$TableInfo{$Type}})
  1424.         {
  1425.             ## Note: $Name is already canonical
  1426.             my $Table   = $TableInfo{$Type}->{$Name};
  1427.             my $IsFuzzy = $FuzzyNames{$Type}->{$Name};
  1428.  
  1429.             ## Need an 8.3 safe filename (which means "an 8 safe" $filename)
  1430.             my $filename;
  1431.             {
  1432.                 ## 'Is' items lose 'Is' from the basename.
  1433.                 $filename = $Type eq 'Is' ? $Name : "$Type$Name";
  1434.  
  1435.                 $filename =~ s/[^\w_]+/_/g; # "L&" -> "L_"
  1436.                 substr($filename, 8) = '' if length($filename) > 8;
  1437.  
  1438.                 ##
  1439.                 ## Make sure the basename doesn't conflict with something we
  1440.                 ## might have already written. If we have, say,
  1441.                 ##     InGreekExtended1
  1442.                 ##     InGreekExtended2
  1443.                 ## they become
  1444.                 ##     InGreekE
  1445.                 ##     InGreek2
  1446.                 ##
  1447.                 while (my $num = $BaseNames{lc $filename}++)
  1448.                 {
  1449.                     $num++; ## so basenames with numbers start with '2', which
  1450.                             ## just looks more natural.
  1451.                     ## Want to append $num, but if it'll make the basename longer
  1452.                     ## than 8 characters, pre-truncate $filename so that the result
  1453.                     ## is acceptable.
  1454.                     my $delta = length($filename) + length($num) - 8;
  1455.                     if ($delta > 0) {
  1456.                         substr($filename, -$delta) = $num;
  1457.                     } else {
  1458.                         $filename .= $num;
  1459.                     }
  1460.                 }
  1461.             };
  1462.  
  1463.             ##
  1464.             ## Construct a nice comment to add to the file, and build data
  1465.             ## for the "./Properties" file along the way.
  1466.             ##
  1467.             my $Comment;
  1468.             {
  1469.                 my $Desc = $TableDesc{$Type}->{$Name} || "";
  1470.                 ## get list of names this table is reference by
  1471.                 my @Supported = $Name;
  1472.                 while (my ($Orig, $Alias) = each %{ $AliasInfo{$Type} })
  1473.                 {
  1474.                     if ($Orig eq $Name) {
  1475.                         push @Supported, $Alias;
  1476.                     }
  1477.                 }
  1478.  
  1479.                 my $TypeToShow = $Type eq 'Is' ? "" : $Type;
  1480.                 my $OrigProp;
  1481.  
  1482.                 $Comment = "This file supports:\n";
  1483.                 for my $N (@Supported)
  1484.                 {
  1485.                     my $IsFuzzy = $FuzzyNames{$Type}->{$N};
  1486.                     my $Prop    = "\\p{$TypeToShow$Name}";
  1487.                     $OrigProp = $Prop if not $OrigProp; #cache for aliases
  1488.                     if ($IsFuzzy) {
  1489.                         $Comment .= "\t$Prop (and fuzzy permutations)\n";
  1490.                     } else {
  1491.                         $Comment .= "\t$Prop\n";
  1492.                     }
  1493.                     my $MyDesc = ($N eq $Name) ? $Desc : "Alias for $OrigProp ($Desc)";
  1494.  
  1495.                     push @MAP, sprintf("%s %-42s %s\n",
  1496.                                        $IsFuzzy ? '*' : ' ', $Prop, $MyDesc);
  1497.                 }
  1498.                 if ($Desc) {
  1499.                     $Comment .= "\nMeaning: $Desc\n";
  1500.                 }
  1501.  
  1502.             }
  1503.             ##
  1504.             ## Okay, write the file...
  1505.             ##
  1506.             $Table->Write("lib/$filename.pl", $Comment);
  1507.  
  1508.             ## and register it
  1509.             $RawNameToFile{$Name} = $filename;
  1510.             RegisterFileForName($Type => $Name, $IsFuzzy, $filename);
  1511.  
  1512.             if ($IsFuzzy)
  1513.             {
  1514.                 my $CName = CanonicalName($Type . '_'. $Name);
  1515.                 $FuzzyNameToTest{$Name}  = $Table if !$FuzzyNameToTest{$Name};
  1516.                 $FuzzyNameToTest{$CName} = $Table if !$FuzzyNameToTest{$CName};
  1517.             } else {
  1518.                 $ExactNameToTest{$Name} = $Table;
  1519.             }
  1520.  
  1521.         }
  1522.  
  1523.         ## Register aliase info
  1524.         for my $Name (sort {length $a <=> length $b} keys %{$AliasInfo{$Type}})
  1525.         {
  1526.             my $Alias    = $AliasInfo{$Type}->{$Name};
  1527.             my $IsFuzzy  = $FuzzyNames{$Type}->{$Alias};
  1528.             my $filename = $RawNameToFile{$Name};
  1529.             die "oops [$Alias]->[$Name]" if not $filename;
  1530.             RegisterFileForName($Type => $Alias, $IsFuzzy, $filename);
  1531.  
  1532.             my $Table = $TableInfo{$Type}->{$Name};
  1533.             die "oops" if not $Table;
  1534.             if ($IsFuzzy)
  1535.             {
  1536.                 my $CName = CanonicalName($Type .'_'. $Alias);
  1537.                 $FuzzyNameToTest{$Alias} = $Table if !$FuzzyNameToTest{$Alias};
  1538.                 $FuzzyNameToTest{$CName} = $Table if !$FuzzyNameToTest{$CName};
  1539.             } else {
  1540.                 $ExactNameToTest{$Alias} = $Table;
  1541.             }
  1542.         }
  1543.     }
  1544.  
  1545.     ##
  1546.     ## Write out the property list
  1547.     ##
  1548.     {
  1549.         my @OUT = (
  1550.                    "##\n",
  1551.                    "## This file created by $0\n",
  1552.                    "## List of built-in \\p{...}/\\P{...} properties.\n",
  1553.                    "##\n",
  1554.                    "## '*' means name may be 'fuzzy'\n",
  1555.                    "##\n\n",
  1556.                    sort { substr($a,2) cmp substr($b, 2) } @MAP,
  1557.                   );
  1558.         WriteIfChanged('Properties', @OUT);
  1559.     }
  1560.  
  1561.     use Text::Tabs ();  ## using this makes the files about half the size
  1562.  
  1563.     ## Write Exact.pl
  1564.     {
  1565.         my @OUT = (
  1566.                    $HEADER,
  1567.                    "##\n",
  1568.                    "## Data in this file used by ../utf8_heavy.pl\n",
  1569.                    "##\n\n",
  1570.                    "## Mapping from name to filename in ./lib\n",
  1571.                    "%utf8::Exact = (\n",
  1572.                   );
  1573.  
  1574.         for my $Name (sort keys %Exact)
  1575.         {
  1576.             my $File = $Exact{$Name};
  1577.             $Name = $Name =~ m/\W/ ? qq/'$Name'/ : " $Name ";
  1578.             my $Text = sprintf("%-15s => %s,\n", $Name, qq/'$File'/);
  1579.             push @OUT, Text::Tabs::unexpand($Text);
  1580.         }
  1581.         push @OUT, ");\n1;\n";
  1582.  
  1583.         WriteIfChanged('Exact.pl', @OUT);
  1584.     }
  1585.  
  1586.     ## Write Canonical.pl
  1587.     {
  1588.         my @OUT = (
  1589.                    $HEADER,
  1590.                    "##\n",
  1591.                    "## Data in this file used by ../utf8_heavy.pl\n",
  1592.                    "##\n\n",
  1593.                    "## Mapping from lc(canonical name) to filename in ./lib\n",
  1594.                    "%utf8::Canonical = (\n",
  1595.                   );
  1596.         my $Trail = ""; ## used just to keep the spacing pretty
  1597.         for my $Name (sort keys %Canonical)
  1598.         {
  1599.             my $File = $Canonical{$Name};
  1600.             if ($CaComment{$Name}) {
  1601.                 push @OUT, "\n" if not $Trail;
  1602.                 push @OUT, " # $CaComment{$Name}\n";
  1603.                 $Trail = "\n";
  1604.             } else {
  1605.                 $Trail = "";
  1606.             }
  1607.             $Name = $Name =~ m/\W/ ? qq/'$Name'/ : " $Name ";
  1608.             my $Text = sprintf("  %-41s => %s,\n$Trail", $Name, qq/'$File'/);
  1609.             push @OUT, Text::Tabs::unexpand($Text);
  1610.         }
  1611.         push @OUT, ");\n1\n";
  1612.         WriteIfChanged('Canonical.pl', @OUT);
  1613.     }
  1614.  
  1615.     MakePropTestScript() if $MakeTestScript;
  1616. }
  1617.  
  1618.  
  1619. sub SpecialCasing_txt()
  1620. {
  1621.     #
  1622.     # Read in the special cases.
  1623.     #
  1624.  
  1625.     my %CaseInfo;
  1626.  
  1627.     if (not open IN, "SpecialCasing.txt") {
  1628.         die "$0: SpecialCasing.txt: $!\n";
  1629.     }
  1630.     while (<IN>) {
  1631.         next unless /^[0-9A-Fa-f]+;/;
  1632.         s/\#.*//;
  1633.         s/\s+$//;
  1634.  
  1635.         my ($code, $lower, $title, $upper, $condition) = split(/\s*;\s*/);
  1636.  
  1637.         if ($condition) { # not implemented yet
  1638.             print "# SKIPPING $_\n" if $Verbose;
  1639.             next;
  1640.         }
  1641.  
  1642.         # Wait until all the special cases have been read since
  1643.         # they are not listed in numeric order.
  1644.         my $ix = hex($code);
  1645.         push @{$CaseInfo{Lower}}, [ $ix, $code, $lower ]
  1646.         unless $code eq $lower;
  1647.         push @{$CaseInfo{Title}}, [ $ix, $code, $title ]
  1648.         unless $code eq $title;
  1649.         push @{$CaseInfo{Upper}}, [ $ix, $code, $upper ]
  1650.         unless $code eq $upper;
  1651.     }
  1652.     close IN;
  1653.  
  1654.     # Now write out the special cases properties in their code point order.
  1655.     # Prepend them to the To/{Upper,Lower,Title}.pl.
  1656.  
  1657.     for my $case (qw(Lower Title Upper))
  1658.     {
  1659.         my $NormalCase = do "To/$case.pl" || die "$0: $@\n";
  1660.  
  1661.         my @OUT =
  1662.         (
  1663.          $HEADER, "\n",
  1664.          "# The key UTF-8 _bytes_, the value UTF-8 (speed hack)\n",
  1665.          "%utf8::ToSpec$case =\n(\n",
  1666.         );
  1667.  
  1668.         for my $prop (sort { $a->[0] <=> $b->[0] } @{$CaseInfo{$case}}) {
  1669.             my ($ix, $code, $to) = @$prop;
  1670.             my $tostr =
  1671.               join "", map { sprintf "\\x{%s}", $_ } split ' ', $to;
  1672.             push @OUT, sprintf qq["%s" => "$tostr",\n], join("", map { sprintf "\\x%02X", $_ } unpack("U0C*", pack("U", $ix)));
  1673.         # Remove any single-character mappings for
  1674.         # the same character since we are going for
  1675.         # the special casing rules.
  1676.         $NormalCase =~ s/^$code\t\t\w+\n//m;
  1677.         }
  1678.         push @OUT, (
  1679.                     ");\n\n",
  1680.                     "return <<'END';\n",
  1681.                     $NormalCase,
  1682.                     "END\n"
  1683.                     );
  1684.         WriteIfChanged("To/$case.pl", @OUT);
  1685.     }
  1686. }
  1687.  
  1688. #
  1689. # Read in the case foldings.
  1690. #
  1691. # We will do full case folding, C + F + I (see CaseFolding.txt).
  1692. #
  1693. sub CaseFolding_txt()
  1694. {
  1695.     if (not open IN, "CaseFolding.txt") {
  1696.     die "$0: CaseFolding.txt: $!\n";
  1697.     }
  1698.  
  1699.     my $Fold = Table->New();
  1700.     my %Fold;
  1701.  
  1702.     while (<IN>) {
  1703.     # Skip status 'S', simple case folding
  1704.     next unless /^([0-9A-Fa-f]+)\s*;\s*([CFI])\s*;\s*([0-9A-Fa-f]+(?: [0-9A-Fa-f]+)*)\s*;/;
  1705.  
  1706.     my ($code, $status, $fold) = (hex($1), $2, $3);
  1707.  
  1708.     if ($status eq 'C') { # Common: one-to-one folding
  1709.         # No append() since several codes may fold into one.
  1710.         $Fold->RawAppendRange($code, $code, $fold);
  1711.     } else { # F: full, or I: dotted uppercase I -> dotless lowercase I
  1712.         $Fold{$code} = $fold;
  1713.     }
  1714.     }
  1715.     close IN;
  1716.  
  1717.     $Fold->Write("To/Fold.pl");
  1718.  
  1719.     #
  1720.     # Prepend the special foldings to the common foldings.
  1721.     #
  1722.     my $CommonFold = do "To/Fold.pl" || die "$0: To/Fold.pl: $!\n";
  1723.  
  1724.     my @OUT =
  1725.     (
  1726.      $HEADER, "\n",
  1727.      "#  The ke UTF-8 _bytes_, the value UTF-8 (speed hack)\n",
  1728.      "%utf8::ToSpecFold =\n(\n",
  1729.     );
  1730.     for my $code (sort { $a <=> $b } keys %Fold) {
  1731.         my $foldstr =
  1732.           join "", map { sprintf "\\x{%s}", $_ } split ' ', $Fold{$code};
  1733.         push @OUT, sprintf qq["%s" => "$foldstr",\n], join("", map { sprintf "\\x%02X", $_ } unpack("U0C*", pack("U", $code)));
  1734.     }
  1735.     push @OUT, (
  1736.                 ");\n\n",
  1737.                 "return <<'END';\n",
  1738.                 $CommonFold,
  1739.                 "END\n",
  1740.                );
  1741.  
  1742.     WriteIfChanged("To/Fold.pl", @OUT);
  1743. }
  1744.  
  1745. ## Do it....
  1746.  
  1747. UnicodeData_Txt();
  1748. Make_GC_Aliases();
  1749. PropList_txt();
  1750.  
  1751. Scripts_txt();
  1752. Blocks_txt();
  1753.  
  1754. WriteAllMappings();
  1755.  
  1756. LineBreak_Txt();
  1757. ArabicShaping_txt();
  1758. Jamo_txt();
  1759. SpecialCasing_txt();
  1760. CaseFolding_txt();
  1761.  
  1762. exit(0);
  1763.  
  1764. ## TRAILING CODE IS USED BY MakePropTestScript()
  1765. __DATA__
  1766. use strict;
  1767. use warnings;
  1768.  
  1769. my $Tests = 0;
  1770. my $Fails = 0;
  1771.  
  1772. sub Expect($$$)
  1773. {
  1774.     my $Expect = shift;
  1775.     my $String = shift;
  1776.     my $Regex  = shift;
  1777.     my $Line   = (caller)[2];
  1778.  
  1779.     $Tests++;
  1780.     my $RegObj;
  1781.     my $result = eval {
  1782.         $RegObj = qr/$Regex/;
  1783.         $String =~ $RegObj ? 1 : 0
  1784.     };
  1785.     
  1786.     if (not defined $result) {
  1787.         print "couldn't compile /$Regex/ on $0 line $Line: $@\n";
  1788.         $Fails++;
  1789.     } elsif ($result ^ $Expect) {
  1790.         print "bad result (expected $Expect) on $0 line $Line: $@\n";
  1791.         $Fails++;
  1792.     }
  1793. }
  1794.  
  1795. sub Error($)
  1796. {
  1797.     my $Regex  = shift;
  1798.     $Tests++;
  1799.     if (eval { 'x' =~ qr/$Regex/; 1 }) {
  1800.         $Fails++;
  1801.         my $Line = (caller)[2];
  1802.         print "expected error for /$Regex/ on $0 line $Line: $@\n";
  1803.     }
  1804. }
  1805.  
  1806. sub Finished()
  1807. {
  1808.    if ($Fails == 0) {
  1809.       print "All $Tests tests passed.\n";
  1810.       exit(0);
  1811.    } else {
  1812.       print "$Tests tests, $Fails failed!\n";
  1813.       exit(-1);
  1814.    }
  1815. }
  1816.