home *** CD-ROM | disk | FTP | other *** search
/ H4CK3R 14 / hacker14.iso / programacao / pythonwin / python.exe / GENCODEC.PY < prev    next >
Encoding:
Python Source  |  2003-02-03  |  8.1 KB  |  306 lines
  1. """ Unicode Mapping Parser and Codec Generator.
  2.  
  3. This script parses Unicode mapping files as available from the Unicode
  4. site (ftp://ftp.unicode.org/Public/MAPPINGS/) and creates Python codec
  5. modules from them. The codecs use the standard character mapping codec
  6. to actually apply the mapping.
  7.  
  8. Synopsis: gencodec.py dir codec_prefix
  9.  
  10. All files in dir are scanned and those producing non-empty mappings
  11. will be written to <codec_prefix><mapname>.py with <mapname> being the
  12. first part of the map's filename ('a' in a.b.c.txt) converted to
  13. lowercase with hyphens replaced by underscores.
  14.  
  15. The tool also writes marshalled versions of the mapping tables to the
  16. same location (with .mapping extension).
  17.  
  18. Written by Marc-Andre Lemburg (mal@lemburg.com).
  19.  
  20. (c) Copyright CNRI, All Rights Reserved. NO WARRANTY.
  21. (c) Copyright Guido van Rossum, 2000.
  22.  
  23. """#"
  24.  
  25. import re,os,time,marshal
  26.  
  27. # Create numeric tables or character based ones ?
  28. numeric = 1
  29.  
  30. mapRE = re.compile('((?:0x[0-9a-fA-F]+\+?)+)'
  31.                    '\s+'
  32.                    '((?:(?:0x[0-9a-fA-Z]+|<[A-Za-z]+>)\+?)*)'
  33.                    '\s*'
  34.                    '(#.+)?')
  35.  
  36. def parsecodes(codes,
  37.                len=len, filter=filter,range=range):
  38.  
  39.     """ Converts code combinations to either a single code integer
  40.         or a tuple of integers.
  41.  
  42.         meta-codes (in angular brackets, e.g. <LR> and <RL>) are
  43.         ignored.
  44.  
  45.         Empty codes or illegal ones are returned as None.
  46.  
  47.     """
  48.     if not codes:
  49.         return None
  50.     l = codes.split('+')
  51.     if len(l) == 1:
  52.         return int(l[0],16)
  53.     for i in range(len(l)):
  54.         try:
  55.             l[i] = int(l[i],16)
  56.         except ValueError:
  57.             l[i] = None
  58.     l = filter(lambda x: x is not None, l)
  59.     if len(l) == 1:
  60.         return l[0]
  61.     else:
  62.         return tuple(l)
  63.  
  64. def readmap(filename):
  65.  
  66.     f = open(filename,'r')
  67.     lines = f.readlines()
  68.     f.close()
  69.     enc2uni = {}
  70.     identity = []
  71.     unmapped = range(256)
  72.     for i in range(256):
  73.         unmapped[i] = i
  74.     for line in lines:
  75.         line = line.strip()
  76.         if not line or line[0] == '#':
  77.             continue
  78.         m = mapRE.match(line)
  79.         if not m:
  80.             #print '* not matched: %s' % repr(line)
  81.             continue
  82.         enc,uni,comment = m.groups()
  83.         enc = parsecodes(enc)
  84.         uni = parsecodes(uni)
  85.         if not comment:
  86.             comment = ''
  87.         else:
  88.             comment = comment[1:]
  89.         if enc < 256:
  90.             unmapped.remove(enc)
  91.             if enc == uni:
  92.                 identity.append(enc)
  93.             else:
  94.                 enc2uni[enc] = (uni,comment)
  95.         else:
  96.             enc2uni[enc] = (uni,comment)
  97.     # If there are more identity-mapped entries than unmapped entries,
  98.     # it pays to generate an identity dictionary first, and add explicit
  99.     # mappings to None for the rest
  100.     if len(identity)>=len(unmapped):
  101.         for enc in unmapped:
  102.             enc2uni[enc] = (None, "")
  103.         enc2uni['IDENTITY'] = 256
  104.  
  105.     return enc2uni
  106.  
  107. def hexrepr(t):
  108.  
  109.     if t is None:
  110.         return 'None'
  111.     try:
  112.         len(t)
  113.     except:
  114.         return '0x%04x' % t
  115.     return '(' + ', '.join(map(lambda t: '0x%04x' % t, t)) + ')'
  116.  
  117. def unicoderepr(t):
  118.  
  119.     if t is None:
  120.         return 'None'
  121.     if numeric:
  122.         return hexrepr(t)
  123.     else:
  124.         try:
  125.             len(t)
  126.         except:
  127.             return repr(unichr(t))
  128.         return repr(''.join(map(unichr, t)))
  129.  
  130. def keyrepr(t):
  131.  
  132.     if t is None:
  133.         return 'None'
  134.     if numeric:
  135.         return hexrepr(t)
  136.     else:
  137.         try:
  138.             len(t)
  139.         except:
  140.             if t < 256:
  141.                 return repr(chr(t))
  142.             else:
  143.                 return repr(unichr(t))
  144.         return repr(''.join(map(chr, t)))
  145.  
  146. def codegen(name,map,comments=1):
  147.  
  148.     """ Returns Python source for the given map.
  149.  
  150.         Comments are included in the source, if comments is true (default).
  151.  
  152.     """
  153.     l = [
  154.         '''\
  155. """ Python Character Mapping Codec generated from '%s' with gencodec.py.
  156.  
  157. Written by Marc-Andre Lemburg (mal@lemburg.com).
  158.  
  159. (c) Copyright CNRI, All Rights Reserved. NO WARRANTY.
  160. (c) Copyright 2000 Guido van Rossum.
  161.  
  162. """#"
  163.  
  164. import codecs
  165.  
  166. ### Codec APIs
  167.  
  168. class Codec(codecs.Codec):
  169.  
  170.     def encode(self,input,errors='strict'):
  171.  
  172.         return codecs.charmap_encode(input,errors,encoding_map)
  173.  
  174.     def decode(self,input,errors='strict'):
  175.  
  176.         return codecs.charmap_decode(input,errors,decoding_map)
  177.  
  178. class StreamWriter(Codec,codecs.StreamWriter):
  179.     pass
  180.  
  181. class StreamReader(Codec,codecs.StreamReader):
  182.     pass
  183.  
  184. ### encodings module API
  185.  
  186. def getregentry():
  187.  
  188.     return (Codec().encode,Codec().decode,StreamReader,StreamWriter)
  189.  
  190. ### Decoding Map
  191. ''' % name,
  192.         ]
  193.  
  194.     if map.has_key("IDENTITY"):
  195.         l.append("decoding_map = codecs.make_identity_dict(range(%d))"
  196.                  % map["IDENTITY"])
  197.         l.append("decoding_map.update({")
  198.         splits = 1
  199.         del map["IDENTITY"]
  200.     else:
  201.         l.append("decoding_map = {")
  202.         splits = 0
  203.  
  204.     mappings = map.items()
  205.     mappings.sort()
  206.     append = l.append
  207.     i = 0
  208.     for e,value in mappings:
  209.         try:
  210.             (u,c) = value
  211.         except TypeError:
  212.             u = value
  213.             c = ''
  214.         key = keyrepr(e)
  215.         if c and comments:
  216.             append('\t%s: %s,\t# %s' % (key,unicoderepr(u),c))
  217.         else:
  218.             append('\t%s: %s,' % (key,unicoderepr(u)))
  219.         i += 1
  220.         if i == 4096:
  221.             # Split the definition into parts to that the Python
  222.             # parser doesn't dump core
  223.             if splits == 0:
  224.                 append('}')
  225.             else:
  226.                 append('})')
  227.             append('decoding_map.update({')
  228.             i = 0
  229.             splits = splits + 1
  230.     if splits == 0:
  231.         append('}')
  232.     else:
  233.         append('})')
  234.     append('''
  235. ### Encoding Map
  236.  
  237. encoding_map = codecs.make_encoding_map(decoding_map)
  238. ''')
  239.     return '\n'.join(l)
  240.  
  241. def pymap(name,map,pyfile,comments=1):
  242.  
  243.     code = codegen(name,map,comments)
  244.     f = open(pyfile,'w')
  245.     f.write(code)
  246.     f.close()
  247.  
  248. def marshalmap(name,map,marshalfile):
  249.  
  250.     d = {}
  251.     for e,(u,c) in map.items():
  252.         d[e] = (u,c)
  253.     f = open(marshalfile,'wb')
  254.     marshal.dump(d,f)
  255.     f.close()
  256.  
  257. def convertdir(dir,prefix='',comments=1):
  258.  
  259.     mapnames = os.listdir(dir)
  260.     for mapname in mapnames:
  261.         name = os.path.split(mapname)[1]
  262.         name = name.replace('-','_')
  263.         name = name.split('.')[0]
  264.         name = name.lower()
  265.         codefile = name + '.py'
  266.         marshalfile = name + '.mapping'
  267.         print 'converting %s to %s and %s' % (mapname,
  268.                                               prefix + codefile,
  269.                                               prefix + marshalfile)
  270.         try:
  271.             map = readmap(os.path.join(dir,mapname))
  272.             if not map:
  273.                 print '* map is empty; skipping'
  274.             else:
  275.                 pymap(mapname, map, prefix + codefile,comments)
  276.                 marshalmap(mapname, map, prefix + marshalfile)
  277.         except ValueError:
  278.             print '* conversion failed'
  279.  
  280. def rewritepythondir(dir,prefix='',comments=1):
  281.  
  282.     mapnames = os.listdir(dir)
  283.     for mapname in mapnames:
  284.         if not mapname.endswith('.mapping'):
  285.             continue
  286.         codefile = mapname[:-len('.mapping')] + '.py'
  287.         print 'converting %s to %s' % (mapname,
  288.                                        prefix + codefile)
  289.         try:
  290.             map = marshal.load(open(os.path.join(dir,mapname),
  291.                                'rb'))
  292.             if not map:
  293.                 print '* map is empty; skipping'
  294.             else:
  295.                 pymap(mapname, map, prefix + codefile,comments)
  296.         except ValueError, why:
  297.             print '* conversion failed: %s' % why
  298.  
  299. if __name__ == '__main__':
  300.  
  301.     import sys
  302.     if 1:
  303.         apply(convertdir,tuple(sys.argv[1:]))
  304.     else:
  305.         apply(rewritepythondir,tuple(sys.argv[1:]))
  306.