Quelle  gen-arabic-table.py   Sprache: Python

#!/usr/bin/env python3

"""usage: ./gen-arabic-table.py ArabicShaping.txt UnicodeData.txt Blocks.txt

Input files:
* https://unicode.org/Public/UCD/latest/ucd/ArabicShaping.txt
* https://unicode.org/Public/UCD/latest/ucd/UnicodeData.txt
* https://unicode.org/Public/UCD/latest/ucd/Blocks.txt
"""

import os.path, sys

if len (sys.argv) != 4:
 sys.exit (__doc__)

files = [open (x, encoding='utf-8') for x in sys.argv[1:]]

headers = [[files[0].readline (), files[0].readline ()], [files[2].readline (), files[2].readline ()]]
headers.append (["UnicodeData.txt does not have a header."])
while files[0].readline ().find ('##################') < 0:
 pass

blocks = {}
def read_blocks(f):
 global blocks
 for line in f:

  j = line.find ('#')
  if j >= 0:
   line = line[:j]

  fields = [x.strip () for x in line.split (';')]
  if len (fields) == 1:
   continue

  uu = fields[0].split ('..')
  start = int (uu[0], 16)
  if len (uu) == 1:
   end = start
  else:
   end = int (uu[1], 16)

  t = fields[1]

  for u in range (start, end + 1):
   blocks[u] = t

def print_joining_table(f):

 values = {}
 for line in f:

  if line[0] == '#':
   continue

  fields = [x.strip () for x in line.split (';')]
  if len (fields) == 1:
   continue

  u = int (fields[0], 16)

  if fields[3] in ["ALAPH", "DALATH RISH"]:
   value = "JOINING_GROUP_" + fields[3].replace(' ', '_')
  else:
   value = "JOINING_TYPE_" + fields[2]
  values[u] = value

 short_value = {}
 for value in sorted (set ([v for v in values.values ()] + ['JOINING_TYPE_X'])):
  short = ''.join(x[0] for x in value.split('_')[2:])
  assert short not in short_value.values()
  short_value[value] = short

 print ()
 for value,short in short_value.items():
  print ("#define %s %s" % (short, value))

 uu = sorted(values.keys())
 num = len(values)
 all_blocks = set([blocks[u] for u in uu])

 last = -100000
 ranges = []
 for u in uu:
  if u - last <= 1+16*5:
   ranges[-1][-1] = u
  else:
   ranges.append([u,u])
  last = u

 print ()
 print ("static const uint8_t joining_table[] =")
 print ("{")
 last_block = None
 offset = 0
 for start,end in ranges:

  print ()
  print ("#define joining_offset_0x%04xu %d" % (start, offset))

  for u in range(start, end+1):

   block = blocks.get(u, last_block)
   value = values.get(u, "JOINING_TYPE_X")

   if block != last_block or u == start:
    if u != start:
     print ()
    if block in all_blocks:
     print ("\n /* %s */" % block)
    else:
     print ("\n /* FILLER */")
    last_block = block
    if u % 32 != 0:
     print ()
     print (" /* %04X */" % (u//32*32), " " * (u % 32), end="")

   if u % 32 == 0:
    print ()
    print (" /* %04X */ " % u, end="")
   print ("%s," % short_value[value], end="")
  print ()

  offset += end - start + 1
 print ()
 occupancy = num * 100. / offset
 print ("}; /* Table items: %d; occupancy: %d%% */" % (offset, occupancy))
 print ()

 page_bits = 12
 print ()
 print ("static unsigned int")
 print ("joining_type (hb_codepoint_t u)")
 print ("{")
 print (" switch (u >> %d)" % page_bits)
 print (" {")
 pages = set([u>>page_bits for u in [s for s,e in ranges]+[e for s,e in ranges]])
 for p in sorted(pages):
  print (" case 0x%0Xu:" % p)
  for (start,end) in ranges:
   if p not in [start>>page_bits, end>>page_bits]: continue
   offset = "joining_offset_0x%04xu" % start
   print (" if (hb_in_range (u, 0x%04Xu, 0x%04Xu)) return joining_table[u - 0x%04Xu + %s];" % (start, end, start, offset))
  print (" break;")
  print ("")
 print (" default:")
 print (" break;")
 print (" }")
 print (" return X;")
 print ("}")
 print ()
 for value,short in short_value.items():
  print ("#undef %s" % (short))
 print ()

LIGATURES = (
 0xF2EE, 0xFC08, 0xFC0E, 0xFC12, 0xFC32, 0xFC3F, 0xFC40, 0xFC41, 0xFC42,
 0xFC44, 0xFC4E, 0xFC5E, 0xFC60, 0xFC61, 0xFC62, 0xFC6A, 0xFC6D, 0xFC6F,
 0xFC70, 0xFC73, 0xFC75, 0xFC86, 0xFC8F, 0xFC91, 0xFC94, 0xFC9C, 0xFC9D,
 0xFC9E, 0xFC9F, 0xFCA1, 0xFCA2, 0xFCA3, 0xFCA4, 0xFCA8, 0xFCAA, 0xFCAC,
 0xFCB0, 0xFCC9, 0xFCCA, 0xFCCB, 0xFCCC, 0xFCCD, 0xFCCE, 0xFCCF, 0xFCD0,
 0xFCD1, 0xFCD2, 0xFCD3, 0xFCD5, 0xFCDA, 0xFCDB, 0xFCDC, 0xFCDD, 0xFD30,
 0xFD88, 0xFEF5, 0xFEF6, 0xFEF7, 0xFEF8, 0xFEF9, 0xFEFA, 0xFEFB, 0xFEFC,
 0xF201, 0xF211, 0xF2EE,
)

def print_shaping_table(f):

 shapes = {}
 ligatures = {}
 names = {}
 lines = f.readlines()
 lines += [
  "F201;PUA ARABIC LIGATURE LELLAH ISOLATED FORM;Lo;0;AL; 0644 0644 0647;;;;N;;;;;",
  "F211;PUA ARABIC LIGATURE LAM WITH MEEM WITH JEEM INITIAL FORM;Lo;0;AL; 0644 0645 062C;;;;N;;;;;",
  "F2EE;PUA ARABIC LIGATURE SHADDA WITH FATHATAN ISOLATED FORM;Lo;0;AL; 0020 064B 0651;;;;N;;;;;",
 ]
 for line in lines:

  fields = [x.strip () for x in line.split (';')]
  if fields[5][0:1] != '<':
   continue

  items = fields[5].split (' ')
  shape, items = items[0][1:-1], tuple (int (x, 16) for x in items[1:])
  c = int (fields[0], 16)

  if not shape in ['initial', 'medial', 'isolated', 'final']:
   continue

  if len (items) != 1:
   # Mark ligatures start with space and are in visual order, so we
   # remove the space and reverse the items.
   if items[0] == 0x0020:
    items = items[:0:-1]
    shape = None
   # We only care about a subset of ligatures
   if c not in LIGATURES:
    continue

   # Save ligature
   names[c] = fields[1]
   if items not in ligatures:
    ligatures[items] = {}
   ligatures[items][shape] = c
  else:
   # Save shape
   if items[0] not in names:
    names[items[0]] = fields[1]
   else:
    names[items[0]] = os.path.commonprefix ([names[items[0]], fields[1]]).strip ()
   if items[0] not in shapes:
    shapes[items[0]] = {}
   shapes[items[0]][shape] = c

 print ()
 print ("static const uint16_t shaping_table[][4] =")
 print ("{")

 keys = shapes.keys ()
 min_u, max_u = min (keys), max (keys)
 for u in range (min_u, max_u + 1):
  s = [shapes[u][shape] if u in shapes and shape in shapes[u] else 0
       for shape in  ['initial', 'medial', 'final', 'isolated']]
  value = ', '.join ("0x%04Xu" % c for c in s)
  print (" {%s}, /* U+%04X %s */" % (value, u, names[u] if u in names else ""))

 print ("};")
 print ()
 print ("#define SHAPING_TABLE_FIRST 0x%04Xu" % min_u)
 print ("#define SHAPING_TABLE_LAST 0x%04Xu" % max_u)
 print ()

 ligas_2 = {}
 ligas_3 = {}
 ligas_mark_2 = {}
 for key in ligatures.keys ():
  for shape in ligatures[key]:
   c = ligatures[key][shape]
   if len(key) == 3:
    if shape == 'isolated':
     liga = (shapes[key[0]]['initial'], shapes[key[1]]['medial'], shapes[key[2]]['final'])
    elif shape == 'final':
     liga = (shapes[key[0]]['medial'], shapes[key[1]]['medial'], shapes[key[2]]['final'])
    elif shape == 'initial':
     liga = (shapes[key[0]]['initial'], shapes[key[1]]['medial'], shapes[key[2]]['medial'])
    else:
     raise Exception ("Unexpected shape", shape)
    if liga[0] not in ligas_3:
     ligas_3[liga[0]] = []
    ligas_3[liga[0]].append ((liga[1], liga[2], c))
   elif len(key) == 2:
    if shape is None:
     liga = key
     if liga[0] not in ligas_mark_2:
      ligas_mark_2[liga[0]] = []
     ligas_mark_2[liga[0]].append ((liga[1], c))
     continue
    elif shape == 'isolated':
     liga = (shapes[key[0]]['initial'], shapes[key[1]]['final'])
    elif shape == 'final':
     liga = (shapes[key[0]]['medial'], shapes[key[1]]['final'])
    elif shape == 'initial':
     liga = (shapes[key[0]]['initial'], shapes[key[1]]['medial'])
    else:
     raise Exception ("Unexpected shape", shape)
    if liga[0] not in ligas_2:
     ligas_2[liga[0]] = []
    ligas_2[liga[0]].append ((liga[1], c))
   else:
    raise Exception ("Unexpected number of ligature components", key)
 max_i = max (len (ligas_2[l]) for l in ligas_2)
 print ()
 print ("static const struct ligature_set_t {")
 print (" uint16_t first;")
 print (" struct ligature_pairs_t {")
 print (" uint16_t components[1];")
 print (" uint16_t ligature;")
 print (" } ligatures[%d];" % max_i)
 print ("} ligature_table[] =")
 print ("{")
 for first in sorted (ligas_2.keys ()):

  print (" { 0x%04Xu, {" % (first))
  for liga in ligas_2[first]:
   print (" { {0x%04Xu}, 0x%04Xu }, /* %s */" % (liga[0], liga[1], names[liga[1]]))
  print (" }},")

 print ("};")
 print ()

 max_i = max (len (ligas_mark_2[l]) for l in ligas_mark_2)
 print ()
 print ("static const struct ligature_mark_set_t {")
 print (" uint16_t first;")
 print (" struct ligature_pairs_t {")
 print (" uint16_t components[1];")
 print (" uint16_t ligature;")
 print (" } ligatures[%d];" % max_i)
 print ("} ligature_mark_table[] =")
 print ("{")
 for first in sorted (ligas_mark_2.keys ()):

  print (" { 0x%04Xu, {" % (first))
  for liga in ligas_mark_2[first]:
   print (" { {0x%04Xu}, 0x%04Xu }, /* %s */" % (liga[0], liga[1], names[liga[1]]))
  print (" }},")

 print ("};")
 print ()

 max_i = max (len (ligas_3[l]) for l in ligas_3)
 print ()
 print ("static const struct ligature_3_set_t {")
 print (" uint16_t first;")
 print (" struct ligature_triplets_t {")
 print (" uint16_t components[2];")
 print (" uint16_t ligature;")
 print (" } ligatures[%d];" % max_i)
 print ("} ligature_3_table[] =")
 print ("{")
 for first in sorted (ligas_3.keys ()):

  print (" { 0x%04Xu, {" % (first))
  for liga in ligas_3[first]:
   print (" { {0x%04Xu, 0x%04Xu}, 0x%04Xu}, /* %s */" % (liga[0], liga[1], liga[2], names[liga[2]]))
  print (" }},")

 print ("};")
 print ()



print ("/* == Start of generated table == */")
print ("/*")
print (" * The following table is generated by running:")
print (" *")
print (" * ./gen-arabic-table.py ArabicShaping.txt UnicodeData.txt Blocks.txt")
print (" *")
print (" * on files with these headers:")
print (" *")
for h in headers:
 for l in h:
  print (" * %s" % (l.strip()))
print (" */")
print ()
print ("#ifndef HB_OT_SHAPER_ARABIC_TABLE_HH")
print ("#define HB_OT_SHAPER_ARABIC_TABLE_HH")
print ()

read_blocks (files[2])
print_joining_table (files[0])
print_shaping_table (files[1])

print ()
print ("#endif /* HB_OT_SHAPER_ARABIC_TABLE_HH */")
print ()
print ("/* == End of generated table == */")