1 | /*=============================================================================
|
---|
2 | Boost.Wave: A Standard compliant C++ preprocessor library
|
---|
3 |
|
---|
4 | Grammar for universal character validation (see C++ standard: Annex E)
|
---|
5 |
|
---|
6 | http://www.boost.org/
|
---|
7 |
|
---|
8 | Copyright (c) 2001-2005 Hartmut Kaiser. Distributed under the Boost
|
---|
9 | Software License, Version 1.0. (See accompanying file
|
---|
10 | LICENSE_1_0.txt or copy at http://www.boost.org/LICENSE_1_0.txt)
|
---|
11 | =============================================================================*/
|
---|
12 | #if !defined(VALIDATE_UNIVERSAL_CHAR_HPP_55F1B811_CD76_4C72_8344_CBC69CF3B339_INCLUDED)
|
---|
13 | #define VALIDATE_UNIVERSAL_CHAR_HPP_55F1B811_CD76_4C72_8344_CBC69CF3B339_INCLUDED
|
---|
14 |
|
---|
15 | #include <boost/assert.hpp>
|
---|
16 |
|
---|
17 | #include <boost/wave/util/file_position.hpp>
|
---|
18 | #include <boost/wave/cpplexer/cpplexer_exceptions.hpp>
|
---|
19 |
|
---|
20 | ///////////////////////////////////////////////////////////////////////////////
|
---|
21 | namespace boost {
|
---|
22 | namespace wave {
|
---|
23 | namespace cpplexer {
|
---|
24 | namespace impl {
|
---|
25 |
|
---|
26 | enum universal_char_type {
|
---|
27 | universal_char_type_valid = 0,
|
---|
28 | universal_char_type_invalid = 1,
|
---|
29 | universal_char_type_base_charset = 2,
|
---|
30 | universal_char_type_not_allowed_for_identifiers = 3
|
---|
31 | };
|
---|
32 |
|
---|
33 | namespace {
|
---|
34 |
|
---|
35 | ///////////////////////////////////////////////////////////////////////////
|
---|
36 | //
|
---|
37 | // is_range is a helper function for the classification by brute force
|
---|
38 | // below
|
---|
39 | //
|
---|
40 | ///////////////////////////////////////////////////////////////////////////
|
---|
41 | inline bool
|
---|
42 | in_range(unsigned long ch, unsigned long l, unsigned long u)
|
---|
43 | {
|
---|
44 | return (l <= ch && ch <= u);
|
---|
45 | }
|
---|
46 | }
|
---|
47 |
|
---|
48 | ///////////////////////////////////////////////////////////////////////////////
|
---|
49 | //
|
---|
50 | // classify_universal_char
|
---|
51 | //
|
---|
52 | // This function classifies an universal character value into 4 subranges:
|
---|
53 | // universal_char_type_valid
|
---|
54 | // the universal character value is valid for identifiers
|
---|
55 | // universal_char_type_invalid
|
---|
56 | // the universal character value is not valid for its usage inside
|
---|
57 | // identifiers (see C++ Standard: 2.2.2 [lex.charset])
|
---|
58 | // universal_char_type_base_charset
|
---|
59 | // the universal character value designates a character from the base
|
---|
60 | // character set
|
---|
61 | // universal_char_type_not_allowed_for_identifiers
|
---|
62 | // the universal character value is not allowed in an identifier
|
---|
63 | //
|
---|
64 | // Implementation note:
|
---|
65 | // This classification isn't implemented very effectively here. This
|
---|
66 | // function should be rewritten with some range run matching algorithm.
|
---|
67 | //
|
---|
68 | ///////////////////////////////////////////////////////////////////////////////
|
---|
69 | inline universal_char_type
|
---|
70 | classify_universal_char (unsigned long ch)
|
---|
71 | {
|
---|
72 | // test for invalid characters
|
---|
73 | if (ch <= 0x0020 || in_range(ch, 0x007f, 0x009f))
|
---|
74 | return universal_char_type_invalid;
|
---|
75 |
|
---|
76 | // test for characters in the range of the base character set
|
---|
77 | if (in_range(ch, 0x0021, 0x005f) || in_range(ch, 0x0061, 0x007e))
|
---|
78 | return universal_char_type_base_charset;
|
---|
79 |
|
---|
80 | // test for additional valid character values (see C++ Standard: Annex E)
|
---|
81 | if (in_range(ch, 0x00c0, 0x00d6) || in_range(ch, 0x00d8, 0x00f6) ||
|
---|
82 | in_range(ch, 0x00f8, 0x01f5) || in_range(ch, 0x01fa, 0x0217) ||
|
---|
83 | in_range(ch, 0x0250, 0x02a8) || in_range(ch, 0x1e00, 0x1e9a) ||
|
---|
84 | in_range(ch, 0x1ea0, 0x1ef9))
|
---|
85 | {
|
---|
86 | return universal_char_type_valid; // Latin
|
---|
87 | }
|
---|
88 |
|
---|
89 | if (0x0384 == ch || in_range(ch, 0x0388, 0x038a) ||
|
---|
90 | 0x038c == ch || in_range(ch, 0x038e, 0x03a1) ||
|
---|
91 | in_range(ch, 0x03a3, 0x03ce) || in_range(ch, 0x03d0, 0x03d6) ||
|
---|
92 | 0x03da == ch || 0x03dc == ch || 0x03de == ch || 0x03e0 == ch ||
|
---|
93 | in_range(ch, 0x03e2, 0x03f3) || in_range(ch, 0x1f00, 0x1f15) ||
|
---|
94 | in_range(ch, 0x1f18, 0x1f1d) || in_range(ch, 0x1f20, 0x1f45) ||
|
---|
95 | in_range(ch, 0x1f48, 0x1f4d) || in_range(ch, 0x1f50, 0x1f57) ||
|
---|
96 | 0x1f59 == ch || 0x1f5b == ch || 0x1f5d == ch ||
|
---|
97 | in_range(ch, 0x1f5f, 0x1f7d) || in_range(ch, 0x1f80, 0x1fb4) ||
|
---|
98 | in_range(ch, 0x1fb6, 0x1fbc) || in_range(ch, 0x1fc2, 0x1fc4) ||
|
---|
99 | in_range(ch, 0x1fc6, 0x1fcc) || in_range(ch, 0x1fd0, 0x1fd3) ||
|
---|
100 | in_range(ch, 0x1fd6, 0x1fdb) || in_range(ch, 0x1fe0, 0x1fec) ||
|
---|
101 | in_range(ch, 0x1ff2, 0x1ff4) || in_range(ch, 0x1ff6, 0x1ffc))
|
---|
102 | {
|
---|
103 | return universal_char_type_valid; // Greek
|
---|
104 | }
|
---|
105 |
|
---|
106 | if (in_range(ch, 0x0401, 0x040d) || in_range(ch, 0x040f, 0x044f) ||
|
---|
107 | in_range(ch, 0x0451, 0x045c) || in_range(ch, 0x045e, 0x0481) ||
|
---|
108 | in_range(ch, 0x0490, 0x04c4) || in_range(ch, 0x04c7, 0x04c8) ||
|
---|
109 | in_range(ch, 0x04cb, 0x04cc) || in_range(ch, 0x04d0, 0x04eb) ||
|
---|
110 | in_range(ch, 0x04ee, 0x04f5) || in_range(ch, 0x04f8, 0x04f9))
|
---|
111 | {
|
---|
112 | return universal_char_type_valid; // Cyrillic
|
---|
113 | }
|
---|
114 |
|
---|
115 | if (in_range(ch, 0x0531, 0x0556) || in_range(ch, 0x0561, 0x0587))
|
---|
116 | return universal_char_type_valid; // Armenian
|
---|
117 |
|
---|
118 | if (in_range(ch, 0x05d0, 0x05ea) || in_range(ch, 0x05f0, 0x05f4))
|
---|
119 | return universal_char_type_valid; // Hebrew
|
---|
120 |
|
---|
121 | if (in_range(ch, 0x0621, 0x063a) || in_range(ch, 0x0640, 0x0652) ||
|
---|
122 | in_range(ch, 0x0670, 0x06b7) || in_range(ch, 0x06ba, 0x06be) ||
|
---|
123 | in_range(ch, 0x06c0, 0x06ce) || in_range(ch, 0x06e5, 0x06e7))
|
---|
124 | {
|
---|
125 | return universal_char_type_valid; // Arabic
|
---|
126 | }
|
---|
127 |
|
---|
128 | if (in_range(ch, 0x0905, 0x0939) || in_range(ch, 0x0958, 0x0962))
|
---|
129 | return universal_char_type_valid; // Devanagari
|
---|
130 |
|
---|
131 | if (in_range(ch, 0x0985, 0x098c) || in_range(ch, 0x098f, 0x0990) ||
|
---|
132 | in_range(ch, 0x0993, 0x09a8) || in_range(ch, 0x09aa, 0x09b0) ||
|
---|
133 | 0x09b2 == ch || in_range(ch, 0x09b6, 0x09b9) ||
|
---|
134 | in_range(ch, 0x09dc, 0x09dd) || in_range(ch, 0x09df, 0x09e1) ||
|
---|
135 | in_range(ch, 0x09f0, 0x09f1))
|
---|
136 | {
|
---|
137 | return universal_char_type_valid; // Bengali
|
---|
138 | }
|
---|
139 |
|
---|
140 | if (in_range(ch, 0x0a05, 0x0a0a) || in_range(ch, 0x0a0f, 0x0a10) ||
|
---|
141 | in_range(ch, 0x0a13, 0x0a28) || in_range(ch, 0x0a2a, 0x0a30) ||
|
---|
142 | in_range(ch, 0x0a32, 0x0a33) || in_range(ch, 0x0a35, 0x0a36) ||
|
---|
143 | in_range(ch, 0x0a38, 0x0a39) || in_range(ch, 0x0a59, 0x0a5c) ||
|
---|
144 | 0x0a5e == ch)
|
---|
145 | {
|
---|
146 | return universal_char_type_valid; // Gurmukhi
|
---|
147 | }
|
---|
148 |
|
---|
149 | if (in_range(ch, 0x0a85, 0x0a8b) || 0x0a8d == ch ||
|
---|
150 | in_range(ch, 0x0a8f, 0x0a91) || in_range(ch, 0x0a93, 0x0aa8) ||
|
---|
151 | in_range(ch, 0x0aaa, 0x0ab0) || in_range(ch, 0x0ab2, 0x0ab3) ||
|
---|
152 | in_range(ch, 0x0ab5, 0x0ab9) || 0x0ae0 == ch)
|
---|
153 | {
|
---|
154 | return universal_char_type_valid; // Gujarati
|
---|
155 | }
|
---|
156 |
|
---|
157 | if (in_range(ch, 0x0b05, 0x0b0c) || in_range(ch, 0x0b0f, 0x0b10) ||
|
---|
158 | in_range(ch, 0x0b13, 0x0b28) || in_range(ch, 0x0b2a, 0x0b30) ||
|
---|
159 | in_range(ch, 0x0b32, 0x0b33) || in_range(ch, 0x0b36, 0x0b39) ||
|
---|
160 | in_range(ch, 0x0b5c, 0x0b5d) || in_range(ch, 0x0b5f, 0x0b61))
|
---|
161 | {
|
---|
162 | return universal_char_type_valid; // Oriya
|
---|
163 | }
|
---|
164 |
|
---|
165 | if (in_range(ch, 0x0b85, 0x0b8a) || in_range(ch, 0x0b8e, 0x0b90) ||
|
---|
166 | in_range(ch, 0x0b92, 0x0b95) || in_range(ch, 0x0b99, 0x0b9a) ||
|
---|
167 | 0x0b9c == ch || in_range(ch, 0x0b9e, 0x0b9f) ||
|
---|
168 | in_range(ch, 0x0ba3, 0x0ba4) || in_range(ch, 0x0ba8, 0x0baa) ||
|
---|
169 | in_range(ch, 0x0bae, 0x0bb5) || in_range(ch, 0x0bb7, 0x0bb9))
|
---|
170 | {
|
---|
171 | return universal_char_type_valid; // Tamil
|
---|
172 | }
|
---|
173 |
|
---|
174 | if (in_range(ch, 0x0c05, 0x0c0c) || in_range(ch, 0x0c0e, 0x0c10) ||
|
---|
175 | in_range(ch, 0x0c12, 0x0c28) || in_range(ch, 0x0c2a, 0x0c33) ||
|
---|
176 | in_range(ch, 0x0c35, 0x0c39) || in_range(ch, 0x0c60, 0x0c61))
|
---|
177 | {
|
---|
178 | return universal_char_type_valid; // Telugu
|
---|
179 | }
|
---|
180 |
|
---|
181 | if (in_range(ch, 0x0c85, 0x0c8c) || in_range(ch, 0x0c8e, 0x0c90) ||
|
---|
182 | in_range(ch, 0x0c92, 0x0ca8) || in_range(ch, 0x0caa, 0x0cb3) ||
|
---|
183 | in_range(ch, 0x0cb5, 0x0cb9) || in_range(ch, 0x0ce0, 0x0ce1))
|
---|
184 | {
|
---|
185 | return universal_char_type_valid; // Kannada
|
---|
186 | }
|
---|
187 |
|
---|
188 | if (in_range(ch, 0x0d05, 0x0d0c) || in_range(ch, 0x0d0e, 0x0d10) ||
|
---|
189 | in_range(ch, 0x0d12, 0x0d28) || in_range(ch, 0x0d2a, 0x0d39) ||
|
---|
190 | in_range(ch, 0x0d60, 0x0d61))
|
---|
191 | {
|
---|
192 | return universal_char_type_valid; // Malayalam
|
---|
193 | }
|
---|
194 |
|
---|
195 | if (in_range(ch, 0x0e01, 0x0e30) || in_range(ch, 0x0e32, 0x0e33) ||
|
---|
196 | in_range(ch, 0x0e40, 0x0e46) || in_range(ch, 0x0e4f, 0x0e5b))
|
---|
197 | {
|
---|
198 | return universal_char_type_valid; // Thai
|
---|
199 | }
|
---|
200 |
|
---|
201 | return universal_char_type_not_allowed_for_identifiers;
|
---|
202 | }
|
---|
203 |
|
---|
204 | ///////////////////////////////////////////////////////////////////////////////
|
---|
205 | //
|
---|
206 | // validate_identifier_name
|
---|
207 | //
|
---|
208 | // The validate_identifier_name function tests a given identifier name for
|
---|
209 | // its validity with regard to eventually contained universal characters.
|
---|
210 | // These should be in valid ranges (see the function
|
---|
211 | // classify_universal_char above).
|
---|
212 | //
|
---|
213 | // If the identifier name contains invalid or not allowed universal
|
---|
214 | // characters a corresponding lexing_exception is thrown.
|
---|
215 | //
|
---|
216 | ///////////////////////////////////////////////////////////////////////////////
|
---|
217 | template <typename StringT>
|
---|
218 | inline void
|
---|
219 | validate_identifier_name (StringT const &name, int line, int column,
|
---|
220 | StringT const &file_name)
|
---|
221 | {
|
---|
222 | using namespace std; // some systems have strtoul in namespace std::
|
---|
223 |
|
---|
224 | typename StringT::size_type pos = name.find_first_of('\\');
|
---|
225 |
|
---|
226 | while (StringT::npos != pos) {
|
---|
227 | // the identifier name contains a backslash (must be universal char)
|
---|
228 | BOOST_ASSERT('u' == name[pos+1] || 'U' == name[pos+1]);
|
---|
229 |
|
---|
230 | StringT uchar_val(name.substr(pos+2, ('u' == name[pos+1]) ? 4 : 8));
|
---|
231 | universal_char_type type =
|
---|
232 | classify_universal_char(strtoul(uchar_val.c_str(), 0, 16));
|
---|
233 |
|
---|
234 | if (universal_char_type_valid != type) {
|
---|
235 | // an invalid char was found, so throw an exception
|
---|
236 | StringT error_uchar(name.substr(pos, ('u' == name[pos+1]) ? 6 : 10));
|
---|
237 |
|
---|
238 | if (universal_char_type_invalid == type) {
|
---|
239 | BOOST_WAVE_LEXER_THROW(lexing_exception, universal_char_invalid,
|
---|
240 | error_uchar, line, column, file_name.c_str());
|
---|
241 | }
|
---|
242 | else if (universal_char_type_base_charset == type) {
|
---|
243 | BOOST_WAVE_LEXER_THROW(lexing_exception, universal_char_base_charset,
|
---|
244 | error_uchar, line, column, file_name.c_str());
|
---|
245 | }
|
---|
246 | else {
|
---|
247 | BOOST_WAVE_LEXER_THROW(lexing_exception, universal_char_not_allowed,
|
---|
248 | error_uchar, line, column, file_name.c_str());
|
---|
249 | }
|
---|
250 | }
|
---|
251 |
|
---|
252 | // find next universal char (if appropriate)
|
---|
253 | pos = name.find_first_of('\\', pos+2);
|
---|
254 | }
|
---|
255 | }
|
---|
256 |
|
---|
257 | ///////////////////////////////////////////////////////////////////////////////
|
---|
258 | //
|
---|
259 | // validate_literal
|
---|
260 | //
|
---|
261 | // The validate_literal function tests a given string or character literal
|
---|
262 | // for its validity with regard to eventually contained universal
|
---|
263 | // characters. These should be in valid ranges (see the function
|
---|
264 | // classify_universal_char above).
|
---|
265 | //
|
---|
266 | // If the string or character literal contains invalid or not allowed
|
---|
267 | // universal characters a corresponding lexing_exception is thrown.
|
---|
268 | //
|
---|
269 | ///////////////////////////////////////////////////////////////////////////////
|
---|
270 | template <typename StringT>
|
---|
271 | inline void
|
---|
272 | validate_literal (StringT const &name, int line, int column,
|
---|
273 | StringT const &file_name)
|
---|
274 | {
|
---|
275 | using namespace std; // some systems have strtoul in namespace std::
|
---|
276 |
|
---|
277 | typename StringT::size_type pos = name.find_first_of('\\');
|
---|
278 |
|
---|
279 | while (StringT::npos != pos) {
|
---|
280 | // the literal contains a backslash (may be universal char)
|
---|
281 | if ('u' == name[pos+1] || 'U' == name[pos+1]) {
|
---|
282 | StringT uchar_val(name.substr(pos+2, ('u' == name[pos+1]) ? 4 : 8));
|
---|
283 | universal_char_type type =
|
---|
284 | classify_universal_char(strtoul(uchar_val.c_str(), 0, 16));
|
---|
285 |
|
---|
286 | if (universal_char_type_valid != type &&
|
---|
287 | universal_char_type_not_allowed_for_identifiers != type)
|
---|
288 | {
|
---|
289 | // an invalid char was found, so throw an exception
|
---|
290 | StringT error_uchar(name.substr(pos, ('u' == name[pos+1]) ? 6 : 10));
|
---|
291 |
|
---|
292 | if (universal_char_type_invalid == type) {
|
---|
293 | BOOST_WAVE_LEXER_THROW(lexing_exception, universal_char_invalid,
|
---|
294 | error_uchar, line, column, file_name.c_str());
|
---|
295 | }
|
---|
296 | else {
|
---|
297 | BOOST_WAVE_LEXER_THROW(lexing_exception, universal_char_base_charset,
|
---|
298 | error_uchar, line, column, file_name.c_str());
|
---|
299 | }
|
---|
300 | }
|
---|
301 | }
|
---|
302 |
|
---|
303 | // find next universal char (if appropriate)
|
---|
304 | pos = name.find_first_of('\\', pos+2);
|
---|
305 | }
|
---|
306 | }
|
---|
307 |
|
---|
308 | ///////////////////////////////////////////////////////////////////////////////
|
---|
309 | } // namespace impl
|
---|
310 | } // namespace cpplexer
|
---|
311 | } // namespace wave
|
---|
312 | } // namespace boost
|
---|
313 |
|
---|
314 | #endif // !defined(VALIDATE_UNIVERSAL_CHAR_HPP_55F1B811_CD76_4C72_8344_CBC69CF3B339_INCLUDED)
|
---|