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) 2001-2007 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/wave_config.hpp> |
---|
18 | #include <boost/wave/util/file_position.hpp> |
---|
19 | #include <boost/wave/cpplexer/cpplexer_exceptions.hpp> |
---|
20 | |
---|
21 | // this must occur after all of the includes and before any code appears |
---|
22 | #ifdef BOOST_HAS_ABI_HEADERS |
---|
23 | #include BOOST_ABI_PREFIX |
---|
24 | #endif |
---|
25 | |
---|
26 | /////////////////////////////////////////////////////////////////////////////// |
---|
27 | namespace boost { |
---|
28 | namespace wave { |
---|
29 | namespace cpplexer { |
---|
30 | namespace impl { |
---|
31 | |
---|
32 | enum universal_char_type { |
---|
33 | universal_char_type_valid = 0, |
---|
34 | universal_char_type_invalid = 1, |
---|
35 | universal_char_type_base_charset = 2, |
---|
36 | universal_char_type_not_allowed_for_identifiers = 3 |
---|
37 | }; |
---|
38 | |
---|
39 | /////////////////////////////////////////////////////////////////////////// |
---|
40 | // |
---|
41 | // is_range is a helper function for the classification by brute force |
---|
42 | // below |
---|
43 | // |
---|
44 | /////////////////////////////////////////////////////////////////////////// |
---|
45 | inline bool |
---|
46 | in_range(unsigned long ch, unsigned long l, unsigned long u) |
---|
47 | { |
---|
48 | return (l <= ch && ch <= u); |
---|
49 | } |
---|
50 | |
---|
51 | /////////////////////////////////////////////////////////////////////////////// |
---|
52 | // |
---|
53 | // classify_universal_char |
---|
54 | // |
---|
55 | // This function classifies an universal character value into 4 subranges: |
---|
56 | // universal_char_type_valid |
---|
57 | // the universal character value is valid for identifiers |
---|
58 | // universal_char_type_invalid |
---|
59 | // the universal character value is not valid for its usage inside |
---|
60 | // identifiers (see C++ Standard: 2.2.2 [lex.charset]) |
---|
61 | // universal_char_type_base_charset |
---|
62 | // the universal character value designates a character from the base |
---|
63 | // character set |
---|
64 | // universal_char_type_not_allowed_for_identifiers |
---|
65 | // the universal character value is not allowed in an identifier |
---|
66 | // |
---|
67 | // Implementation note: |
---|
68 | // This classification isn't implemented very effectively here. This |
---|
69 | // function should be rewritten with some range run matching algorithm. |
---|
70 | // |
---|
71 | /////////////////////////////////////////////////////////////////////////////// |
---|
72 | inline universal_char_type |
---|
73 | classify_universal_char (unsigned long ch) |
---|
74 | { |
---|
75 | // test for invalid characters |
---|
76 | if (ch <= 0x0020 || in_range(ch, 0x007f, 0x009f)) |
---|
77 | return universal_char_type_invalid; |
---|
78 | |
---|
79 | // test for characters in the range of the base character set |
---|
80 | if (in_range(ch, 0x0021, 0x005f) || in_range(ch, 0x0061, 0x007e)) |
---|
81 | return universal_char_type_base_charset; |
---|
82 | |
---|
83 | // test for additional valid character values (see C++ Standard: Annex E) |
---|
84 | if (in_range(ch, 0x00c0, 0x00d6) || in_range(ch, 0x00d8, 0x00f6) || |
---|
85 | in_range(ch, 0x00f8, 0x01f5) || in_range(ch, 0x01fa, 0x0217) || |
---|
86 | in_range(ch, 0x0250, 0x02a8) || in_range(ch, 0x1e00, 0x1e9a) || |
---|
87 | in_range(ch, 0x1ea0, 0x1ef9)) |
---|
88 | { |
---|
89 | return universal_char_type_valid; // Latin |
---|
90 | } |
---|
91 | |
---|
92 | if (0x0384 == ch || in_range(ch, 0x0388, 0x038a) || |
---|
93 | 0x038c == ch || in_range(ch, 0x038e, 0x03a1) || |
---|
94 | in_range(ch, 0x03a3, 0x03ce) || in_range(ch, 0x03d0, 0x03d6) || |
---|
95 | 0x03da == ch || 0x03dc == ch || 0x03de == ch || 0x03e0 == ch || |
---|
96 | in_range(ch, 0x03e2, 0x03f3) || in_range(ch, 0x1f00, 0x1f15) || |
---|
97 | in_range(ch, 0x1f18, 0x1f1d) || in_range(ch, 0x1f20, 0x1f45) || |
---|
98 | in_range(ch, 0x1f48, 0x1f4d) || in_range(ch, 0x1f50, 0x1f57) || |
---|
99 | 0x1f59 == ch || 0x1f5b == ch || 0x1f5d == ch || |
---|
100 | in_range(ch, 0x1f5f, 0x1f7d) || in_range(ch, 0x1f80, 0x1fb4) || |
---|
101 | in_range(ch, 0x1fb6, 0x1fbc) || in_range(ch, 0x1fc2, 0x1fc4) || |
---|
102 | in_range(ch, 0x1fc6, 0x1fcc) || in_range(ch, 0x1fd0, 0x1fd3) || |
---|
103 | in_range(ch, 0x1fd6, 0x1fdb) || in_range(ch, 0x1fe0, 0x1fec) || |
---|
104 | in_range(ch, 0x1ff2, 0x1ff4) || in_range(ch, 0x1ff6, 0x1ffc)) |
---|
105 | { |
---|
106 | return universal_char_type_valid; // Greek |
---|
107 | } |
---|
108 | |
---|
109 | if (in_range(ch, 0x0401, 0x040d) || in_range(ch, 0x040f, 0x044f) || |
---|
110 | in_range(ch, 0x0451, 0x045c) || in_range(ch, 0x045e, 0x0481) || |
---|
111 | in_range(ch, 0x0490, 0x04c4) || in_range(ch, 0x04c7, 0x04c8) || |
---|
112 | in_range(ch, 0x04cb, 0x04cc) || in_range(ch, 0x04d0, 0x04eb) || |
---|
113 | in_range(ch, 0x04ee, 0x04f5) || in_range(ch, 0x04f8, 0x04f9)) |
---|
114 | { |
---|
115 | return universal_char_type_valid; // Cyrillic |
---|
116 | } |
---|
117 | |
---|
118 | if (in_range(ch, 0x0531, 0x0556) || in_range(ch, 0x0561, 0x0587)) |
---|
119 | return universal_char_type_valid; // Armenian |
---|
120 | |
---|
121 | if (in_range(ch, 0x05d0, 0x05ea) || in_range(ch, 0x05f0, 0x05f4)) |
---|
122 | return universal_char_type_valid; // Hebrew |
---|
123 | |
---|
124 | if (in_range(ch, 0x0621, 0x063a) || in_range(ch, 0x0640, 0x0652) || |
---|
125 | in_range(ch, 0x0670, 0x06b7) || in_range(ch, 0x06ba, 0x06be) || |
---|
126 | in_range(ch, 0x06c0, 0x06ce) || in_range(ch, 0x06e5, 0x06e7)) |
---|
127 | { |
---|
128 | return universal_char_type_valid; // Arabic |
---|
129 | } |
---|
130 | |
---|
131 | if (in_range(ch, 0x0905, 0x0939) || in_range(ch, 0x0958, 0x0962)) |
---|
132 | return universal_char_type_valid; // Devanagari |
---|
133 | |
---|
134 | if (in_range(ch, 0x0985, 0x098c) || in_range(ch, 0x098f, 0x0990) || |
---|
135 | in_range(ch, 0x0993, 0x09a8) || in_range(ch, 0x09aa, 0x09b0) || |
---|
136 | 0x09b2 == ch || in_range(ch, 0x09b6, 0x09b9) || |
---|
137 | in_range(ch, 0x09dc, 0x09dd) || in_range(ch, 0x09df, 0x09e1) || |
---|
138 | in_range(ch, 0x09f0, 0x09f1)) |
---|
139 | { |
---|
140 | return universal_char_type_valid; // Bengali |
---|
141 | } |
---|
142 | |
---|
143 | if (in_range(ch, 0x0a05, 0x0a0a) || in_range(ch, 0x0a0f, 0x0a10) || |
---|
144 | in_range(ch, 0x0a13, 0x0a28) || in_range(ch, 0x0a2a, 0x0a30) || |
---|
145 | in_range(ch, 0x0a32, 0x0a33) || in_range(ch, 0x0a35, 0x0a36) || |
---|
146 | in_range(ch, 0x0a38, 0x0a39) || in_range(ch, 0x0a59, 0x0a5c) || |
---|
147 | 0x0a5e == ch) |
---|
148 | { |
---|
149 | return universal_char_type_valid; // Gurmukhi |
---|
150 | } |
---|
151 | |
---|
152 | if (in_range(ch, 0x0a85, 0x0a8b) || 0x0a8d == ch || |
---|
153 | in_range(ch, 0x0a8f, 0x0a91) || in_range(ch, 0x0a93, 0x0aa8) || |
---|
154 | in_range(ch, 0x0aaa, 0x0ab0) || in_range(ch, 0x0ab2, 0x0ab3) || |
---|
155 | in_range(ch, 0x0ab5, 0x0ab9) || 0x0ae0 == ch) |
---|
156 | { |
---|
157 | return universal_char_type_valid; // Gujarati |
---|
158 | } |
---|
159 | |
---|
160 | if (in_range(ch, 0x0b05, 0x0b0c) || in_range(ch, 0x0b0f, 0x0b10) || |
---|
161 | in_range(ch, 0x0b13, 0x0b28) || in_range(ch, 0x0b2a, 0x0b30) || |
---|
162 | in_range(ch, 0x0b32, 0x0b33) || in_range(ch, 0x0b36, 0x0b39) || |
---|
163 | in_range(ch, 0x0b5c, 0x0b5d) || in_range(ch, 0x0b5f, 0x0b61)) |
---|
164 | { |
---|
165 | return universal_char_type_valid; // Oriya |
---|
166 | } |
---|
167 | |
---|
168 | if (in_range(ch, 0x0b85, 0x0b8a) || in_range(ch, 0x0b8e, 0x0b90) || |
---|
169 | in_range(ch, 0x0b92, 0x0b95) || in_range(ch, 0x0b99, 0x0b9a) || |
---|
170 | 0x0b9c == ch || in_range(ch, 0x0b9e, 0x0b9f) || |
---|
171 | in_range(ch, 0x0ba3, 0x0ba4) || in_range(ch, 0x0ba8, 0x0baa) || |
---|
172 | in_range(ch, 0x0bae, 0x0bb5) || in_range(ch, 0x0bb7, 0x0bb9)) |
---|
173 | { |
---|
174 | return universal_char_type_valid; // Tamil |
---|
175 | } |
---|
176 | |
---|
177 | if (in_range(ch, 0x0c05, 0x0c0c) || in_range(ch, 0x0c0e, 0x0c10) || |
---|
178 | in_range(ch, 0x0c12, 0x0c28) || in_range(ch, 0x0c2a, 0x0c33) || |
---|
179 | in_range(ch, 0x0c35, 0x0c39) || in_range(ch, 0x0c60, 0x0c61)) |
---|
180 | { |
---|
181 | return universal_char_type_valid; // Telugu |
---|
182 | } |
---|
183 | |
---|
184 | if (in_range(ch, 0x0c85, 0x0c8c) || in_range(ch, 0x0c8e, 0x0c90) || |
---|
185 | in_range(ch, 0x0c92, 0x0ca8) || in_range(ch, 0x0caa, 0x0cb3) || |
---|
186 | in_range(ch, 0x0cb5, 0x0cb9) || in_range(ch, 0x0ce0, 0x0ce1)) |
---|
187 | { |
---|
188 | return universal_char_type_valid; // Kannada |
---|
189 | } |
---|
190 | |
---|
191 | if (in_range(ch, 0x0d05, 0x0d0c) || in_range(ch, 0x0d0e, 0x0d10) || |
---|
192 | in_range(ch, 0x0d12, 0x0d28) || in_range(ch, 0x0d2a, 0x0d39) || |
---|
193 | in_range(ch, 0x0d60, 0x0d61)) |
---|
194 | { |
---|
195 | return universal_char_type_valid; // Malayalam |
---|
196 | } |
---|
197 | |
---|
198 | if (in_range(ch, 0x0e01, 0x0e30) || in_range(ch, 0x0e32, 0x0e33) || |
---|
199 | in_range(ch, 0x0e40, 0x0e46) || in_range(ch, 0x0e4f, 0x0e5b)) |
---|
200 | { |
---|
201 | return universal_char_type_valid; // Thai |
---|
202 | } |
---|
203 | |
---|
204 | return universal_char_type_not_allowed_for_identifiers; |
---|
205 | } |
---|
206 | |
---|
207 | /////////////////////////////////////////////////////////////////////////////// |
---|
208 | // |
---|
209 | // validate_identifier_name |
---|
210 | // |
---|
211 | // The validate_identifier_name function tests a given identifier name for |
---|
212 | // its validity with regard to eventually contained universal characters. |
---|
213 | // These should be in valid ranges (see the function |
---|
214 | // classify_universal_char above). |
---|
215 | // |
---|
216 | // If the identifier name contains invalid or not allowed universal |
---|
217 | // characters a corresponding lexing_exception is thrown. |
---|
218 | // |
---|
219 | /////////////////////////////////////////////////////////////////////////////// |
---|
220 | template <typename StringT> |
---|
221 | inline void |
---|
222 | validate_identifier_name (StringT const &name, int line, int column, |
---|
223 | StringT const &file_name) |
---|
224 | { |
---|
225 | using namespace std; // some systems have strtoul in namespace std:: |
---|
226 | |
---|
227 | typename StringT::size_type pos = name.find_first_of('\\'); |
---|
228 | |
---|
229 | while (StringT::npos != pos) { |
---|
230 | // the identifier name contains a backslash (must be universal char) |
---|
231 | BOOST_ASSERT('u' == name[pos+1] || 'U' == name[pos+1]); |
---|
232 | |
---|
233 | StringT uchar_val(name.substr(pos+2, ('u' == name[pos+1]) ? 4 : 8)); |
---|
234 | universal_char_type type = |
---|
235 | classify_universal_char(strtoul(uchar_val.c_str(), 0, 16)); |
---|
236 | |
---|
237 | if (universal_char_type_valid != type) { |
---|
238 | // an invalid char was found, so throw an exception |
---|
239 | StringT error_uchar(name.substr(pos, ('u' == name[pos+1]) ? 6 : 10)); |
---|
240 | |
---|
241 | if (universal_char_type_invalid == type) { |
---|
242 | BOOST_WAVE_LEXER_THROW(lexing_exception, universal_char_invalid, |
---|
243 | error_uchar, line, column, file_name.c_str()); |
---|
244 | } |
---|
245 | else if (universal_char_type_base_charset == type) { |
---|
246 | BOOST_WAVE_LEXER_THROW(lexing_exception, universal_char_base_charset, |
---|
247 | error_uchar, line, column, file_name.c_str()); |
---|
248 | } |
---|
249 | else { |
---|
250 | BOOST_WAVE_LEXER_THROW(lexing_exception, universal_char_not_allowed, |
---|
251 | error_uchar, line, column, file_name.c_str()); |
---|
252 | } |
---|
253 | } |
---|
254 | |
---|
255 | // find next universal char (if appropriate) |
---|
256 | pos = name.find_first_of('\\', pos+2); |
---|
257 | } |
---|
258 | } |
---|
259 | |
---|
260 | /////////////////////////////////////////////////////////////////////////////// |
---|
261 | // |
---|
262 | // validate_literal |
---|
263 | // |
---|
264 | // The validate_literal function tests a given string or character literal |
---|
265 | // for its validity with regard to eventually contained universal |
---|
266 | // characters. These should be in valid ranges (see the function |
---|
267 | // classify_universal_char above). |
---|
268 | // |
---|
269 | // If the string or character literal contains invalid or not allowed |
---|
270 | // universal characters a corresponding lexing_exception is thrown. |
---|
271 | // |
---|
272 | /////////////////////////////////////////////////////////////////////////////// |
---|
273 | template <typename StringT> |
---|
274 | inline void |
---|
275 | validate_literal (StringT const &name, int line, int column, |
---|
276 | StringT const &file_name) |
---|
277 | { |
---|
278 | using namespace std; // some systems have strtoul in namespace std:: |
---|
279 | |
---|
280 | typename StringT::size_type pos = name.find_first_of('\\'); |
---|
281 | |
---|
282 | while (StringT::npos != pos) { |
---|
283 | // the literal contains a backslash (may be universal char) |
---|
284 | if ('u' == name[pos+1] || 'U' == name[pos+1]) { |
---|
285 | StringT uchar_val(name.substr(pos+2, ('u' == name[pos+1]) ? 4 : 8)); |
---|
286 | universal_char_type type = |
---|
287 | classify_universal_char(strtoul(uchar_val.c_str(), 0, 16)); |
---|
288 | |
---|
289 | if (universal_char_type_valid != type && |
---|
290 | universal_char_type_not_allowed_for_identifiers != type) |
---|
291 | { |
---|
292 | // an invalid char was found, so throw an exception |
---|
293 | StringT error_uchar(name.substr(pos, ('u' == name[pos+1]) ? 6 : 10)); |
---|
294 | |
---|
295 | if (universal_char_type_invalid == type) { |
---|
296 | BOOST_WAVE_LEXER_THROW(lexing_exception, universal_char_invalid, |
---|
297 | error_uchar, line, column, file_name.c_str()); |
---|
298 | } |
---|
299 | else { |
---|
300 | BOOST_WAVE_LEXER_THROW(lexing_exception, universal_char_base_charset, |
---|
301 | error_uchar, line, column, file_name.c_str()); |
---|
302 | } |
---|
303 | } |
---|
304 | } |
---|
305 | |
---|
306 | // find next universal char (if appropriate) |
---|
307 | pos = name.find_first_of('\\', pos+2); |
---|
308 | } |
---|
309 | } |
---|
310 | |
---|
311 | /////////////////////////////////////////////////////////////////////////////// |
---|
312 | } // namespace impl |
---|
313 | } // namespace cpplexer |
---|
314 | } // namespace wave |
---|
315 | } // namespace boost |
---|
316 | |
---|
317 | // the suffix header occurs after all of the code |
---|
318 | #ifdef BOOST_HAS_ABI_HEADERS |
---|
319 | #include BOOST_ABI_SUFFIX |
---|
320 | #endif |
---|
321 | |
---|
322 | #endif // !defined(VALIDATE_UNIVERSAL_CHAR_HPP_55F1B811_CD76_4C72_8344_CBC69CF3B339_INCLUDED) |
---|