Line data Source code
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) 2001-2012 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 0 : in_range(unsigned long ch, unsigned long l, unsigned long u)
47 : {
48 0 : 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 0 : classify_universal_char (unsigned long ch)
74 : {
75 : // test for invalid characters
76 0 : 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 0 : 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 0 : if (in_range(ch, 0x00c0, 0x00d6) || in_range(ch, 0x00d8, 0x00f6) ||
85 0 : in_range(ch, 0x00f8, 0x01f5) || in_range(ch, 0x01fa, 0x0217) ||
86 0 : in_range(ch, 0x0250, 0x02a8) || in_range(ch, 0x1e00, 0x1e9a) ||
87 0 : in_range(ch, 0x1ea0, 0x1ef9))
88 : {
89 : return universal_char_type_valid; // Latin
90 : }
91 :
92 0 : if (0x0384 == ch || in_range(ch, 0x0388, 0x038a) ||
93 0 : 0x038c == ch || in_range(ch, 0x038e, 0x03a1) ||
94 0 : in_range(ch, 0x03a3, 0x03ce) || in_range(ch, 0x03d0, 0x03d6) ||
95 0 : 0x03da == ch || 0x03dc == ch || 0x03de == ch || 0x03e0 == ch ||
96 0 : in_range(ch, 0x03e2, 0x03f3) || in_range(ch, 0x1f00, 0x1f15) ||
97 0 : in_range(ch, 0x1f18, 0x1f1d) || in_range(ch, 0x1f20, 0x1f45) ||
98 0 : in_range(ch, 0x1f48, 0x1f4d) || in_range(ch, 0x1f50, 0x1f57) ||
99 0 : 0x1f59 == ch || 0x1f5b == ch || 0x1f5d == ch ||
100 0 : in_range(ch, 0x1f5f, 0x1f7d) || in_range(ch, 0x1f80, 0x1fb4) ||
101 0 : in_range(ch, 0x1fb6, 0x1fbc) || in_range(ch, 0x1fc2, 0x1fc4) ||
102 0 : in_range(ch, 0x1fc6, 0x1fcc) || in_range(ch, 0x1fd0, 0x1fd3) ||
103 0 : in_range(ch, 0x1fd6, 0x1fdb) || in_range(ch, 0x1fe0, 0x1fec) ||
104 0 : in_range(ch, 0x1ff2, 0x1ff4) || in_range(ch, 0x1ff6, 0x1ffc))
105 : {
106 : return universal_char_type_valid; // Greek
107 : }
108 :
109 0 : if (in_range(ch, 0x0401, 0x040d) || in_range(ch, 0x040f, 0x044f) ||
110 0 : in_range(ch, 0x0451, 0x045c) || in_range(ch, 0x045e, 0x0481) ||
111 0 : in_range(ch, 0x0490, 0x04c4) || in_range(ch, 0x04c7, 0x04c8) ||
112 0 : in_range(ch, 0x04cb, 0x04cc) || in_range(ch, 0x04d0, 0x04eb) ||
113 0 : in_range(ch, 0x04ee, 0x04f5) || in_range(ch, 0x04f8, 0x04f9))
114 : {
115 : return universal_char_type_valid; // Cyrillic
116 : }
117 :
118 0 : if (in_range(ch, 0x0531, 0x0556) || in_range(ch, 0x0561, 0x0587))
119 : return universal_char_type_valid; // Armenian
120 :
121 0 : if (in_range(ch, 0x05d0, 0x05ea) || in_range(ch, 0x05f0, 0x05f4))
122 : return universal_char_type_valid; // Hebrew
123 :
124 0 : if (in_range(ch, 0x0621, 0x063a) || in_range(ch, 0x0640, 0x0652) ||
125 0 : in_range(ch, 0x0670, 0x06b7) || in_range(ch, 0x06ba, 0x06be) ||
126 0 : in_range(ch, 0x06c0, 0x06ce) || in_range(ch, 0x06e5, 0x06e7))
127 : {
128 : return universal_char_type_valid; // Arabic
129 : }
130 :
131 0 : if (in_range(ch, 0x0905, 0x0939) || in_range(ch, 0x0958, 0x0962))
132 : return universal_char_type_valid; // Devanagari
133 :
134 0 : if (in_range(ch, 0x0985, 0x098c) || in_range(ch, 0x098f, 0x0990) ||
135 0 : in_range(ch, 0x0993, 0x09a8) || in_range(ch, 0x09aa, 0x09b0) ||
136 0 : 0x09b2 == ch || in_range(ch, 0x09b6, 0x09b9) ||
137 0 : in_range(ch, 0x09dc, 0x09dd) || in_range(ch, 0x09df, 0x09e1) ||
138 0 : in_range(ch, 0x09f0, 0x09f1))
139 : {
140 : return universal_char_type_valid; // Bengali
141 : }
142 :
143 0 : if (in_range(ch, 0x0a05, 0x0a0a) || in_range(ch, 0x0a0f, 0x0a10) ||
144 0 : in_range(ch, 0x0a13, 0x0a28) || in_range(ch, 0x0a2a, 0x0a30) ||
145 0 : in_range(ch, 0x0a32, 0x0a33) || in_range(ch, 0x0a35, 0x0a36) ||
146 0 : in_range(ch, 0x0a38, 0x0a39) || in_range(ch, 0x0a59, 0x0a5c) ||
147 : 0x0a5e == ch)
148 : {
149 : return universal_char_type_valid; // Gurmukhi
150 : }
151 :
152 0 : if (in_range(ch, 0x0a85, 0x0a8b) || 0x0a8d == ch ||
153 0 : in_range(ch, 0x0a8f, 0x0a91) || in_range(ch, 0x0a93, 0x0aa8) ||
154 0 : in_range(ch, 0x0aaa, 0x0ab0) || in_range(ch, 0x0ab2, 0x0ab3) ||
155 0 : in_range(ch, 0x0ab5, 0x0ab9) || 0x0ae0 == ch)
156 : {
157 : return universal_char_type_valid; // Gujarati
158 : }
159 :
160 0 : if (in_range(ch, 0x0b05, 0x0b0c) || in_range(ch, 0x0b0f, 0x0b10) ||
161 0 : in_range(ch, 0x0b13, 0x0b28) || in_range(ch, 0x0b2a, 0x0b30) ||
162 0 : in_range(ch, 0x0b32, 0x0b33) || in_range(ch, 0x0b36, 0x0b39) ||
163 0 : in_range(ch, 0x0b5c, 0x0b5d) || in_range(ch, 0x0b5f, 0x0b61))
164 : {
165 : return universal_char_type_valid; // Oriya
166 : }
167 :
168 0 : if (in_range(ch, 0x0b85, 0x0b8a) || in_range(ch, 0x0b8e, 0x0b90) ||
169 0 : in_range(ch, 0x0b92, 0x0b95) || in_range(ch, 0x0b99, 0x0b9a) ||
170 0 : 0x0b9c == ch || in_range(ch, 0x0b9e, 0x0b9f) ||
171 0 : in_range(ch, 0x0ba3, 0x0ba4) || in_range(ch, 0x0ba8, 0x0baa) ||
172 0 : in_range(ch, 0x0bae, 0x0bb5) || in_range(ch, 0x0bb7, 0x0bb9))
173 : {
174 : return universal_char_type_valid; // Tamil
175 : }
176 :
177 0 : if (in_range(ch, 0x0c05, 0x0c0c) || in_range(ch, 0x0c0e, 0x0c10) ||
178 0 : in_range(ch, 0x0c12, 0x0c28) || in_range(ch, 0x0c2a, 0x0c33) ||
179 0 : in_range(ch, 0x0c35, 0x0c39) || in_range(ch, 0x0c60, 0x0c61))
180 : {
181 : return universal_char_type_valid; // Telugu
182 : }
183 :
184 0 : if (in_range(ch, 0x0c85, 0x0c8c) || in_range(ch, 0x0c8e, 0x0c90) ||
185 0 : in_range(ch, 0x0c92, 0x0ca8) || in_range(ch, 0x0caa, 0x0cb3) ||
186 0 : in_range(ch, 0x0cb5, 0x0cb9) || in_range(ch, 0x0ce0, 0x0ce1))
187 : {
188 : return universal_char_type_valid; // Kannada
189 : }
190 :
191 0 : if (in_range(ch, 0x0d05, 0x0d0c) || in_range(ch, 0x0d0e, 0x0d10) ||
192 0 : in_range(ch, 0x0d12, 0x0d28) || in_range(ch, 0x0d2a, 0x0d39) ||
193 0 : in_range(ch, 0x0d60, 0x0d61))
194 : {
195 : return universal_char_type_valid; // Malayalam
196 : }
197 :
198 0 : if (in_range(ch, 0x0e01, 0x0e30) || in_range(ch, 0x0e32, 0x0e33) ||
199 0 : in_range(ch, 0x0e40, 0x0e46) || in_range(ch, 0x0e4f, 0x0e5b))
200 : {
201 0 : 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, std::size_t line,
223 : std::size_t column, 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 0 : validate_literal (StringT const &name, std::size_t line, std::size_t column,
276 : StringT const &file_name)
277 : {
278 : using namespace std; // some systems have strtoul in namespace std::
279 :
280 0 : typename StringT::size_type pos = name.find_first_of('\\');
281 :
282 0 : while (StringT::npos != pos) {
283 : // the literal contains a backslash (may be universal char)
284 0 : if ('u' == name[pos+1] || 'U' == name[pos+1]) {
285 0 : StringT uchar_val(name.substr(pos+2, ('u' == name[pos+1]) ? 4 : 8));
286 : universal_char_type type =
287 0 : classify_universal_char(strtoul(uchar_val.c_str(), 0, 16));
288 :
289 0 : if (universal_char_type_valid != type &&
290 0 : universal_char_type_not_allowed_for_identifiers != type)
291 : {
292 : // an invalid char was found, so throw an exception
293 0 : StringT error_uchar(name.substr(pos, ('u' == name[pos+1]) ? 6 : 10));
294 :
295 0 : if (universal_char_type_invalid == type) {
296 0 : BOOST_WAVE_LEXER_THROW(lexing_exception, universal_char_invalid,
297 : error_uchar, line, column, file_name.c_str());
298 : }
299 : else {
300 0 : 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 0 : pos = name.find_first_of('\\', pos+2);
308 : }
309 0 : }
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)
|