• Home
  • Line#
  • Scopes#
  • Navigate#
  • Raw
  • Download
1 /*
2  * minilex.c
3  *
4  * High efficiency lexical state parser
5  *
6  * Copyright (C)2011-2014 Andy Green <andy@warmcat.com>
7  *
8  * Licensed under MIT
9  *
10  * Usage: gcc minihuf.c -o minihuf && ./minihuf > huftable.h
11  *
12  * Run it twice to test parsing on the generated table on stderr
13  */
14 
15 #include <stdio.h>
16 #include <stdlib.h>
17 #include <string.h>
18 
19 #define LWS_ARRAY_SIZE(n) (sizeof(n) / sizeof(n[0]))
20 
21 struct huf {
22 	unsigned int code;
23 	unsigned char len;
24 };
25 
26 static struct huf huf_literal[] = {
27 	/* 0x00 */ { 0x1ff8, 13 },
28 	/* 0x01 */ { 0x7fffd8, 23 },
29 	/* 0x02 */ { 0xfffffe2, 28 },
30 	/* 0x03 */ { 0xfffffe3, 28 },
31 	/* 0x04 */ { 0xfffffe4, 28 },
32 	/* 0x05 */ { 0xfffffe5, 28 },
33 	/* 0x06 */ { 0xfffffe6, 28 },
34 	/* 0x07 */ { 0xfffffe7, 28 },
35 	/* 0x08 */ { 0xfffffe8, 28 },
36 	/* 0x09 */ { 0xffffea, 24 },
37 	/* 0x0a */ { 0x3ffffffc, 30 },
38 	/* 0x0b */ { 0xfffffe9, 28 },
39 
40 	/* 0x0c */ { 0xfffffea, 28 },
41 	/* 0x0d */ { 0x3ffffffd, 30 },
42 	/* 0x0e */ { 0xfffffeb, 28 },
43 	/* 0x0f */ { 0xfffffec, 28 },
44 	/* 0x10 */ { 0xfffffed, 28 },
45 	/* 0x11 */ { 0xfffffee, 28 },
46 	/* 0x12 */ { 0xfffffef, 28 },
47 	/* 0x13 */ { 0xffffff0, 28 },
48 	/* 0x14 */ { 0xffffff1, 28 },
49 	/* 0x15 */ { 0xffffff2, 28 },
50 	/* 0x16 */ { 0x3ffffffe, 30 },
51 	/* 0x17 */ { 0xffffff3, 28 },
52 	/* 0x18 */ { 0xffffff4, 28 },
53 	/* 0x19 */ { 0xffffff5, 28 },
54 	/* 0x1a */ { 0xffffff6, 28 },
55 	/* 0x1b */ { 0xffffff7, 28 },
56 	/* 0x1c */ { 0xffffff8, 28 },
57 	/* 0x1d */ { 0xffffff9, 28 },
58 	/* 0x1e */ { 0xffffffa, 28 },
59 	/* 0x1f */ { 0xffffffb, 28 },
60 	/* 0x20 */ { 0x14, 6 },
61 	/* 0x21 */ { 0x3f8, 10 },
62 	/* 0x22 */ { 0x3f9, 10 },
63 	/* 0x23 */ { 0xffa, 12 },
64 	/* 0x24 */ { 0x1ff9, 13 },
65 	/* 0x25 */ { 0x15, 6 },
66 	/* 0x26 */ { 0xf8, 8 },
67 	/* 0x27 */ { 0x7fa, 11 },
68 	/* 0x28 */ { 0x3fa, 10 },
69 	/* 0x29 */ { 0x3fb, 10 },
70 	/* 0x2a */ { 0xf9, 8 },
71 	/* 0x2b */ { 0x7fb, 11 },
72 	/* 0x2c */ { 0xfa, 8 },
73 	/* 0x2d */ { 0x16, 6 },
74 	/* 0x2e */ { 0x17, 6 },
75 	/* 0x2f */ { 0x18, 6 },
76 	/* 0x30 */ { 0x0, 5 },
77 	/* 0x31 */ { 0x1, 5 },
78 	/* 0x32 */ { 0x2, 5 },
79 	/* 0x33 */ { 0x19, 6 },
80 	/* 0x34 */ { 0x1a, 6 },
81 	/* 0x35 */ { 0x1b, 6 },
82 	/* 0x36 */ { 0x1c, 6 },
83 	/* 0x37 */ { 0x1d, 6 },
84 	/* 0x38 */ { 0x1e, 6 },
85 	/* 0x39 */ { 0x1f, 6 },
86 	/* 0x3a */ { 0x5c, 7 },
87 	/* 0x3b */ { 0xfb, 8 },
88 
89 	/* 0x3c */ { 0x7ffc, 15 },
90 	/* 0x3d */ { 0x20, 6 },
91 	/* 0x3e */ { 0xffb, 12 },
92 	/* 0x3f */ { 0x3fc, 10 },
93 	/* 0x40 */ { 0x1ffa, 13 },
94 	/* 0x41 */ { 0x21, 6 },
95 	/* 0x42 */ { 0x5d, 7 },
96 	/* 0x43 */ { 0x5e, 7 },
97 	/* 0x44 */ { 0x5f, 7 },
98 	/* 0x45 */ { 0x60, 7 },
99 	/* 0x46 */ { 0x61, 7 },
100 	/* 0x47 */ { 0x62, 7 },
101 	/* 0x48 */ { 0x63, 7 },
102 	/* 0x49 */ { 0x64, 7 },
103 	/* 0x4a */ { 0x65, 7 },
104 	/* 0x4b */ { 0x66, 7 },
105 	/* 0x4c */ { 0x67, 7 },
106 	/* 0x4d */ { 0x68, 7 },
107 	/* 0x4e */ { 0x69, 7 },
108 	/* 0x4f */ { 0x6a, 7 },
109 	/* 0x50 */ { 0x6b, 7 },
110 	/* 0x51 */ { 0x6c, 7 },
111 	/* 0x52 */ { 0x6d, 7 },
112 	/* 0x53 */ { 0x6e, 7 },
113 	/* 0x54 */ { 0x6f, 7 },
114 	/* 0x55 */ { 0x70, 7 },
115 	/* 0x56 */ { 0x71, 7 },
116 	/* 0x57 */ { 0x72, 7 },
117 	/* 0x58 */ { 0xfc, 8 },
118 	/* 0x59 */ { 0x73, 7 },
119 	/* 0x5a */ { 0xfd, 8 },
120 	/* 0x5b */ { 0x1ffb, 13 },
121 	/* 0x5c */ { 0x7fff0, 19 },
122 	/* 0x5d */ { 0x1ffc, 13 },
123 	/* 0x5e */ { 0x3ffc, 14 },
124 	/* 0x5f */ { 0x22, 6 },
125 	/* 0x60 */ { 0x7ffd, 15 },
126 	/* 0x61 */ { 0x3, 5 },
127 	/* 0x62 */ { 0x23, 6 },
128 	/* 0x63 */ { 0x4, 5 },
129 	/* 0x64 */ { 0x24, 6 },
130 	/* 0x65 */ { 0x5, 5 },
131 	/* 0x66 */ { 0x25, 6 },
132 	/* 0x67 */ { 0x26, 6 },
133 	/* 0x68 */ { 0x27, 6 },
134 	/* 0x69 */ { 0x6, 5 },
135 	/* 0x6a */ { 0x74, 7 },
136 	/* 0x6b */ { 0x75, 7 },
137 
138 
139 	/* 0x6c */ { 0x28, 6 },
140 	/* 0x6d */ { 0x29, 6 },
141 	/* 0x6e */ { 0x2a, 6 },
142 	/* 0x6f */ { 0x7, 5 },
143 	/* 0x70 */ { 0x2b, 6 },
144 	/* 0x71 */ { 0x76, 7 },
145 	/* 0x72 */ { 0x2c, 6 },
146 	/* 0x73 */ { 0x8, 5 },
147 	/* 0x74 */ { 0x9, 5 },
148 	/* 0x75 */ { 0x2d, 6 },
149 	/* 0x76 */ { 0x77, 7 },
150 	/* 0x77 */ { 0x78, 7 },
151 	/* 0x78 */ { 0x79, 7 },
152 	/* 0x79 */ { 0x7a, 7 },
153 	/* 0x7a */ { 0x7b, 7 },
154 	/* 0x7b */ { 0x7ffe, 15 },
155 	/* 0x7c */ { 0x7fc, 11 },
156 	/* 0x7d */ { 0x3ffd, 14 },
157 	/* 0x7e */ { 0x1ffd, 13 },
158 	/* 0x7f */ { 0xffffffc, 28 },
159 	/* 0x80 */ { 0xfffe6, 20 },
160 	/* 0x81 */ { 0x3fffd2, 22 },
161 	/* 0x82 */ { 0xfffe7, 20 },
162 	/* 0x83 */ { 0xfffe8, 20 },
163 	/* 0x84 */ { 0x3fffd3, 22 },
164 	/* 0x85 */ { 0x3fffd4, 22 },
165 	/* 0x86 */ { 0x3fffd5, 22 },
166 	/* 0x87 */ { 0x7fffd9, 23 },
167 	/* 0x88 */ { 0x3fffd6, 22 },
168 	/* 0x89 */ { 0x7fffda, 23 },
169 	/* 0x8a */ { 0x7fffdb, 23 },
170 	/* 0x8b */ { 0x7fffdc, 23 },
171 	/* 0x8c */ { 0x7fffdd, 23 },
172 	/* 0x8d */ { 0x7fffde, 23 },
173 	/* 0x8e */ { 0xffffeb, 24 },
174 	/* 0x8f */ { 0x7fffdf, 23 },
175 	/* 0x90 */ { 0xffffec, 24 },
176 	/* 0x91 */ { 0xffffed, 24 },
177 	/* 0x92 */ { 0x3fffd7, 22 },
178 	/* 0x93 */ { 0x7fffe0, 23 },
179 	/* 0x94 */ { 0xffffee, 24 },
180 	/* 0x95 */ { 0x7fffe1, 23 },
181 	/* 0x96 */ { 0x7fffe2, 23 },
182 	/* 0x97 */ { 0x7fffe3, 23 },
183 	/* 0x98 */ { 0x7fffe4, 23 },
184 	/* 0x99 */ { 0x1fffdc, 21 },
185 	/* 0x9a */ { 0x3fffd8, 22 },
186 	/* 0x9b */ { 0x7fffe5, 23 },
187 
188 	/* 0x9c */ { 0x3fffd9, 22 },
189 	/* 0x9d */ { 0x7fffe6, 23 },
190 	/* 0x9e */ { 0x7fffe7, 23 },
191 	/* 0x9f */ { 0xffffef, 24 },
192 	/* 0xa0 */ { 0x3fffda, 22 },
193 	/* 0xa1 */ { 0x1fffdd, 21 },
194 	/* 0xa2 */ { 0xfffe9, 20 },
195 	/* 0xa3 */ { 0x3fffdb, 22 },
196 	/* 0xa4 */ { 0x3fffdc, 22 },
197 	/* 0xa5 */ { 0x7fffe8, 23 },
198 	/* 0xa6 */ { 0x7fffe9, 23 },
199 	/* 0xa7 */ { 0x1fffde, 21 },
200 	/* 0xa8 */ { 0x7fffea, 23 },
201 	/* 0xa9 */ { 0x3fffdd, 22 },
202 	/* 0xaa */ { 0x3fffde, 22 },
203 	/* 0xab */ { 0xfffff0, 24 },
204 	/* 0xac */ { 0x1fffdf, 21 },
205 	/* 0xad */ { 0x3fffdf, 22 },
206 	/* 0xae */ { 0x7fffeb, 23 },
207 	/* 0xaf */ { 0x7fffec, 23 },
208 	/* 0xb0 */ { 0x1fffe0, 21 },
209 	/* 0xb1 */ { 0x1fffe1, 21 },
210 	/* 0xb2 */ { 0x3fffe0, 22 },
211 	/* 0xb3 */ { 0x1fffe2, 21 },
212 	/* 0xb4 */ { 0x7fffed, 23 },
213 	/* 0xb5 */ { 0x3fffe1, 22 },
214 	/* 0xb6 */ { 0x7fffee, 23 },
215 	/* 0xb7 */ { 0x7fffef, 23 },
216 	/* 0xb8 */ { 0xfffea, 20 },
217 	/* 0xb9 */ { 0x3fffe2, 22 },
218 	/* 0xba */ { 0x3fffe3, 22 },
219 	/* 0xbb */ { 0x3fffe4, 22 },
220 	/* 0xbc */ { 0x7ffff0, 23 },
221 	/* 0xbd */ { 0x3fffe5, 22 },
222 	/* 0xbe */ { 0x3fffe6, 22 },
223 	/* 0xbf */ { 0x7ffff1, 23 },
224 	/* 0xc0 */ { 0x3ffffe0, 26 },
225 	/* 0xc1 */ { 0x3ffffe1, 26 },
226 	/* 0xc2 */ { 0xfffeb, 20 },
227 	/* 0xc3 */ { 0x7fff1, 19 },
228 	/* 0xc4 */ { 0x3fffe7, 22 },
229 	/* 0xc5 */ { 0x7ffff2, 23 },
230 	/* 0xc6 */ { 0x3fffe8, 22 },
231 	/* 0xc7 */ { 0x1ffffec, 25 },
232 	/* 0xc8 */ { 0x3ffffe2, 26 },
233 	/* 0xc9 */ { 0x3ffffe3, 26 },
234 	/* 0xca */ { 0x3ffffe4, 26 },
235 	/* 0xcb */ { 0x7ffffde, 27 },
236 
237 	/* 0xcc */ { 0x7ffffdf, 27 },
238 	/* 0xcd */ { 0x3ffffe5, 26 },
239 	/* 0xce */ { 0xfffff1, 24 },
240 	/* 0xcf */ { 0x1ffffed, 25 },
241 	/* 0xd0 */ { 0x7fff2, 19 },
242 	/* 0xd1 */ { 0x1fffe3, 21 },
243 	/* 0xd2 */ { 0x3ffffe6, 26 },
244 	/* 0xd3 */ { 0x7ffffe0, 27 },
245 	/* 0xd4 */ { 0x7ffffe1, 27 },
246 	/* 0xd5 */ { 0x3ffffe7, 26 },
247 	/* 0xd6 */ { 0x7ffffe2, 27 },
248 	/* 0xd7 */ { 0xfffff2, 24 },
249 	/* 0xd8 */ { 0x1fffe4, 21 },
250 	/* 0xd9 */ { 0x1fffe5, 21 },
251 	/* 0xda */ { 0x3ffffe8, 26 },
252 	/* 0xdb */ { 0x3ffffe9, 26 },
253 	/* 0xdc */ { 0xffffffd, 28 },
254 	/* 0xdd */ { 0x7ffffe3, 27 },
255 	/* 0xde */ { 0x7ffffe4, 27 },
256 	/* 0xdf */ { 0x7ffffe5, 27 },
257 	/* 0xe0 */ { 0xfffec, 20 },
258 	/* 0xe1 */ { 0xfffff3, 24 },
259 	/* 0xe2 */ { 0xfffed, 20 },
260 	/* 0xe3 */ { 0x1fffe6, 21 },
261 	/* 0xe4 */ { 0x3fffe9, 22 },
262 	/* 0xe5 */ { 0x1fffe7, 21 },
263 	/* 0xe6 */ { 0x1fffe8, 21 },
264 	/* 0xe7 */ { 0x7ffff3, 23 },
265 	/* 0xe8 */ { 0x3fffea, 22 },
266 	/* 0xe9 */ { 0x3fffeb, 22 },
267 	/* 0xea */ { 0x1ffffee, 25 },
268 	/* 0xeb */ { 0x1ffffef, 25 },
269 	/* 0xec */ { 0xfffff4, 24 },
270 	/* 0xed */ { 0xfffff5, 24 },
271 	/* 0xee */ { 0x3ffffea, 26 },
272 	/* 0xef */ { 0x7ffff4, 23 },
273 	/* 0xf0 */ { 0x3ffffeb, 26 },
274 	/* 0xf1 */ { 0x7ffffe6, 27 },
275 	/* 0xf2 */ { 0x3ffffec, 26 },
276 	/* 0xf3 */ { 0x3ffffed, 26 },
277 	/* 0xf4 */ { 0x7ffffe7, 27 },
278 	/* 0xf5 */ { 0x7ffffe8, 27 },
279 	/* 0xf6 */ { 0x7ffffe9, 27 },
280 	/* 0xf7 */ { 0x7ffffea, 27 },
281 	/* 0xf8 */ { 0x7ffffeb, 27 },
282 	/* 0xf9 */ { 0xffffffe, 28 },
283 	/* 0xfa */ { 0x7ffffec, 27 },
284 	/* 0xfb */ { 0x7ffffed, 27 },
285 
286 	/* 0xfc */ { 0x7ffffee, 27 },
287 	/* 0xfd */ { 0x7ffffef, 27 },
288 	/* 0xfe */ { 0x7fffff0, 27 },
289 	/* 0xff */ { 0x3ffffee, 26 },
290 	/* 0x100 */ { 0x3fffffff, 30 },
291 };
292 
code_bit(int idx,int bit)293 int code_bit(int idx, int bit)
294 {
295 	if (bit < huf_literal[idx].len)
296 		return !!(huf_literal[idx].code & (1 << (huf_literal[idx].len - 1 - bit)));
297 
298 	return -1;
299 }
300 
301 #include "huftable.h"
302 
303 #define PARALLEL 2
304 
305 struct state {
306 	int terminal;
307 	int state[PARALLEL];
308 	int bytepos;
309 
310 	int real_pos;
311 };
312 
313 struct state state[2000];
314 unsigned char terms[2000];
315 int next = 1;
316 
lextable_decode(int pos,char c)317 int lextable_decode(int pos, char c)
318 {
319 	int q = pos + !!c;
320 
321 	if (lextable_terms[q >> 3] & (1 << (q & 7))) /* terminal */
322 		return lextable[q] | 0x8000;
323 
324 	return pos + (lextable[q] << 1);
325 }
326 
main(void)327 int main(void)
328 {
329 	int n = 0;
330 	int m = 0;
331 	int prev;
332 	char c;
333 	int walk;
334 	int saw;
335 	int y;
336 	int j;
337 	int pos = 0;
338 	int biggest = 0;
339 	int fails = 0;
340 
341 	m = 0;
342 	while (m < LWS_ARRAY_SIZE(state)) {
343 		for (j = 0; j < PARALLEL; j++) {
344 			state[m].state[j] = 0xffff;
345 			state[m].terminal = 0;
346 		}
347 		m++;
348 	}
349 
350 	while (n < LWS_ARRAY_SIZE(huf_literal)) {
351 
352 		m = 0;
353 		walk = 0;
354 		prev = 0;
355 
356 		while (m < huf_literal[n].len) {
357 
358 			saw = 0;
359 			if (state[walk].state[code_bit(n, m)] != 0xffff) {
360 				/* exists -- go forward */
361 				walk = state[walk].state[code_bit(n, m)];
362 				goto again;
363 			}
364 
365 			/* something we didn't see before */
366 
367 			state[walk].state[code_bit(n, m)] = next;
368 			walk = next++;
369 again:
370 			m++;
371 		}
372 
373 		state[walk].terminal = n++;
374 		state[walk].state[0] = 0; /* terminal marker */
375 	}
376 
377 	walk = 0;
378 	for (n = 0; n < next; n++) {
379 		state[n].bytepos = walk;
380 		walk += (2 * 2);
381 	}
382 
383 	/* compute everyone's position first */
384 
385 	pos = 0;
386 	walk = 0;
387 	for (n = 0; n < next; n++) {
388 
389 		state[n].real_pos = pos;
390 
391 		if (state[n].state[0]) /* nonterminal */
392 			pos += 2;
393 
394 		walk ++;
395 	}
396 
397 	fprintf(stdout, "static unsigned char lextable[] = {\n");
398 
399 #define TERMINAL_MASK 0x8000
400 
401 	walk = 0;
402 	pos = 0;
403 
404 	for (n = 0; n < next; n++) {
405 		for (m = 0; m < 2; m++) {
406 			saw = state[n].state[m];
407 
408 			if (saw == 0) { // c is a terminal then
409 				m = 2;
410 				continue;
411 			}
412 			if (!m)
413 				fprintf(stdout, "/* pos %04x: %3d */ ",
414 							  state[n].real_pos, n);
415 			else
416 				fprintf(stdout, "                    ");
417 
418 			if (saw == 0xffff) {
419 				fprintf(stdout,
420 				  "   0xff, 0xff, /* 0 = fail */\n                    ");
421 				pos ++; /* fail */
422 				fails++;
423 				continue;
424 			}
425 
426 			if (state[saw].state[0] == 0) { /* points to terminal */
427 				fprintf(stdout, "    /* terminal %d */ 0x%02X,\n",
428 					state[saw].terminal,
429 					state[saw].terminal & 0xff);
430 				terms[(state[n].real_pos + m) >> 3] |=
431 					1 << ((state[n].real_pos + m) & 7);
432 				pos++;
433 				walk++;
434 				continue;
435 			}
436 
437 			j = (state[saw].real_pos - q) >> 1;
438 
439 			if (j > biggest)
440 				biggest = j;
441 
442 			if (j > 0xffff) {
443 				fprintf(stderr,
444 				  "Jump > 64K bytes ahead (%d to %d)\n",
445 					state[n].real_pos, state[saw].real_pos);
446 				return 1;
447 			}
448 
449 			fprintf(stdout, "   /* %d */ 0x%02X  "
450 				"/* (to 0x%04X state %3d) */,\n",
451 				m,
452 				j & 0xff,
453 				state[saw].real_pos, saw);
454 			pos++;
455 
456 			walk++;
457 		}
458 	}
459 
460 	fprintf(stdout, "/* total size %d bytes, biggest jump %d/256, fails=%d */\n};\n"
461 			"\n static unsigned char lextable_terms[] = {\n",
462 	 		pos, biggest, fails);
463 
464 	for (n = 0; n < (walk + 7) / 8; n++) {
465 		if (!(n & 7))
466 			fprintf(stdout, "\n\t");
467 		fprintf(stdout, "0x%02x, ", terms[n]);
468 	}
469 	fprintf(stdout, "\n};\n");
470 
471 	/*
472 	 * Try to parse every legal input string
473 	 */
474 
475 	for (n = 0; n < LWS_ARRAY_SIZE(huf_literal); n++) {
476 		walk = 0;
477 		m = 0;
478 		y = -1;
479 
480 		fprintf(stderr, "  trying %d\n", n);
481 
482 		while (m < huf_literal[n].len) {
483 			prev = walk;
484 			walk = lextable_decode(walk, code_bit(n, m));
485 
486 			if (walk == 0xffff) {
487 				fprintf(stderr, "failed\n");
488 				return 3;
489 			}
490 
491 			if (walk & 0x8000) {
492 				y = walk & 0x7fff;
493 				if (y == 0 && m == 29) {
494 					y |= 0x100;
495 					fprintf(stdout,
496 						"\n/* state that points to "
497 						"0x100 for disambiguation with "
498 						"0x0 */\n"
499 						"#define HUFTABLE_0x100_PREV "
500 						"%d\n", prev);
501 				}
502 				break;
503 			}
504 			m++;
505 		}
506 
507 		if (y != n) {
508 			fprintf(stderr, "decode failed %d got %d (0x%x)\n", n, y, y);
509 			return 4;
510 		}
511 	}
512 
513 	fprintf(stderr, "All decode OK\n");
514 
515 	return 0;
516 }
517