src/etc/unicode.py

   1 #!/usr/bin/env python
   2 #
   3 # Copyright 2011-2013 The Rust Project Developers. See the COPYRIGHT
   4 # file at the top-level directory of this distribution and at
   5 # http://rust-lang.org/COPYRIGHT.
   6 #
   7 # Licensed under the Apache License, Version 2.0 <LICENSE-APACHE or
   8 # http://www.apache.org/licenses/LICENSE-2.0> or the MIT license
   9 # <LICENSE-MIT or http://opensource.org/licenses/MIT>, at your
  10 # option. This file may not be copied, modified, or distributed
  11 # except according to those terms.
  12
  13 # This script uses the following Unicode tables:
  14 # - DerivedCoreProperties.txt
  15 # - EastAsianWidth.txt
  16 # - PropList.txt
  17 # - Scripts.txt
  18 # - UnicodeData.txt
  19 #
  20 # Since this should not require frequent updates, we just store this
  21 # out-of-line and check the unicode.rs file into git.
  22
  23 import fileinput, re, os, sys, operator
  24
  25 preamble = '''// Copyright 2012-2014 The Rust Project Developers. See the COPYRIGHT
  26 // file at the top-level directory of this distribution and at
  27 // http://rust-lang.org/COPYRIGHT.
  28 //
  29 // Licensed under the Apache License, Version 2.0 <LICENSE-APACHE or
  30 // http://www.apache.org/licenses/LICENSE-2.0> or the MIT license
  31 // <LICENSE-MIT or http://opensource.org/licenses/MIT>, at your
  32 // option. This file may not be copied, modified, or distributed
  33 // except according to those terms.
  34
  35 // NOTE: The following code was generated by "src/etc/unicode.py", do not edit directly
  36
  37 #![allow(missing_docs, non_upper_case_globals, non_snake_case)]
  38 '''
  39
  40 # Mapping taken from Table 12 from:
  41 # http://www.unicode.org/reports/tr44/#General_Category_Values
  42 expanded_categories = {
  43     'Lu': ['LC', 'L'], 'Ll': ['LC', 'L'], 'Lt': ['LC', 'L'],
  44     'Lm': ['L'], 'Lo': ['L'],
  45     'Mn': ['M'], 'Mc': ['M'], 'Me': ['M'],
  46     'Nd': ['N'], 'Nl': ['N'], 'No': ['No'],
  47     'Pc': ['P'], 'Pd': ['P'], 'Ps': ['P'], 'Pe': ['P'],
  48     'Pi': ['P'], 'Pf': ['P'], 'Po': ['P'],
  49     'Sm': ['S'], 'Sc': ['S'], 'Sk': ['S'], 'So': ['S'],
  50     'Zs': ['Z'], 'Zl': ['Z'], 'Zp': ['Z'],
  51     'Cc': ['C'], 'Cf': ['C'], 'Cs': ['C'], 'Co': ['C'], 'Cn': ['C'],
  52 }
  53
  54
  55 # Grapheme cluster data
  56 # taken from UAX29, http://www.unicode.org/reports/tr29/
  57 # these code points are excluded from the Control category
  58 # NOTE: CR and LF are also technically excluded, but for
  59 # the sake of convenience we leave them in the Control group
  60 # and manually check them in the appropriate place. This is
  61 # still compliant with the implementation requirements.
  62 grapheme_control_exceptions = set([0x200c, 0x200d])
  63
  64 # the Regional_Indicator category
  65 grapheme_regional_indicator = [(0x1f1e6, 0x1f1ff)]
  66
  67 # "The following ... are specifically excluded" from the SpacingMark category
  68 # http://www.unicode.org/reports/tr29/#SpacingMark
  69 grapheme_spacingmark_exceptions = [(0x102b, 0x102c), (0x1038, 0x1038),
  70     (0x1062, 0x1064), (0x1067, 0x106d), (0x1083, 0x1083), (0x1087, 0x108c),
  71     (0x108f, 0x108f), (0x109a, 0x109c), (0x19b0, 0x19b4), (0x19b8, 0x19b9),
  72     (0x19bb, 0x19c0), (0x19c8, 0x19c9), (0x1a61, 0x1a61), (0x1a63, 0x1a64),
  73     (0xaa7b, 0xaa7b), (0xaa7d, 0xaa7d)]
  74
  75 # these are included in the SpacingMark category
  76 grapheme_spacingmark_extra = set([0xe33, 0xeb3])
  77
  78 def fetch(f):
  79     if not os.path.exists(f):
  80         os.system("curl -O http://www.unicode.org/Public/UNIDATA/%s"
  81                   % f)
  82
  83     if not os.path.exists(f):
  84         sys.stderr.write("cannot load %s" % f)
  85         exit(1)
  86
  87 def is_valid_unicode(n):
  88     return 0 <= n <= 0xD7FF or 0xE000 <= n <= 0x10FFFF
  89
  90 def load_unicode_data(f):
  91     fetch(f)
  92     gencats = {}
  93     upperlower = {}
  94     lowerupper = {}
  95     combines = {}
  96     canon_decomp = {}
  97     compat_decomp = {}
  98
  99     for line in fileinput.input(f):
 100         fields = line.split(";")
 101         if len(fields) != 15:
 102             continue
 103         [code, name, gencat, combine, bidi,
 104          decomp, deci, digit, num, mirror,
 105          old, iso, upcase, lowcase, titlecase ] = fields
 106
 107         code_org = code
 108         code     = int(code, 16)
 109
 110         if not is_valid_unicode(code):
 111             continue
 112
 113         # generate char to char direct common and simple conversions
 114         # uppercase to lowercase
 115         if gencat == "Lu" and lowcase != "" and code_org != lowcase:
 116             upperlower[code] = int(lowcase, 16)
 117
 118         # lowercase to uppercase
 119         if gencat == "Ll" and upcase != "" and code_org != upcase:
 120             lowerupper[code] = int(upcase, 16)
 121
 122         # store decomposition, if given
 123         if decomp != "":
 124             if decomp.startswith('<'):
 125                 seq = []
 126                 for i in decomp.split()[1:]:
 127                     seq.append(int(i, 16))
 128                 compat_decomp[code] = seq
 129             else:
 130                 seq = []
 131                 for i in decomp.split():
 132                     seq.append(int(i, 16))
 133                 canon_decomp[code] = seq
 134
 135         # place letter in categories as appropriate
 136         for cat in [gencat, "Assigned"] + expanded_categories.get(gencat, []):
 137             if cat not in gencats:
 138                 gencats[cat] = []
 139             gencats[cat].append(code)
 140
 141         # record combining class, if any
 142         if combine != "0":
 143             if combine not in combines:
 144                 combines[combine] = []
 145             combines[combine].append(code)
 146
 147     # generate Not_Assigned from Assigned
 148     gencats["Cn"] = gen_unassigned(gencats["Assigned"])
 149     # Assigned is not a real category
 150     del(gencats["Assigned"])
 151     # Other contains Not_Assigned
 152     gencats["C"].extend(gencats["Cn"])
 153     gencats = group_cats(gencats)
 154     combines = to_combines(group_cats(combines))
 155
 156     return (canon_decomp, compat_decomp, gencats, combines, lowerupper, upperlower)
 157
 158 def group_cats(cats):
 159     cats_out = {}
 160     for cat in cats:
 161         cats_out[cat] = group_cat(cats[cat])
 162     return cats_out
 163
 164 def group_cat(cat):
 165     cat_out = []
 166     letters = sorted(set(cat))
 167     cur_start = letters.pop(0)
 168     cur_end = cur_start
 169     for letter in letters:
 170         assert letter > cur_end, \
 171             "cur_end: %s, letter: %s" % (hex(cur_end), hex(letter))
 172         if letter == cur_end + 1:
 173             cur_end = letter
 174         else:
 175             cat_out.append((cur_start, cur_end))
 176             cur_start = cur_end = letter
 177     cat_out.append((cur_start, cur_end))
 178     return cat_out
 179
 180 def ungroup_cat(cat):
 181     cat_out = []
 182     for (lo, hi) in cat:
 183         while lo <= hi:
 184             cat_out.append(lo)
 185             lo += 1
 186     return cat_out
 187
 188 def gen_unassigned(assigned):
 189     assigned = set(assigned)
 190     return ([i for i in range(0, 0xd800) if i not in assigned] +
 191             [i for i in range(0xe000, 0x110000) if i not in assigned])
 192
 193 def to_combines(combs):
 194     combs_out = []
 195     for comb in combs:
 196         for (lo, hi) in combs[comb]:
 197             combs_out.append((lo, hi, comb))
 198     combs_out.sort(key=lambda comb: comb[0])
 199     return combs_out
 200
 201 def format_table_content(f, content, indent):
 202     line = " "*indent
 203     first = True
 204     for chunk in content.split(","):
 205         if len(line) + len(chunk) < 98:
 206             if first:
 207                 line += chunk
 208             else:
 209                 line += ", " + chunk
 210             first = False
 211         else:
 212             f.write(line + ",\n")
 213             line = " "*indent + chunk
 214     f.write(line)
 215
 216 def load_properties(f, interestingprops):
 217     fetch(f)
 218     props = {}
 219     re1 = re.compile("^([0-9A-F]+) +; (\w+)")
 220     re2 = re.compile("^([0-9A-F]+)\.\.([0-9A-F]+) +; (\w+)")
 221
 222     for line in fileinput.input(f):
 223         prop = None
 224         d_lo = 0
 225         d_hi = 0
 226         m = re1.match(line)
 227         if m:
 228             d_lo = m.group(1)
 229             d_hi = m.group(1)
 230             prop = m.group(2)
 231         else:
 232             m = re2.match(line)
 233             if m:
 234                 d_lo = m.group(1)
 235                 d_hi = m.group(2)
 236                 prop = m.group(3)
 237             else:
 238                 continue
 239         if interestingprops and prop not in interestingprops:
 240             continue
 241         d_lo = int(d_lo, 16)
 242         d_hi = int(d_hi, 16)
 243         if prop not in props:
 244             props[prop] = []
 245         props[prop].append((d_lo, d_hi))
 246     return props
 247
 248 # load all widths of want_widths, except those in except_cats
 249 def load_east_asian_width(want_widths, except_cats):
 250     f = "EastAsianWidth.txt"
 251     fetch(f)
 252     widths = {}
 253     re1 = re.compile("^([0-9A-F]+);(\w+) +# (\w+)")
 254     re2 = re.compile("^([0-9A-F]+)\.\.([0-9A-F]+);(\w+) +# (\w+)")
 255
 256     for line in fileinput.input(f):
 257         width = None
 258         d_lo = 0
 259         d_hi = 0
 260         cat = None
 261         m = re1.match(line)
 262         if m:
 263             d_lo = m.group(1)
 264             d_hi = m.group(1)
 265             width = m.group(2)
 266             cat = m.group(3)
 267         else:
 268             m = re2.match(line)
 269             if m:
 270                 d_lo = m.group(1)
 271                 d_hi = m.group(2)
 272                 width = m.group(3)
 273                 cat = m.group(4)
 274             else:
 275                 continue
 276         if cat in except_cats or width not in want_widths:
 277             continue
 278         d_lo = int(d_lo, 16)
 279         d_hi = int(d_hi, 16)
 280         if width not in widths:
 281             widths[width] = []
 282         widths[width].append((d_lo, d_hi))
 283     return widths
 284
 285 def escape_char(c):
 286     return "'\\u{%x}'" % c
 287
 288 def emit_bsearch_range_table(f):
 289     f.write("""
 290 fn bsearch_range_table(c: char, r: &'static [(char,char)]) -> bool {
 291     use core::cmp::Ordering::{Equal, Less, Greater};
 292     use core::slice::SlicePrelude;
 293     r.binary_search(|&(lo,hi)| {
 294         if lo <= c && c <= hi { Equal }
 295         else if hi < c { Less }
 296         else { Greater }
 297     }).found().is_some()
 298 }\n
 299 """)
 300
 301 def emit_table(f, name, t_data, t_type = "&'static [(char, char)]", is_pub=True,
 302         pfun=lambda x: "(%s,%s)" % (escape_char(x[0]), escape_char(x[1]))):
 303     pub_string = ""
 304     if is_pub:
 305         pub_string = "pub "
 306     f.write("    %sstatic %s: %s = &[\n" % (pub_string, name, t_type))
 307     data = ""
 308     first = True
 309     for dat in t_data:
 310         if not first:
 311             data += ","
 312         first = False
 313         data += pfun(dat)
 314     format_table_content(f, data, 8)
 315     f.write("\n    ];\n\n")
 316
 317 def emit_property_module(f, mod, tbl, emit_fn):
 318     f.write("pub mod %s {\n" % mod)
 319     keys = tbl.keys()
 320     keys.sort()
 321     for cat in keys:
 322         emit_table(f, "%s_table" % cat, tbl[cat])
 323         if cat in emit_fn:
 324             f.write("    pub fn %s(c: char) -> bool {\n" % cat)
 325             f.write("        super::bsearch_range_table(c, %s_table)\n" % cat)
 326             f.write("    }\n\n")
 327     f.write("}\n\n")
 328
 329 def emit_regex_module(f, cats, w_data):
 330     f.write("pub mod regex {\n")
 331     regex_class = "&'static [(char, char)]"
 332     class_table = "&'static [(&'static str, &'static %s)]" % regex_class
 333
 334     emit_table(f, "UNICODE_CLASSES", cats, class_table,
 335         pfun=lambda x: "(\"%s\",&super::%s::%s_table)" % (x[0], x[1], x[0]))
 336
 337     f.write("    pub static PERLD: &'static %s = &super::general_category::Nd_table;\n\n"
 338             % regex_class)
 339     f.write("    pub static PERLS: &'static %s = &super::property::White_Space_table;\n\n"
 340             % regex_class)
 341
 342     emit_table(f, "PERLW", w_data, regex_class)
 343
 344     f.write("}\n\n")
 345
 346 def emit_conversions_module(f, lowerupper, upperlower):
 347     f.write("pub mod conversions {")
 348     f.write("""
 349     use core::cmp::Ordering::{Equal, Less, Greater};
 350     use core::slice::SlicePrelude;
 351     use core::tuple::Tuple2;
 352     use core::option::Option;
 353     use core::option::Option::{Some, None};
 354     use core::slice;
 355
 356     pub fn to_lower(c: char) -> char {
 357         match bsearch_case_table(c, LuLl_table) {
 358           None        => c,
 359           Some(index) => LuLl_table[index].val1()
 360         }
 361     }
 362
 363     pub fn to_upper(c: char) -> char {
 364         match bsearch_case_table(c, LlLu_table) {
 365             None        => c,
 366             Some(index) => LlLu_table[index].val1()
 367         }
 368     }
 369
 370     fn bsearch_case_table(c: char, table: &'static [(char, char)]) -> Option<uint> {
 371         match table.binary_search(|&(key, _)| {
 372             if c == key { Equal }
 373             else if key < c { Less }
 374             else { Greater }
 375         }) {
 376             slice::BinarySearchResult::Found(i) => Some(i),
 377             slice::BinarySearchResult::NotFound(_) => None,
 378         }
 379     }
 380
 381 """)
 382     emit_table(f, "LuLl_table",
 383         sorted(upperlower.iteritems(), key=operator.itemgetter(0)), is_pub=False)
 384     emit_table(f, "LlLu_table",
 385         sorted(lowerupper.iteritems(), key=operator.itemgetter(0)), is_pub=False)
 386     f.write("}\n\n")
 387
 388 def emit_grapheme_module(f, grapheme_table, grapheme_cats):
 389     f.write("""pub mod grapheme {
 390     use core::slice::SlicePrelude;
 391     use core::kinds::Copy;
 392     pub use self::GraphemeCat::*;
 393     use core::slice;
 394
 395     #[allow(non_camel_case_types)]
 396     #[deriving(Clone)]
 397     pub enum GraphemeCat {
 398 """)
 399     for cat in grapheme_cats + ["Any"]:
 400         f.write("        GC_" + cat + ",\n")
 401     f.write("""    }
 402
 403     impl Copy for GraphemeCat {}
 404
 405     fn bsearch_range_value_table(c: char, r: &'static [(char, char, GraphemeCat)]) -> GraphemeCat {
 406         use core::cmp::Ordering::{Equal, Less, Greater};
 407         match r.binary_search(|&(lo, hi, _)| {
 408             if lo <= c && c <= hi { Equal }
 409             else if hi < c { Less }
 410             else { Greater }
 411         }) {
 412             slice::BinarySearchResult::Found(idx) => {
 413                 let (_, _, cat) = r[idx];
 414                 cat
 415             }
 416             slice::BinarySearchResult::NotFound(_) => GC_Any
 417         }
 418     }
 419
 420     pub fn grapheme_category(c: char) -> GraphemeCat {
 421         bsearch_range_value_table(c, grapheme_cat_table)
 422     }
 423
 424 """)
 425
 426     emit_table(f, "grapheme_cat_table", grapheme_table, "&'static [(char, char, GraphemeCat)]",
 427         pfun=lambda x: "(%s,%s,GC_%s)" % (escape_char(x[0]), escape_char(x[1]), x[2]),
 428         is_pub=False)
 429     f.write("}\n")
 430
 431 def emit_charwidth_module(f, width_table):
 432     f.write("pub mod charwidth {\n")
 433     f.write("    use core::option::Option;\n")
 434     f.write("    use core::option::Option::{Some, None};\n")
 435     f.write("    use core::slice::SlicePrelude;\n")
 436     f.write("    use core::slice;\n")
 437     f.write("""
 438     fn bsearch_range_value_table(c: char, is_cjk: bool, r: &'static [(char, char, u8, u8)]) -> u8 {
 439         use core::cmp::Ordering::{Equal, Less, Greater};
 440         match r.binary_search(|&(lo, hi, _, _)| {
 441             if lo <= c && c <= hi { Equal }
 442             else if hi < c { Less }
 443             else { Greater }
 444         }) {
 445             slice::BinarySearchResult::Found(idx) => {
 446                 let (_, _, r_ncjk, r_cjk) = r[idx];
 447                 if is_cjk { r_cjk } else { r_ncjk }
 448             }
 449             slice::BinarySearchResult::NotFound(_) => 1
 450         }
 451     }
 452 """)
 453
 454     f.write("""
 455     pub fn width(c: char, is_cjk: bool) -> Option<uint> {
 456         match c as uint {
 457             _c @ 0 => Some(0),          // null is zero width
 458             cu if cu < 0x20 => None,    // control sequences have no width
 459             cu if cu < 0x7F => Some(1), // ASCII
 460             cu if cu < 0xA0 => None,    // more control sequences
 461             _ => Some(bsearch_range_value_table(c, is_cjk, charwidth_table) as uint)
 462         }
 463     }
 464
 465 """)
 466
 467     f.write("    // character width table. Based on Markus Kuhn's free wcwidth() implementation,\n")
 468     f.write("    //     http://www.cl.cam.ac.uk/~mgk25/ucs/wcwidth.c\n")
 469     emit_table(f, "charwidth_table", width_table, "&'static [(char, char, u8, u8)]", is_pub=False,
 470             pfun=lambda x: "(%s,%s,%s,%s)" % (escape_char(x[0]), escape_char(x[1]), x[2], x[3]))
 471     f.write("}\n\n")
 472
 473 def emit_norm_module(f, canon, compat, combine, norm_props):
 474     canon_keys = canon.keys()
 475     canon_keys.sort()
 476
 477     compat_keys = compat.keys()
 478     compat_keys.sort()
 479
 480     canon_comp = {}
 481     comp_exclusions = norm_props["Full_Composition_Exclusion"]
 482     for char in canon_keys:
 483         if True in map(lambda (lo, hi): lo <= char <= hi, comp_exclusions):
 484             continue
 485         decomp = canon[char]
 486         if len(decomp) == 2:
 487             if not canon_comp.has_key(decomp[0]):
 488                 canon_comp[decomp[0]] = []
 489             canon_comp[decomp[0]].append( (decomp[1], char) )
 490     canon_comp_keys = canon_comp.keys()
 491     canon_comp_keys.sort()
 492
 493     f.write("pub mod normalization {\n")
 494
 495     def mkdata_fun(table):
 496         def f(char):
 497             data = "(%s,&[" % escape_char(char)
 498             first = True
 499             for d in table[char]:
 500                 if not first:
 501                     data += ","
 502                 first = False
 503                 data += escape_char(d)
 504             data += "])"
 505             return data
 506         return f
 507
 508     f.write("    // Canonical decompositions\n")
 509     emit_table(f, "canonical_table", canon_keys, "&'static [(char, &'static [char])]",
 510         pfun=mkdata_fun(canon))
 511
 512     f.write("    // Compatibility decompositions\n")
 513     emit_table(f, "compatibility_table", compat_keys, "&'static [(char, &'static [char])]",
 514         pfun=mkdata_fun(compat))
 515
 516     def comp_pfun(char):
 517         data = "(%s,&[" % escape_char(char)
 518         canon_comp[char].sort(lambda x, y: x[0] - y[0])
 519         first = True
 520         for pair in canon_comp[char]:
 521             if not first:
 522                 data += ","
 523             first = False
 524             data += "(%s,%s)" % (escape_char(pair[0]), escape_char(pair[1]))
 525         data += "])"
 526         return data
 527
 528     f.write("    // Canonical compositions\n")
 529     emit_table(f, "composition_table", canon_comp_keys,
 530         "&'static [(char, &'static [(char, char)])]", pfun=comp_pfun)
 531
 532     f.write("""
 533     fn bsearch_range_value_table(c: char, r: &'static [(char, char, u8)]) -> u8 {
 534         use core::cmp::Ordering::{Equal, Less, Greater};
 535         use core::slice::SlicePrelude;
 536         use core::slice;
 537         match r.binary_search(|&(lo, hi, _)| {
 538             if lo <= c && c <= hi { Equal }
 539             else if hi < c { Less }
 540             else { Greater }
 541         }) {
 542             slice::BinarySearchResult::Found(idx) => {
 543                 let (_, _, result) = r[idx];
 544                 result
 545             }
 546             slice::BinarySearchResult::NotFound(_) => 0
 547         }
 548     }\n
 549 """)
 550
 551     emit_table(f, "combining_class_table", combine, "&'static [(char, char, u8)]", is_pub=False,
 552             pfun=lambda x: "(%s,%s,%s)" % (escape_char(x[0]), escape_char(x[1]), x[2]))
 553
 554     f.write("    pub fn canonical_combining_class(c: char) -> u8 {\n"
 555         + "        bsearch_range_value_table(c, combining_class_table)\n"
 556         + "    }\n")
 557
 558     f.write("""
 559 }
 560
 561 """)
 562
 563 def remove_from_wtable(wtable, val):
 564     wtable_out = []
 565     while wtable:
 566         if wtable[0][1] < val:
 567             wtable_out.append(wtable.pop(0))
 568         elif wtable[0][0] > val:
 569             break
 570         else:
 571             (wt_lo, wt_hi, width, width_cjk) = wtable.pop(0)
 572             if wt_lo == wt_hi == val:
 573                 continue
 574             elif wt_lo == val:
 575                 wtable_out.append((wt_lo+1, wt_hi, width, width_cjk))
 576             elif wt_hi == val:
 577                 wtable_out.append((wt_lo, wt_hi-1, width, width_cjk))
 578             else:
 579                 wtable_out.append((wt_lo, val-1, width, width_cjk))
 580                 wtable_out.append((val+1, wt_hi, width, width_cjk))
 581     if wtable:
 582         wtable_out.extend(wtable)
 583     return wtable_out
 584
 585
 586
 587 def optimize_width_table(wtable):
 588     wtable_out = []
 589     w_this = wtable.pop(0)
 590     while wtable:
 591         if w_this[1] == wtable[0][0] - 1 and w_this[2:3] == wtable[0][2:3]:
 592             w_tmp = wtable.pop(0)
 593             w_this = (w_this[0], w_tmp[1], w_tmp[2], w_tmp[3])
 594         else:
 595             wtable_out.append(w_this)
 596             w_this = wtable.pop(0)
 597     wtable_out.append(w_this)
 598     return wtable_out
 599
 600 if __name__ == "__main__":
 601     r = "tables.rs"
 602     if os.path.exists(r):
 603         os.remove(r)
 604     with open(r, "w") as rf:
 605         # write the file's preamble
 606         rf.write(preamble)
 607
 608         # download and parse all the data
 609         fetch("ReadMe.txt")
 610         with open("ReadMe.txt") as readme:
 611             pattern = "for Version (\d+)\.(\d+)\.(\d+) of the Unicode"
 612             unicode_version = re.search(pattern, readme.read()).groups()
 613         rf.write("""
 614 /// The version of [Unicode](http://www.unicode.org/)
 615 /// that the `UnicodeChar` and `UnicodeStrPrelude` traits are based on.
 616 pub const UNICODE_VERSION: (uint, uint, uint) = (%s, %s, %s);
 617 """ % unicode_version)
 618         (canon_decomp, compat_decomp, gencats, combines,
 619                 lowerupper, upperlower) = load_unicode_data("UnicodeData.txt")
 620         want_derived = ["XID_Start", "XID_Continue", "Alphabetic", "Lowercase", "Uppercase"]
 621         other_derived = ["Default_Ignorable_Code_Point", "Grapheme_Extend"]
 622         derived = load_properties("DerivedCoreProperties.txt", want_derived + other_derived)
 623         scripts = load_properties("Scripts.txt", [])
 624         props = load_properties("PropList.txt",
 625                 ["White_Space", "Join_Control", "Noncharacter_Code_Point"])
 626         norm_props = load_properties("DerivedNormalizationProps.txt",
 627                      ["Full_Composition_Exclusion"])
 628
 629         # grapheme cluster category from DerivedCoreProperties
 630         # the rest are defined below
 631         grapheme_cats = {}
 632         grapheme_cats["Extend"] = derived["Grapheme_Extend"]
 633         del(derived["Grapheme_Extend"])
 634
 635         # bsearch_range_table is used in all the property modules below
 636         emit_bsearch_range_table(rf)
 637
 638         # all of these categories will also be available as \p{} in libregex
 639         allcats = []
 640         for (name, cat, pfuns) in ("general_category", gencats, ["N", "Cc"]), \
 641                                   ("derived_property", derived, want_derived), \
 642                                   ("script", scripts, []), \
 643                                   ("property", props, ["White_Space"]):
 644             emit_property_module(rf, name, cat, pfuns)
 645             allcats.extend(map(lambda x: (x, name), cat))
 646         allcats.sort(key=lambda c: c[0])
 647
 648         # the \w regex corresponds to Alphabetic + Mark + Decimal_Number +
 649         # Connector_Punctuation + Join-Control according to UTS#18
 650         # http://www.unicode.org/reports/tr18/#Compatibility_Properties
 651         perl_words = []
 652         for cat in derived["Alphabetic"], gencats["M"], gencats["Nd"], \
 653                    gencats["Pc"], props["Join_Control"]:
 654             perl_words.extend(ungroup_cat(cat))
 655         perl_words = group_cat(perl_words)
 656
 657         # emit lookup tables for \p{}, along with \d, \w, and \s for libregex
 658         emit_regex_module(rf, allcats, perl_words)
 659
 660         # normalizations and conversions module
 661         emit_norm_module(rf, canon_decomp, compat_decomp, combines, norm_props)
 662         emit_conversions_module(rf, lowerupper, upperlower)
 663
 664         ### character width module
 665         width_table = []
 666         for zwcat in ["Me", "Mn", "Cf"]:
 667             width_table.extend(map(lambda (lo, hi): (lo, hi, 0, 0), gencats[zwcat]))
 668         width_table.append((4448, 4607, 0, 0))
 669
 670         # get widths, except those that are explicitly marked zero-width above
 671         ea_widths = load_east_asian_width(["W", "F", "A"], ["Me", "Mn", "Cf"])
 672         # these are doublewidth
 673         for dwcat in ["W", "F"]:
 674             width_table.extend(map(lambda (lo, hi): (lo, hi, 2, 2), ea_widths[dwcat]))
 675         width_table.extend(map(lambda (lo, hi): (lo, hi, 1, 2), ea_widths["A"]))
 676
 677         width_table.sort(key=lambda w: w[0])
 678
 679         # soft hyphen is not zero width in preformatted text; it's used to indicate
 680         # a hyphen inserted to facilitate a linebreak.
 681         width_table = remove_from_wtable(width_table, 173)
 682
 683         # optimize the width table by collapsing adjacent entities when possible
 684         width_table = optimize_width_table(width_table)
 685         emit_charwidth_module(rf, width_table)
 686
 687         ### grapheme cluster module
 688         # from http://www.unicode.org/reports/tr29/#Grapheme_Cluster_Break_Property_Values
 689         # Hangul syllable categories
 690         want_hangul = ["L", "V", "T", "LV", "LVT"]
 691         grapheme_cats.update(load_properties("HangulSyllableType.txt", want_hangul))
 692
 693         # Control
 694         # This category also includes Cs (surrogate codepoints), but Rust's `char`s are
 695         # Unicode Scalar Values only, and surrogates are thus invalid `char`s.
 696         grapheme_cats["Control"] = set()
 697         for cat in ["Zl", "Zp", "Cc", "Cf"]:
 698             grapheme_cats["Control"] |= set(ungroup_cat(gencats[cat]))
 699         grapheme_cats["Control"] = group_cat(list(
 700             grapheme_cats["Control"]
 701             - grapheme_control_exceptions
 702             | (set(ungroup_cat(gencats["Cn"]))
 703                & set(ungroup_cat(derived["Default_Ignorable_Code_Point"])))))
 704
 705         # Regional Indicator
 706         grapheme_cats["RegionalIndicator"] = grapheme_regional_indicator
 707
 708         # Prepend - "Currently there are no characters with this value"
 709         # (from UAX#29, Unicode 7.0)
 710
 711         # SpacingMark
 712         grapheme_cats["SpacingMark"] = group_cat(list(
 713             set(ungroup_cat(gencats["Mc"]))
 714             - set(ungroup_cat(grapheme_cats["Extend"]))
 715             | grapheme_spacingmark_extra
 716             - set(ungroup_cat(grapheme_spacingmark_exceptions))))
 717
 718         grapheme_table = []
 719         for cat in grapheme_cats:
 720             grapheme_table.extend([(x, y, cat) for (x, y) in grapheme_cats[cat]])
 721         grapheme_table.sort(key=lambda w: w[0])
 722         emit_grapheme_module(rf, grapheme_table, grapheme_cats.keys())