Add NameAliases.txt; regenerate mktables.list
[perl.git] / lib / unicore / mktables
1 ## !!!!!!!!!!!!!!       IF YOU MODIFY THIS FILE       !!!!!!!!!!!!!!!!!!!!!!!!!
2 ## Any files created or read by this program should be listed in 'mktables.lst'
3
4 #!/usr/bin/perl -w
5 require 5.008;  # Needs pack "U". Probably safest to run on 5.8.x
6 use strict;
7 use Carp;
8 use File::Spec;
9
10 ##
11 ## mktables -- create the runtime Perl Unicode files (lib/unicore/**/*.pl)
12 ## from the Unicode database files (lib/unicore/*.txt).
13 ##
14
15 ## "Fuzzy" means this section in Unicode TR18:
16 ##
17 ##    The recommended names for UCD properties and property values are in
18 ##    PropertyAliases.txt [Prop] and PropertyValueAliases.txt
19 ##    [PropValue]. There are both abbreviated names and longer, more
20 ##    descriptive names. It is strongly recommended that both names be
21 ##    recognized, and that loose matching of property names be used,
22 ##    whereby the case distinctions, whitespace, hyphens, and underbar
23 ##    are ignored.
24
25 ## Base names already used in lib/gc_sc (for avoiding 8.3 conflicts)
26 my %BaseNames;
27
28 ##
29 ## Process any args.
30 ##
31 my $Verbose        = 0;
32 my $MakeTestScript = 0;
33 my $AlwaysWrite    = 0;
34 my $UseDir         = "";
35 my $FileList       = "$0.lst";
36 my $MakeList       = 0;
37
38 while (@ARGV)
39 {
40     my $arg = shift @ARGV;
41     if ($arg eq '-v') {
42         $Verbose = 1;
43     } elsif ($arg eq '-q') {
44         $Verbose = 0;
45     } elsif ($arg eq '-w') {
46         $AlwaysWrite = 1;       # update the files even if they havent changed
47         $FileList = "";
48     } elsif ($arg eq '-check') {
49         my $this = shift @ARGV;
50         my $ok = shift @ARGV;
51         if ($this ne $ok) {
52             print "Skipping as check params are not the same.\n";
53             exit(0);
54         }
55     } elsif ($arg eq '-maketest') {
56         $MakeTestScript = 1;
57     } elsif ($arg eq '-makelist') {
58         $MakeList = 1;        
59     } elsif ($arg eq '-C' && defined ($UseDir = shift)) {
60         -d $UseDir or die "Unknown directory '$UseDir'";
61     } elsif ($arg eq '-L' && defined ($FileList = shift)) {
62         -e $FileList or die "Filelist '$FileList' doesn't appear to exist!";
63     } else {
64         die "usage: $0 [-v|-q|-w|-C dir|-L filelist] [-maketest] [-makelist]\n",
65             "  -v          : Verbose Mode\n",
66             "  -q          : Quiet Mode\n",
67             "  -w          : Write files regardless\n",
68             "  -maketest   : Make test script\n",
69             "  -makelist   : Rewrite the file list based on current setup\n",
70             "  -L filelist : Use this file list, (defaults to $0)\n",
71             "  -C dir      : Change to this directory before proceeding\n",
72             "  -check A B  : Executes only if A and B are the same\n";   
73     }
74 }
75
76 if ($FileList) {
77     print "Reading file list '$FileList'\n"
78         if $Verbose;
79     open my $fh,"<",$FileList or die "Failed to read '$FileList':$!";
80     my @input;
81     my @output;
82     for my $list ( \@input, \@output ) {
83         while (<$fh>) {
84             s/^ \s+ | \s+ $//xg;
85             next if /^ \s* (?: \# .* )? $/x;
86             last if /^ =+ $/x;
87             my ( $file ) = split /\t/, $_;
88             push @$list, $file;
89         }
90         my %dupe;
91         @$list = grep !$dupe{ $_ }++, @$list;
92     }
93     close $fh;
94     die "No input or output files in '$FileList'!"
95         if !@input or !@output;
96     if ( $MakeList ) {
97         foreach my $file (@output) {
98             unlink $file;
99         }
100     }            
101     if ( $Verbose ) {
102         print "Expecting ".scalar( @input )." input files. ",
103               "Checking ".scalar( @output )." output files.\n";
104     }
105     # we set maxtime to be the youngest input file, including $0 itself.
106     my $maxtime = -M $0; # do this before the chdir!
107     if ($UseDir) {
108         chdir $UseDir or die "Failed to chdir to '$UseDir':$!";
109     }
110     foreach my $in (@input) {
111         my $time = -M $in;
112         die "Missing input file '$in'" unless defined $time;
113         $maxtime = $time if $maxtime < $time;
114     }
115
116     # now we check to see if any output files are older than maxtime, if
117     # they are we need to continue on, otherwise we can presumably bail.
118     my $ok = 1;
119     foreach my $out (@output) {
120         if ( ! -e $out ) {
121             print "'$out' is missing.\n"
122                 if $Verbose;
123             $ok = 0;
124             last;
125         }
126         if ( -M $out > $maxtime ) {
127             print "'$out' is too old.\n"
128                 if $Verbose;
129             $ok = 0;
130             last;
131         }
132     }
133     if ($ok) {
134         print "Files seem to be ok, not bothering to rebuild.\n";
135         exit(0);
136     }
137     print "Must rebuild tables.\n"
138         if $Verbose;
139 } else {
140     if ($Verbose) {
141         print "Not checking filelist.\n";
142     }
143     if ($UseDir) {
144         chdir $UseDir or die "Failed to chdir to '$UseDir':$!";
145     }
146 }
147
148 foreach my $lib ('To', 'lib',
149                  map {File::Spec->catdir("lib",$_)}
150                  qw(gc_sc dt bc hst ea jt lb nt ccc)) {
151   next if -d $lib;
152   mkdir $lib, 0755 or die "mkdir '$lib': $!";
153 }
154
155 my $LastUnicodeCodepoint = 0x10FFFF; # As of Unicode 5.1.
156
157 my $HEADER=<<"EOF";
158 # !!!!!!!   DO NOT EDIT THIS FILE   !!!!!!! 
159 # This file is built by $0 from e.g. UnicodeData.txt.
160 # Any changes made here will be lost!
161
162 EOF
163
164 sub force_unlink {
165     my $filename = shift;
166     return unless -e $filename;
167     return if CORE::unlink($filename);
168     # We might need write permission
169     chmod 0777, $filename;
170     CORE::unlink($filename) or die "Couldn't unlink $filename: $!\n";
171 }
172
173 ##
174 ## Given a filename and a reference to an array of lines,
175 ## write the lines to the file only if the contents have not changed.
176 ## Filename can be given as an arrayref of directory names
177 ##
178 sub WriteIfChanged($\@)
179 {
180     my $file  = shift;
181     my $lines = shift;
182
183     $file = File::Spec->catfile(@$file) if ref $file;
184
185     my $TextToWrite = join '', @$lines;
186     if (open IN, $file) {
187         local($/) = undef;
188         my $PreviousText = <IN>;
189         close IN;
190         if ($PreviousText eq $TextToWrite) {
191             print "$file unchanged.\n" if $Verbose;
192             return unless $AlwaysWrite;
193         }
194     }
195     force_unlink ($file);
196     if (not open OUT, ">$file") {
197         die "$0: can't open $file for output: $!\n";
198     }
199     print "$file written.\n" if $Verbose;
200
201     print OUT $TextToWrite;
202     close OUT;
203 }
204
205 ##
206 ## The main datastructure (a "Table") represents a set of code points that
207 ## are part of a particular quality (that are part of \pL, \p{InGreek},
208 ## etc.). They are kept as ranges of code points (starting and ending of
209 ## each range).
210 ##
211 ## For example, a range ASCII LETTERS would be represented as:
212 ##   [ [ 0x41 => 0x5A, 'UPPER' ],
213 ##     [ 0x61 => 0x7A, 'LOWER, ] ]
214 ##
215 sub RANGE_START() { 0 } ## index into range element
216 sub RANGE_END()   { 1 } ## index into range element
217 sub RANGE_NAME()  { 2 } ## index into range element
218
219 ## Conceptually, these should really be folded into the 'Table' objects
220 my %TableInfo;
221 my %TableDesc;
222 my %FuzzyNames;
223 my %AliasInfo;
224 my %CanonicalToOrig;
225
226 ##
227 ## Turn something like
228 ##    OLD-ITALIC
229 ## into
230 ##    OldItalic
231 ##
232 sub CanonicalName($)
233 {
234     my $orig = shift;
235     my $name = lc $orig;
236     $name =~ s/(?<![a-z])(\w)/\u$1/g;
237     $name =~ s/[-_\s]+//g;
238
239     $CanonicalToOrig{$name} = $orig if not $CanonicalToOrig{$name};
240     return $name;
241 }
242
243
244 ##
245 ## Store the alias definitions for later use.
246 ##
247 my %PropertyAlias;
248 my %PropValueAlias;
249
250 my %PA_reverse;
251 my %PVA_reverse;
252
253 sub Build_Aliases()
254 {
255     ##
256     ## Most of the work with aliases doesn't occur here,
257     ## but rather in utf8_heavy.pl, which uses PVA.pl,
258
259     # Placate the warnings about used only once. (They are used again, but
260     # via a typeglob lookup)
261     %utf8::PropertyAlias = ();
262     %utf8::PA_reverse = ();
263     %utf8::PropValueAlias = ();
264     %utf8::PVA_reverse = ();
265     %utf8::PVA_abbr_map = ();
266
267     open PA, "< PropertyAliases.txt"
268         or confess "Can't open PropertyAliases.txt: $!";
269     while (<PA>) {
270         s/#.*//;
271         s/\s+$//;
272         next if /^$/;
273
274         my ($abbrev, $name) = split /\s*;\s*/;
275         next if $abbrev eq "n/a";
276         $PropertyAlias{$abbrev} = $name;
277         $PA_reverse{$name} = $abbrev;
278
279         # The %utf8::... versions use japhy's code originally from utf8_pva.pl
280         # However, it's moved here so that we build the tables at runtime.
281         tr/ _-//d for $abbrev, $name;
282         $utf8::PropertyAlias{lc $abbrev} = $name;
283         $utf8::PA_reverse{lc $name} = $abbrev;
284     }
285     close PA;
286
287     open PVA, "< PropValueAliases.txt"
288         or confess "Can't open PropValueAliases.txt: $!";
289     while (<PVA>) {
290         s/#.*//;
291         s/\s+$//;
292         next if /^$/;
293
294         my ($prop, @data) = split /\s*;\s*/;
295
296         if ($prop eq 'ccc') {
297             $PropValueAlias{$prop}{$data[1]} = [ @data[0,2] ];
298             $PVA_reverse{$prop}{$data[2]} = [ @data[0,1] ];
299         }
300         else {
301             next if $data[0] eq "n/a";
302             $PropValueAlias{$prop}{$data[0]} = $data[1];
303             $PVA_reverse{$prop}{$data[1]} = $data[0];
304         }
305
306         shift @data if $prop eq 'ccc';
307         next if $data[0] eq "n/a";
308
309         $data[1] =~ tr/ _-//d;
310         $utf8::PropValueAlias{$prop}{lc $data[0]} = $data[1];
311         $utf8::PVA_reverse{$prop}{lc $data[1]} = $data[0];
312
313         my $abbr_class = ($prop eq 'gc' or $prop eq 'sc') ? 'gc_sc' : $prop;
314         $utf8::PVA_abbr_map{$abbr_class}{lc $data[0]} = $data[0];
315     }
316     close PVA;
317
318     # backwards compatibility for L& -> LC
319     $utf8::PropValueAlias{gc}{'l&'} = $utf8::PropValueAlias{gc}{lc};
320     $utf8::PVA_abbr_map{gc_sc}{'l&'} = $utf8::PVA_abbr_map{gc_sc}{lc};
321
322 }
323
324
325 ##
326 ## Associates a property ("Greek", "Lu", "Assigned",...) with a Table.
327 ##
328 ## Called like:
329 ##       New_Prop(In => 'Greek', $Table, Desc => 'Greek Block', Fuzzy => 1);
330 ##
331 ## Normally, these parameters are set when the Table is created (when the
332 ## Table->New constructor is called), but there are times when it needs to
333 ## be done after-the-fact...)
334 ##
335 sub New_Prop($$$@)
336 {
337     my $Type = shift; ## "Is" or "In";
338     my $Name = shift;
339     my $Table = shift;
340
341     ## remaining args are optional key/val
342     my %Args = @_;
343
344     my $Fuzzy = delete $Args{Fuzzy};
345     my $Desc  = delete $Args{Desc}; # description
346
347     $Name = CanonicalName($Name) if $Fuzzy;
348
349     ## sanity check a few args
350     if (%Args or ($Type ne 'Is' and $Type ne 'In') or not ref $Table) {
351         confess "$0: bad args to New_Prop"
352     }
353
354     if (not $TableInfo{$Type}->{$Name})
355     {
356         $TableInfo{$Type}->{$Name} = $Table;
357         $TableDesc{$Type}->{$Name} = $Desc;
358         if ($Fuzzy) {
359             $FuzzyNames{$Type}->{$Name} = $Name;
360         }
361     }
362 }
363
364
365 ##
366 ## Creates a new Table object.
367 ##
368 ## Args are key/value pairs:
369 ##    In => Name         -- Name of "In" property to be associated with
370 ##    Is => Name         -- Name of "Is" property to be associated with
371 ##    Fuzzy => Boolean   -- True if name can be accessed "fuzzily"
372 ##    Desc  => String    -- Description of the property
373 ##
374 ## No args are required.
375 ##
376 sub Table::New
377 {
378     my $class = shift;
379     my %Args = @_;
380
381     my $Table = bless [], $class;
382
383     my $Fuzzy = delete $Args{Fuzzy};
384     my $Desc  = delete $Args{Desc};
385
386     for my $Type ('Is', 'In')
387     {
388         if (my $Name = delete $Args{$Type}) {
389             New_Prop($Type => $Name, $Table, Desc => $Desc, Fuzzy => $Fuzzy);
390         }
391     }
392
393     ## shouldn't have any left over
394     if (%Args) {
395         confess "$0: bad args to Table->New"
396     }
397
398     return $Table;
399 }
400
401
402 ##
403 ## Returns the maximum code point currently in the table.
404 ##
405 sub Table::Max
406 {
407     my $last = $_[0]->[-1];      ## last code point
408     confess "oops" unless $last; ## must have code points to have a max
409     return $last->[RANGE_END];
410 }
411
412 ##
413 ## Replaces the codepoints in the Table with those in the Table given
414 ## as an arg. (NOTE: this is not a "deep copy").
415 ##
416 sub Table::Replace($$)
417 {
418     my $Table = shift; #self
419     my $New   = shift;
420
421     @$Table = @$New;
422 }
423
424 ##
425 ## Given a new code point, make the last range of the Table extend to
426 ## include the new (and all intervening) code points.
427 ##
428 ## Takes the time to make sure that the extension is valid.
429 ##
430 sub Table::Extend
431 {
432     my $Table = shift; #self
433     my $codepoint = shift;
434
435     my $PrevMax = $Table->Max;
436
437     confess "oops ($codepoint <= $PrevMax)" if $codepoint <= $PrevMax;
438
439     $Table->ExtendNoCheck($codepoint);
440 }
441
442
443 ##
444 ## Given a new code point, make the last range of the Table extend to
445 ## include the new (and all intervening) code points.
446 ##
447 ## Does NOT check that the extension is valid.  Assumes that the caller
448 ## has already made this check.
449 ##
450 sub Table::ExtendNoCheck
451 {
452     ## Optmized adding: Assumes $Table and $codepoint as parms
453     $_[0]->[-1]->[RANGE_END] = $_[1];
454 }
455
456 ##
457 ## Given a code point range start and end (and optional name), blindly
458 ## append them to the list of ranges for the Table.
459 ##
460 ## NOTE: Code points must be added in strictly ascending numeric order.
461 ##
462 sub Table::RawAppendRange
463 {
464     my $Table = shift; #self
465     my $start = shift;
466     my $end   = shift;
467     my $name  = shift;
468     $name = "" if not defined $name; ## warning: $name can be "0"
469
470     push @$Table, [ $start,    # RANGE_START
471                     $end,      # RANGE_END
472                     $name   ]; # RANGE_NAME
473 }
474
475 ##
476 ## Given a code point (and optional name), add it to the Table.
477 ##
478 ## NOTE: Code points must be added in strictly ascending numeric order.
479 ##
480 sub Table::Append
481 {
482     my $Table     = shift; #self
483     my $codepoint = shift;
484     my $name      = shift;
485     $name = "" if not defined $name; ## warning: $name can be "0"
486
487     ##
488     ## If we've already got a range working, and this code point is the next
489     ## one in line, and if the name is the same, just extend the current range.
490     ##
491     my $last = $Table->[-1];
492     if ($last
493         and
494         $last->[RANGE_END] == $codepoint - 1
495         and
496         $last->[RANGE_NAME] eq $name)
497     {
498         $Table->ExtendNoCheck($codepoint);
499     }
500     else
501     {
502         $Table->RawAppendRange($codepoint, $codepoint, $name);
503     }
504 }
505
506 ##
507 ## Given a code point range starting value and ending value (and name),
508 ## Add the range to teh Table.
509 ##
510 ## NOTE: Code points must be added in strictly ascending numeric order.
511 ##
512 sub Table::AppendRange
513 {
514     my $Table = shift; #self
515     my $start = shift;
516     my $end   = shift;
517     my $name  = shift;
518     $name = "" if not defined $name; ## warning: $name can be "0"
519
520     $Table->Append($start, $name);
521     $Table->Extend($end) if $end > $start;
522 }
523
524 ##
525 ## Return a new Table that represents all code points not in the Table.
526 ##
527 sub Table::Invert
528 {
529     my $Table = shift; #self
530
531     my $New = Table->New();
532     my $max = -1;
533     for my $range (@$Table)
534     {
535         my $start = $range->[RANGE_START];
536         my $end   = $range->[RANGE_END];
537         if ($start-1 >= $max+1) {
538             $New->AppendRange($max+1, $start-1, "");
539         }
540         $max = $end;
541     }
542     if ($max+1 < $LastUnicodeCodepoint) {
543         $New->AppendRange($max+1, $LastUnicodeCodepoint);
544     }
545     return $New;
546 }
547
548 ##
549 ## Merges any number of other tables with $self, returning the new table.
550 ## (existing tables are not modified)
551 ##
552 ##
553 ## Args may be Tables, or individual code points (as integers).
554 ##
555 ## Can be called as either a constructor or a method.
556 ##
557 sub Table::Merge
558 {
559     shift(@_) if not ref $_[0]; ## if called as a constructor, lose the class
560     my @Tables = @_;
561
562     ## Accumulate all records from all tables
563     my @Records;
564     for my $Arg (@Tables)
565     {
566         if (ref $Arg) {
567             ## arg is a table -- get its ranges
568             push @Records, @$Arg;
569         } else {
570             ## arg is a codepoint, make a range
571             push @Records, [ $Arg, $Arg ]
572         }
573     }
574
575     ## sort by range start, with longer ranges coming first.
576     my ($first, @Rest) = sort {
577         ($a->[RANGE_START] <=> $b->[RANGE_START])
578           or
579         ($b->[RANGE_END]   <=> $b->[RANGE_END])
580     } @Records;
581
582     my $New = Table->New();
583
584     ## Ensuring the first range is there makes the subsequent loop easier
585     $New->AppendRange($first->[RANGE_START],
586                       $first->[RANGE_END]);
587
588     ## Fold in records so long as they add new information.
589     for my $set (@Rest)
590     {
591         my $start = $set->[RANGE_START];
592         my $end   = $set->[RANGE_END];
593         if ($start > $New->Max) {
594             $New->AppendRange($start, $end);
595         } elsif ($end > $New->Max) {
596             $New->ExtendNoCheck($end);
597         }
598     }
599
600     return $New;
601 }
602
603 ##
604 ## Given a filename, write a representation of the Table to a file.
605 ## May have an optional comment as a 2nd arg.
606 ## Filename may actually be an arrayref of directories
607 ##
608 sub Table::Write
609 {
610     my $Table    = shift; #self
611     my $filename = shift;
612     my $comment  = shift;
613
614     my @OUT = $HEADER;
615     if (defined $comment) {
616         $comment =~ s/\s+\Z//;
617         $comment =~ s/^/# /gm;
618         push @OUT, "#\n$comment\n#\n";
619     }
620     push @OUT, "return <<'END';\n";
621
622     for my $set (@$Table)
623     {
624         my $start = $set->[RANGE_START];
625         my $end   = $set->[RANGE_END];
626         my $name  = $set->[RANGE_NAME];
627
628         if ($start == $end) {
629             push @OUT, sprintf "%04X\t\t%s\n", $start, $name;
630         } else {
631             push @OUT, sprintf "%04X\t%04X\t%s\n", $start, $end, $name;
632         }
633     }
634
635     push @OUT, "END\n";
636
637     WriteIfChanged($filename, @OUT);
638 }
639
640 ## This used only for making the test script.
641 ## helper function
642 sub IsUsable($)
643 {
644     my $code = shift;
645     return 0 if $code <= 0x0000;                       ## don't use null
646     return 0 if $code >= $LastUnicodeCodepoint;        ## keep in range
647     return 0 if ($code >= 0xD800 and $code <= 0xDFFF); ## no surrogates
648     return 0 if ($code >= 0xFDD0 and $code <= 0xFDEF); ## utf8.c says no good
649     return 0 if (($code & 0xFFFF) == 0xFFFE);          ## utf8.c says no good
650     return 0 if (($code & 0xFFFF) == 0xFFFF);          ## utf8.c says no good
651     return 1;
652 }
653
654 ## Return a code point that's part of the table.
655 ## Returns nothing if the table is empty (or covers only surrogates).
656 ## This used only for making the test script.
657 sub Table::ValidCode
658 {
659     my $Table = shift; #self
660     for my $set (@$Table) {
661         return $set->[RANGE_END] if IsUsable($set->[RANGE_END]);
662     }
663     return ();
664 }
665
666 ## Return a code point that's not part of the table
667 ## Returns nothing if the table covers all code points.
668 ## This used only for making the test script.
669 sub Table::InvalidCode
670 {
671     my $Table = shift; #self
672
673     return 0x1234 if not @$Table;
674
675     for my $set (@$Table)
676     {
677         if (IsUsable($set->[RANGE_END] + 1))
678         {
679             return $set->[RANGE_END] + 1;
680         }
681
682         if (IsUsable($set->[RANGE_START] - 1))
683         {
684             return $set->[RANGE_START] - 1;
685         }
686     }
687     return ();
688 }
689
690 ###########################################################################
691 ###########################################################################
692 ###########################################################################
693
694
695 ##
696 ## Called like:
697 ##     New_Alias(Is => 'All', SameAs => 'Any', Fuzzy => 1);
698 ##
699 ## The args must be in that order, although the Fuzzy pair may be omitted.
700 ##
701 ## This creates 'IsAll' as an alias for 'IsAny'
702 ##
703 sub New_Alias($$$@)
704 {
705     my $Type   = shift; ## "Is" or "In"
706     my $Alias  = shift;
707     my $SameAs = shift; # expecting "SameAs" -- just ignored
708     my $Name   = shift;
709
710     ## remaining args are optional key/val
711     my %Args = @_;
712
713     my $Fuzzy = delete $Args{Fuzzy};
714
715     ## sanity check a few args
716     if (%Args or ($Type ne 'Is' and $Type ne 'In') or $SameAs ne 'SameAs') {
717         confess "$0: bad args to New_Alias"
718     }
719
720     $Alias = CanonicalName($Alias) if $Fuzzy;
721
722     if (not $TableInfo{$Type}->{$Name})
723     {
724         my $CName = CanonicalName($Name);
725         if ($TableInfo{$Type}->{$CName}) {
726             confess "$0: Use canonical form '$CName' instead of '$Name' for alias.";
727         } else {
728             confess "$0: don't have original $Type => $Name to make alias\n";
729         }
730     }
731     if ($TableInfo{$Alias}) {
732         confess "$0: already have original $Type => $Alias; can't make alias";
733     }
734     $AliasInfo{$Type}->{$Name} = $Alias;
735     if ($Fuzzy) {
736         $FuzzyNames{$Type}->{$Alias} = $Name;
737     }
738
739 }
740
741
742 ## All assigned code points
743 my $Assigned = Table->New(Is    => 'Assigned',
744                           Desc  => "All assigned code points",
745                           Fuzzy => 0);
746
747 my $Name     = Table->New(); ## all characters, individually by name
748 my $General  = Table->New(); ## all characters, grouped by category
749 my %General;
750 my %Cat;
751
752 ## Simple Data::Dumper like. Good enough for our needs. We can't use the real
753 ## thing as we have to run under miniperl
754 sub simple_dumper {
755     my @lines;
756     my $item;
757     foreach $item (@_) {
758         if (ref $item) {
759             if (ref $item eq 'ARRAY') {
760                 push @lines, "[\n", simple_dumper (@$item), "],\n";
761             } elsif (ref $item eq 'HASH') {
762                 push @lines, "{\n", simple_dumper (%$item), "},\n";
763             } else {
764                 die "Can't cope with $item";
765             }
766         } else {
767             if (defined $item) {
768                 my $copy = $item;
769                 $copy =~ s/([\'\\])/\\$1/gs;
770                 push @lines, "'$copy',\n";
771             } else {
772                 push @lines, "undef,\n";
773             }
774         }
775     }
776     @lines;
777 }
778
779 ##
780 ## Process UnicodeData.txt (Categories, etc.)
781 ##
782 # These are the character mappings as defined in the POSIX standard
783 # and in the case of PerlSpace and PerlWord as is defined in the test macros
784 # for binary strings. IOW, PerlWord is [A-Za-z_] and PerlSpace is [\f\r\n\t ]
785 # This differs from Word and the existing SpacePerl (note the prefix/suffix difference)
786 # which is basically the Unicode WhiteSpace without the vertical tab included
787 #
788 my %TRUE_POSIX_PERL_CC= (
789     PosixAlnum => { map { $_ => 1 } ( 0x0030..0x0039, 0x0041..0x005a, 0x0061..0x007a )},
790     PosixAlpha => { map { $_ => 1 } ( 0x0041..0x005a, 0x0061..0x007a )},
791     # Not Needed: Ascii => { map { $_ => 1 } ( 0x0000..0x007f )},
792     PosixBlank => { map { $_ => 1 } ( 0x0009, 0x0020 )},
793     PosixCntrl => { map { $_ => 1 } ( 0x0000..0x001f, 0x007f )},
794     PosixGraph => { map { $_ => 1 } ( 0x0021..0x007e )},
795     PosixLower => { map { $_ => 1 } ( 0x0061..0x007a )},
796     PosixPrint => { map { $_ => 1 } ( 0x0020..0x007e )},
797     PosixPunct => { map { $_ => 1 } ( 0x0021..0x002f, 0x003a..0x0040, 0x005b..0x0060, 0x007b..0x007e )},
798     PosixSpace => { map { $_ => 1 } ( 0x0009..0x000d, 0x0020 )},
799     PosixUpper => { map { $_ => 1 } ( 0x0041..0x005a )},
800     # Not needed:  PosixXdigit => { map { $_ => 1 } ( 0x0030..0x0039, 0x0041..0x0046, 0x0061..0x0066 )},
801     PosixDigit => { map { $_ => 1 } ( 0x0030..0x0039 )},
802     
803     PerlSpace  => { map { $_ => 1 } ( 0x0009..0x000a, 0x000c..0x000d, 0x0020 )},
804     PerlWord   => { map { $_ => 1 } ( 0x0030..0x0039, 0x0041..0x005a, 0x005f, 0x0061..0x007a )},
805 );
806
807 sub UnicodeData_Txt()
808 {
809     my $Bidi     = Table->New();
810     my $Deco     = Table->New();
811     my $Comb     = Table->New();
812     my $Number   = Table->New();
813     my $Mirrored = Table->New();#Is    => 'Mirrored',
814                               #Desc  => "Mirrored in bidirectional text",
815                               #Fuzzy => 0);
816
817     my %DC;
818     my %Bidi;
819     my %Number;
820     $DC{can} = Table->New();
821     $DC{com} = Table->New();
822
823     ## Initialize Broken Perl-generated categories
824     ## (Categories from UnicodeData.txt are auto-initialized in gencat)
825     $Cat{Alnum}  =
826         Table->New(Is => 'Alnum',  Desc => "[[:Alnum:]]",  Fuzzy => 0);
827     $Cat{Alpha}  =
828         Table->New(Is => 'Alpha',  Desc => "[[:Alpha:]]",  Fuzzy => 0);
829     $Cat{ASCII}  =
830         Table->New(Is => 'ASCII',  Desc => "[[:ASCII:]]",  Fuzzy => 0);
831     $Cat{Blank}  =
832         Table->New(Is => 'Blank',  Desc => "[[:Blank:]]",  Fuzzy => 0);
833     $Cat{Cntrl}  =
834         Table->New(Is => 'Cntrl',  Desc => "[[:Cntrl:]]",  Fuzzy => 0);
835     $Cat{Digit}  =
836         Table->New(Is => 'Digit',  Desc => "[[:Digit:]]",  Fuzzy => 0);
837     $Cat{Graph}  =
838         Table->New(Is => 'Graph',  Desc => "[[:Graph:]]",  Fuzzy => 0);
839     $Cat{Lower}  =
840         Table->New(Is => 'Lower',  Desc => "[[:Lower:]]",  Fuzzy => 0);
841     $Cat{Print}  =
842         Table->New(Is => 'Print',  Desc => "[[:Print:]]",  Fuzzy => 0);
843     $Cat{Punct}  =
844         Table->New(Is => 'Punct',  Desc => "[[:Punct:]]",  Fuzzy => 0);
845     $Cat{Space}  =
846         Table->New(Is => 'Space',  Desc => "[[:Space:]]",  Fuzzy => 0);
847     $Cat{Title}  =
848         Table->New(Is => 'Title',  Desc => "[[:Title:]]",  Fuzzy => 0);
849     $Cat{Upper}  =
850         Table->New(Is => 'Upper',  Desc => "[[:Upper:]]",  Fuzzy => 0);
851     $Cat{XDigit} =
852         Table->New(Is => 'XDigit', Desc => "[[:XDigit:]]", Fuzzy => 0);
853     $Cat{Word}   =
854         Table->New(Is => 'Word',   Desc => "[[:Word:]]",   Fuzzy => 0);
855     $Cat{SpacePerl} =
856         Table->New(Is => 'SpacePerl', Desc => '\s', Fuzzy => 0);
857     $Cat{VertSpace} =
858         Table->New(Is => 'VertSpace', Desc => '\v', Fuzzy => 0);
859     $Cat{HorizSpace} =
860         Table->New(Is => 'HorizSpace', Desc => '\h', Fuzzy => 0);
861     my %To;
862     $To{Upper} = Table->New();
863     $To{Lower} = Table->New();
864     $To{Title} = Table->New();
865     $To{Digit} = Table->New();
866
867     foreach my $cat (keys %TRUE_POSIX_PERL_CC) {
868         $Cat{$cat} = Table->New(Is=>$cat, Fuzzy => 0);
869     }
870
871     sub gencat($$$$)
872     {
873         my ($name, ## Name ("LATIN CAPITAL LETTER A")
874             $cat,  ## Category ("Lu", "Zp", "Nd", etc.)
875             $code, ## Code point (as an integer)
876             $op) = @_;
877
878         my $MajorCat = substr($cat, 0, 1); ## L, M, Z, S, etc
879
880         $Assigned->$op($code);
881         $Name->$op($code, $name);
882         $General->$op($code, $cat);
883
884         ## add to the sub category (e.g. "Lu", "Nd", "Cf", ..)
885         $Cat{$cat}      ||= Table->New(Is   => $cat,
886                                        Desc => "General Category '$cat'",
887                                        Fuzzy => 0);
888         $Cat{$cat}->$op($code);
889
890         ## add to the major category (e.g. "L", "N", "C", ...)
891         $Cat{$MajorCat} ||= Table->New(Is => $MajorCat,
892                                        Desc => "Major Category '$MajorCat'",
893                                        Fuzzy => 0);
894         $Cat{$MajorCat}->$op($code);
895
896         ($General{$name} ||= Table->New)->$op($code, $name);
897
898         # 005F: SPACING UNDERSCORE
899         $Cat{Word}->$op($code)  if $cat =~ /^[LMN]|Pc/;
900         $Cat{Alnum}->$op($code) if $cat =~ /^[LM]|Nd/;
901         $Cat{Alpha}->$op($code) if $cat =~ /^[LM]/;
902
903         my $isspace = 
904             ($cat =~ /Zs|Zl|Zp/ &&
905              $code != 0x200B) # 200B is ZWSP which is for line break control
906              # and therefore it is not part of "space" even while it is "Zs".
907                                 || $code == 0x0009  # 0009: HORIZONTAL TAB
908                                 || $code == 0x000A  # 000A: LINE FEED
909                                 || $code == 0x000B  # 000B: VERTICAL TAB
910                                 || $code == 0x000C  # 000C: FORM FEED
911                                 || $code == 0x000D  # 000D: CARRIAGE RETURN
912                                 || $code == 0x0085  # 0085: NEL
913
914             ;
915
916         $Cat{Space}->$op($code) if $isspace;
917
918         $Cat{SpacePerl}->$op($code) if $isspace
919                                        && $code != 0x000B; # Backward compat.
920
921         $Cat{VertSpace}->$op($code) if grep {$code == $_} 
922             ( 0x0A..0x0D,0x85,0x2028,0x2029 );
923
924         $Cat{HorizSpace}->$op($code) if grep {$code == $_} (
925             0x09,   0x20,   0xa0,   0x1680, 0x180e, 0x2000, 0x2001, 0x2002,
926             0x2003, 0x2004, 0x2005, 0x2006, 0x2007, 0x2008, 0x2009, 0x200a,
927             0x202f, 0x205f, 0x3000
928         ); 
929
930         $Cat{Blank}->$op($code) if $isspace
931                                 && !($code == 0x000A ||
932                                      $code == 0x000B ||
933                                      $code == 0x000C ||
934                                      $code == 0x000D ||
935                                      $code == 0x0085 ||
936                                      $cat =~ /^Z[lp]/);
937
938         $Cat{Digit}->$op($code) if $cat eq "Nd";
939         $Cat{Upper}->$op($code) if $cat eq "Lu";
940         $Cat{Lower}->$op($code) if $cat eq "Ll";
941         $Cat{Title}->$op($code) if $cat eq "Lt";
942         $Cat{ASCII}->$op($code) if $code <= 0x007F;
943         $Cat{Cntrl}->$op($code) if $cat =~ /^C/;
944         my $isgraph = !$isspace && $cat !~ /Cc|Cs|Cn/;
945         $Cat{Graph}->$op($code) if $isgraph;
946         $Cat{Print}->$op($code) if $isgraph || $isspace;
947         $Cat{Punct}->$op($code) if $cat =~ /^P/;
948
949         $Cat{XDigit}->$op($code) if ($code >= 0x30 && $code <= 0x39)  ## 0..9
950                                  || ($code >= 0x41 && $code <= 0x46)  ## A..F
951                                  || ($code >= 0x61 && $code <= 0x66); ## a..f
952         if ($code<=0x7F) {
953             foreach my $cat (keys %TRUE_POSIX_PERL_CC) {
954                 if ($TRUE_POSIX_PERL_CC{$cat}{$code}) {
955                     $Cat{$cat}->$op($code);
956                 }
957             }
958         }
959     }
960
961     ## open and read file.....
962     if (not open IN, "UnicodeData.txt") {
963         die "$0: UnicodeData.txt: $!\n";
964     }
965
966     ##
967     ## For building \p{_CombAbove} and \p{_CanonDCIJ}
968     ##
969     my %_Above_HexCodes; ## Hexcodes for chars with $comb == 230 ("ABOVE")
970
971     my %CodeToDeco;      ## Maps code to decomp. list for chars with first
972                          ## decomp. char an "i" or "j" (for \p{_CanonDCIJ})
973
974     ## This is filled in as we go....
975     my $CombAbove = Table->New(Is   => '_CombAbove',
976                                Desc  => '(for internal casefolding use)',
977                                Fuzzy => 0);
978
979     while (<IN>)
980     {
981         next unless /^[0-9A-Fa-f]+;/;
982         s/\s+$//;
983
984         my ($hexcode,   ## code point in hex (e.g. "0041")
985             $name,      ## character name (e.g. "LATIN CAPITAL LETTER A")
986             $cat,       ## category (e.g. "Lu")
987             $comb,      ## Canonical combining class (e.t. "230")
988             $bidi,      ## directional category (e.g. "L")
989             $deco,      ## decomposition mapping
990             $decimal,   ## decimal digit value
991             $digit,     ## digit value
992             $number,    ## numeric value
993             $mirrored,  ## mirrored
994             $unicode10, ## name in Unicode 1.0
995             $comment,   ## comment field
996             $upper,     ## uppercase mapping
997             $lower,     ## lowercase mapping
998             $title,     ## titlecase mapping
999               ) = split(/\s*;\s*/);
1000
1001         # Note that in Unicode 3.2 there will be names like
1002         # LINE FEED (LF), which probably means that \N{} needs
1003         # to cope also with LINE FEED and LF.
1004         $name = $unicode10 if $name eq '<control>' && $unicode10 ne '';
1005
1006         my $code = hex($hexcode);
1007
1008         if ($comb and $comb == 230) {
1009             $CombAbove->Append($code);
1010             $_Above_HexCodes{$hexcode} = 1;
1011         }
1012
1013         ## Used in building \p{_CanonDCIJ}
1014         if ($deco and $deco =~ m/^006[9A]\b/) {
1015             $CodeToDeco{$code} = $deco;
1016         }
1017
1018         ##
1019         ## There are a few pairs of lines like:
1020         ##   AC00;<Hangul Syllable, First>;Lo;0;L;;;;;N;;;;;
1021         ##   D7A3;<Hangul Syllable, Last>;Lo;0;L;;;;;N;;;;;
1022         ## that define ranges.
1023         ##
1024         if ($name =~ /^<(.+), (First|Last)>$/)
1025         {
1026             $name = $1;
1027             gencat($name, $cat, $code, $2 eq 'First' ? 'Append' : 'Extend');
1028             #New_Prop(In => $name, $General{$name}, Fuzzy => 1);
1029         }
1030         else
1031         {
1032             ## normal (single-character) lines
1033             gencat($name, $cat, $code, 'Append');
1034
1035             # No Append() here since since several codes may map into one.
1036             $To{Upper}->RawAppendRange($code, $code, $upper) if $upper;
1037             $To{Lower}->RawAppendRange($code, $code, $lower) if $lower;
1038             $To{Title}->RawAppendRange($code, $code, $title) if $title;
1039             $To{Digit}->Append($code, $decimal) if length $decimal;
1040
1041             $Bidi->Append($code, $bidi);
1042             $Comb->Append($code, $comb) if $comb;
1043             $Number->Append($code, $number) if length $number;
1044
1045             length($decimal) and ($Number{De} ||= Table->New())->Append($code)
1046               or
1047             length($digit)   and ($Number{Di} ||= Table->New())->Append($code)
1048               or
1049             length($number)  and ($Number{Nu} ||= Table->New())->Append($code);
1050
1051             $Mirrored->Append($code) if $mirrored eq "Y";
1052
1053             $Bidi{$bidi} ||= Table->New();#Is    => "bt/$bidi",
1054                                         #Desc  => "Bi-directional category '$bidi'",
1055                                         #Fuzzy => 0);
1056             $Bidi{$bidi}->Append($code);
1057
1058             if ($deco)
1059             {
1060                 $Deco->Append($code, $deco);
1061                 if ($deco =~/^<(\w+)>/)
1062                 {
1063                     my $dshort = $PVA_reverse{dt}{ucfirst lc $1};
1064                     $DC{com}->Append($code);
1065
1066                     $DC{$dshort} ||= Table->New();
1067                     $DC{$dshort}->Append($code);
1068                 }
1069                 else
1070                 {
1071                     $DC{can}->Append($code);
1072                 }
1073             }
1074         }
1075     }
1076     close IN;
1077
1078     ## Read in the NameAliases.txt.  It contains other normative names of code
1079     ## points not listed in UnicodeData.txt.  This happens when there is an
1080     ## error in the name found after the data base was published, but instead of
1081     ## changing it, to avoid breaking any code that came to rely on the
1082     ## erroneous version, the correct name is added as an alias.
1083     
1084     my $NameAliases = Table->New();
1085
1086     if (not open IN, "NameAliases.txt") {
1087         die "$0: NameAliases.txt: $!\n";
1088     }
1089
1090     while (<IN>)
1091     {
1092         next unless /^[0-9A-Fa-f]+;/;
1093         s/\s+$//;
1094
1095         my ($hexcode,   ## code point in hex (e.g. "0041")
1096             $name,      ## character name (e.g. "LATIN CAPITAL LETTER A")
1097               ) = split(/\s*;\s*/);
1098
1099         my $code = hex($hexcode);
1100
1101         ## One is supposed to enter elements into tables in strictly increasing
1102         ## order, but this in fact works to append duplicate code points at
1103         ## the end of the table.  The table is intended to be indexed by name
1104         ## anyway.
1105
1106         $Name->RawAppendRange($code, $code, $name);
1107     }
1108     close IN;
1109
1110
1111     ##
1112     ## Tidy up a few special cases....
1113     ##
1114
1115     $Cat{Cn} = $Assigned->Invert; ## Cn is everything that doesn't exist
1116     New_Prop(Is => 'Cn',
1117              $Cat{Cn},
1118              Desc => "General Category 'Cn' [not functional in Perl]",
1119              Fuzzy => 0);
1120
1121     ## Unassigned is the same as 'Cn'
1122     New_Alias(Is => 'Unassigned', SameAs => 'Cn', Fuzzy => 0);
1123
1124     $Cat{C}->Replace($Cat{C}->Merge($Cat{Cn}));  ## Now merge in Cn into C
1125
1126
1127     # LC is Ll, Lu, and Lt.
1128     # (used to be L& or L_, but PropValueAliases.txt defines it as LC)
1129     New_Prop(Is => 'LC',
1130              Table->Merge(@Cat{qw[Ll Lu Lt]}),
1131              Desc  => '[\p{Ll}\p{Lu}\p{Lt}]',
1132              Fuzzy => 0);
1133
1134     ## Any and All are all code points.
1135     my $Any = Table->New(Is    => 'Any',
1136                          Desc  => sprintf("[\\x{0000}-\\x{%X}]",
1137                                           $LastUnicodeCodepoint),
1138                          Fuzzy => 0);
1139     $Any->RawAppendRange(0, $LastUnicodeCodepoint);
1140
1141     New_Alias(Is => 'All', SameAs => 'Any', Fuzzy => 0);
1142
1143     ##
1144     ## Build special properties for Perl's internal case-folding needs:
1145     ##    \p{_CaseIgnorable}
1146     ##    \p{_CanonDCIJ}
1147     ##    \p{_CombAbove}
1148     ## _CombAbove was built above. Others are built here....
1149     ##
1150
1151     ## \p{_CaseIgnorable} is [\p{Mn}\0x00AD\x2010]
1152     New_Prop(Is => '_CaseIgnorable',
1153              Table->Merge($Cat{Mn},
1154                           0x00AD,    #SOFT HYPHEN
1155                           0x2010),   #HYPHEN
1156              Desc  => '(for internal casefolding use)',
1157              Fuzzy => 0);
1158
1159
1160     ## \p{_CanonDCIJ} is fairly complex...
1161     my $CanonCDIJ = Table->New(Is    => '_CanonDCIJ',
1162                                Desc  => '(for internal casefolding use)',
1163                                Fuzzy => 0);
1164     ## It contains the ASCII 'i' and 'j'....
1165     $CanonCDIJ->Append(0x0069); # ASCII ord("i")
1166     $CanonCDIJ->Append(0x006A); # ASCII ord("j")
1167     ## ...and any character with a decomposition that starts with either of
1168     ## those code points, but only if the decomposition does not have any
1169     ## combining character with the "ABOVE" canonical combining class.
1170     for my $code (sort { $a <=> $b} keys %CodeToDeco)
1171     {
1172         ## Need to ensure that all decomposition characters do not have
1173         ## a %HexCodeToComb in %AboveCombClasses.
1174         my $want = 1;
1175         for my $deco_hexcode (split / /, $CodeToDeco{$code})
1176         {
1177             if (exists $_Above_HexCodes{$deco_hexcode}) {
1178                 ## one of the decmposition chars has an ABOVE combination
1179                 ## class, so we're not interested in this one
1180                 $want = 0;
1181                 last;
1182             }
1183         }
1184         if ($want) {
1185             $CanonCDIJ->Append($code);
1186         }
1187     }
1188
1189
1190
1191     ##
1192     ## Now dump the files.
1193     ##
1194     $Name->Write("Name.pl");
1195
1196     {
1197         my @PVA = $HEADER;
1198         foreach my $name (qw (PropertyAlias PA_reverse PropValueAlias
1199                               PVA_reverse PVA_abbr_map)) {
1200             # Should I really jump through typeglob hoops just to avoid a
1201             # symbolic reference? (%{"utf8::$name})
1202             push @PVA, "\n", "\%utf8::$name = (\n",
1203                 simple_dumper (%{$utf8::{$name}}), ");\n";
1204         }
1205         push @PVA, "1;\n";
1206         WriteIfChanged("PVA.pl", @PVA);
1207     }
1208
1209     # $Bidi->Write("Bidirectional.pl");
1210     for (keys %Bidi) {
1211         $Bidi{$_}->Write(
1212             ["lib","bc","$_.pl"],
1213             "BidiClass category '$PropValueAlias{bc}{$_}'"
1214         );
1215     }
1216
1217     $Comb->Write("CombiningClass.pl");
1218     for (keys %{ $PropValueAlias{ccc} }) {
1219         my ($code, $name) = @{ $PropValueAlias{ccc}{$_} };
1220         (my $c = Table->New())->Append($code);
1221         $c->Write(
1222             ["lib","ccc","$_.pl"],
1223             "CombiningClass category '$name'"
1224         );
1225     }
1226
1227     $Deco->Write("Decomposition.pl");
1228     for (keys %DC) {
1229         $DC{$_}->Write(
1230             ["lib","dt","$_.pl"],
1231             "DecompositionType category '$PropValueAlias{dt}{$_}'"
1232         );
1233     }
1234
1235     # $Number->Write("Number.pl");
1236     for (keys %Number) {
1237         $Number{$_}->Write(
1238             ["lib","nt","$_.pl"],
1239             "NumericType category '$PropValueAlias{nt}{$_}'"
1240         );
1241     }
1242
1243     # $General->Write("Category.pl");
1244
1245     for my $to (sort keys %To) {
1246         $To{$to}->Write(["To","$to.pl"]);
1247     }
1248
1249     for (keys %{ $PropValueAlias{gc} }) {
1250         New_Alias(Is => $PropValueAlias{gc}{$_}, SameAs => $_, Fuzzy => 1);
1251     }
1252 }
1253
1254 ##
1255 ## Process LineBreak.txt
1256 ##
1257 sub LineBreak_Txt()
1258 {
1259     if (not open IN, "LineBreak.txt") {
1260         die "$0: LineBreak.txt: $!\n";
1261     }
1262
1263     my $Lbrk = Table->New();
1264     my %Lbrk;
1265
1266     while (<IN>)
1267     {
1268         next unless /^([0-9A-Fa-f]+)(?:\.\.([0-9A-Fa-f]+))?\s*;\s*(\w+)/;
1269
1270         my ($first, $last, $lbrk) = (hex($1), hex($2||""), $3);
1271
1272         $Lbrk->Append($first, $lbrk);
1273
1274         $Lbrk{$lbrk} ||= Table->New();
1275         $Lbrk{$lbrk}->Append($first);
1276
1277         if ($last) {
1278             $Lbrk->Extend($last);
1279             $Lbrk{$lbrk}->Extend($last);
1280         }
1281     }
1282     close IN;
1283
1284     # $Lbrk->Write("Lbrk.pl");
1285
1286
1287     for (keys %Lbrk) {
1288         $Lbrk{$_}->Write(
1289             ["lib","lb","$_.pl"],
1290             "Linebreak category '$PropValueAlias{lb}{$_}'"
1291         );
1292     }
1293 }
1294
1295 ##
1296 ## Process ArabicShaping.txt.
1297 ##
1298 sub ArabicShaping_txt()
1299 {
1300     if (not open IN, "ArabicShaping.txt") {
1301         die "$0: ArabicShaping.txt: $!\n";
1302     }
1303
1304     my $ArabLink      = Table->New();
1305     my $ArabLinkGroup = Table->New();
1306
1307     my %JoinType;
1308
1309     while (<IN>)
1310     {
1311         next unless /^[0-9A-Fa-f]+;/;
1312         s/\s+$//;
1313
1314         my ($hexcode, $name, $link, $linkgroup) = split(/\s*;\s*/);
1315         my $code = hex($hexcode);
1316         $ArabLink->Append($code, $link);
1317         $ArabLinkGroup->Append($code, $linkgroup);
1318
1319         $JoinType{$link} ||= Table->New(Is => "JoinType$link");
1320         $JoinType{$link}->Append($code);
1321     }
1322     close IN;
1323
1324     # $ArabLink->Write("ArabLink.pl");
1325     # $ArabLinkGroup->Write("ArabLnkGrp.pl");
1326
1327
1328     for (keys %JoinType) {
1329         $JoinType{$_}->Write(
1330             ["lib","jt","$_.pl"],
1331             "JoiningType category '$PropValueAlias{jt}{$_}'"
1332         );
1333     }
1334 }
1335
1336 ##
1337 ## Process EastAsianWidth.txt.
1338 ##
1339 sub EastAsianWidth_txt()
1340 {
1341     if (not open IN, "EastAsianWidth.txt") {
1342         die "$0: EastAsianWidth.txt: $!\n";
1343     }
1344
1345     my %EAW;
1346
1347     while (<IN>)
1348     {
1349         next unless /^[0-9A-Fa-f]+(\.\.[0-9A-Fa-f]+)?;/;
1350         s/#.*//;
1351         s/\s+$//;
1352
1353         my ($hexcodes, $pv) = split(/\s*;\s*/);
1354         $EAW{$pv} ||= Table->New(Is => "EastAsianWidth$pv");
1355       my ($start, $end) = split(/\.\./, $hexcodes);
1356       if (defined $end) {
1357         $EAW{$pv}->AppendRange(hex($start), hex($end));
1358       } else {
1359         $EAW{$pv}->Append(hex($start));
1360       }
1361     }
1362     close IN;
1363
1364
1365     for (keys %EAW) {
1366         $EAW{$_}->Write(
1367             ["lib","ea","$_.pl"],
1368             "EastAsianWidth category '$PropValueAlias{ea}{$_}'"
1369         );
1370     }
1371 }
1372
1373 ##
1374 ## Process HangulSyllableType.txt.
1375 ##
1376 sub HangulSyllableType_txt()
1377 {
1378     if (not open IN, "HangulSyllableType.txt") {
1379         die "$0: HangulSyllableType.txt: $!\n";
1380     }
1381
1382     my %HST;
1383
1384     while (<IN>)
1385     {
1386         next unless /^([0-9A-Fa-f]+)(?:\.\.([0-9A-Fa-f]+))?\s*;\s*(\w+)/;
1387         my ($first, $last, $pv) = (hex($1), hex($2||""), $3);
1388
1389         $HST{$pv} ||= Table->New(Is => "HangulSyllableType$pv");
1390         $HST{$pv}->Append($first);
1391
1392         if ($last) { $HST{$pv}->Extend($last) }
1393     }
1394     close IN;
1395
1396     for (keys %HST) {
1397         $HST{$_}->Write(
1398             ["lib","hst","$_.pl"],
1399             "HangulSyllableType category '$PropValueAlias{hst}{$_}'"
1400         );
1401     }
1402 }
1403
1404 ##
1405 ## Process Jamo.txt.
1406 ##
1407 sub Jamo_txt()
1408 {
1409     if (not open IN, "Jamo.txt") {
1410         die "$0: Jamo.txt: $!\n";
1411     }
1412     my $Short = Table->New();
1413
1414     while (<IN>)
1415     {
1416         next unless /^([0-9A-Fa-f]+)\s*;\s*(\w*)/;
1417         my ($code, $short) = (hex($1), $2);
1418
1419         $Short->Append($code, $short);
1420     }
1421     close IN;
1422     # $Short->Write("JamoShort.pl");
1423 }
1424
1425 ##
1426 ## Process Scripts.txt.
1427 ##
1428 sub Scripts_txt()
1429 {
1430     my @ScriptInfo;
1431
1432     if (not open(IN, "Scripts.txt")) {
1433         die "$0: Scripts.txt: $!\n";
1434     }
1435     while (<IN>) {
1436         next unless /^([0-9A-Fa-f]+)(?:\.\.([0-9A-Fa-f]+))?\s*;\s*(.+?)\s*\#/;
1437
1438         # Wait until all the scripts have been read since
1439         # they are not listed in numeric order.
1440         push @ScriptInfo, [ hex($1), hex($2||""), $3 ];
1441     }
1442     close IN;
1443
1444     # Now append the scripts properties in their code point order.
1445
1446     my %Script;
1447     my $Scripts = Table->New();
1448
1449     for my $script (sort { $a->[0] <=> $b->[0] } @ScriptInfo)
1450     {
1451         my ($first, $last, $name) = @$script;
1452         $Scripts->Append($first, $name);
1453
1454         $Script{$name} ||= Table->New(Is    => $name,
1455                                       Desc  => "Script '$name'",
1456                                       Fuzzy => 1);
1457         $Script{$name}->Append($first, $name);
1458
1459         if ($last) {
1460             $Scripts->Extend($last);
1461             $Script{$name}->Extend($last);
1462         }
1463     }
1464
1465     # $Scripts->Write("Scripts.pl");
1466
1467     ## Common is everything not explicitly assigned to a Script
1468     ##
1469     ##    ***shouldn't this be intersected with \p{Assigned}? ******
1470     ##
1471     New_Prop(Is => 'Common',
1472              $Scripts->Invert,
1473              Desc  => 'Pseudo-Script of codepoints not in other Unicode scripts',
1474              Fuzzy => 1);
1475 }
1476
1477 ##
1478 ## Given a name like "Close Punctuation", return a regex (that when applied
1479 ## with /i) matches any valid form of that name (e.g. "ClosePunctuation",
1480 ## "Close-Punctuation", etc.)
1481 ##
1482 ## Accept any space, dash, or underbar where in the official name there is
1483 ## space or a dash (or underbar, but there never is).
1484 ##
1485 ##
1486 sub NameToRegex($)
1487 {
1488     my $Name = shift;
1489     $Name =~ s/[- _]/(?:[-_]|\\s+)?/g;
1490     return $Name;
1491 }
1492
1493 ##
1494 ## Process Blocks.txt.
1495 ##
1496 sub Blocks_txt()
1497 {
1498     my $Blocks = Table->New();
1499     my %Blocks;
1500
1501     if (not open IN, "Blocks.txt") {
1502         die "$0: Blocks.txt: $!\n";
1503     }
1504
1505     while (<IN>)
1506     {
1507         #next if not /Private Use$/;
1508         next if not /^([0-9A-Fa-f]+)\.\.([0-9A-Fa-f]+)\s*;\s*(.+?)\s*$/;
1509
1510         my ($first, $last, $name) = (hex($1), hex($2), $3);
1511
1512         $Blocks->Append($first, $name);
1513
1514         $Blocks{$name} ||= Table->New(In    => $name,
1515                                       Desc  => "Block '$name'",
1516                                       Fuzzy => 1);
1517         $Blocks{$name}->Append($first, $name);
1518
1519         if ($last and $last != $first) {
1520             $Blocks->Extend($last);
1521             $Blocks{$name}->Extend($last);
1522         }
1523     }
1524     close IN;
1525
1526     # $Blocks->Write("Blocks.pl");
1527 }
1528
1529 ##
1530 ## Read in the PropList.txt.  It contains extended properties not
1531 ## listed in the UnicodeData.txt, such as 'Other_Alphabetic':
1532 ## alphabetic but not of the general category L; many modifiers
1533 ## belong to this extended property category: while they are not
1534 ## alphabets, they are alphabetic in nature.
1535 ##
1536 sub PropList_txt()
1537 {
1538     my @PropInfo;
1539
1540     if (not open IN, "PropList.txt") {
1541         die "$0: PropList.txt: $!\n";
1542     }
1543
1544     while (<IN>)
1545     {
1546         next unless /^([0-9A-Fa-f]+)(?:\.\.([0-9A-Fa-f]+))?\s*;\s*(.+?)\s*\#/;
1547
1548         # Wait until all the extended properties have been read since
1549         # they are not listed in numeric order.
1550         push @PropInfo, [ hex($1), hex($2||""), $3 ];
1551     }
1552     close IN;
1553
1554     # Now append the extended properties in their code point order.
1555     my $Props = Table->New();
1556     my %Prop;
1557
1558     for my $prop (sort { $a->[0] <=> $b->[0] } @PropInfo)
1559     {
1560         my ($first, $last, $name) = @$prop;
1561         $Props->Append($first, $name);
1562
1563         $Prop{$name} ||= Table->New(Is    => $name,
1564                                     Desc  => "Extended property '$name'",
1565                                     Fuzzy => 1);
1566         $Prop{$name}->Append($first, $name);
1567
1568         if ($last) {
1569             $Props->Extend($last);
1570             $Prop{$name}->Extend($last);
1571         }
1572     }
1573
1574     for (keys %Prop) {
1575         (my $file = $PA_reverse{$_}) =~ tr/_//d;
1576         # XXX I'm assuming that the names from %Prop don't suffer 8.3 clashes.
1577         $BaseNames{lc $file}++;
1578         $Prop{$_}->Write(
1579             ["lib","gc_sc","$file.pl"],
1580             "Binary property '$_'"
1581         );
1582     }
1583
1584     # Alphabetic is L, Nl, and Other_Alphabetic.
1585     New_Prop(Is    => 'Alphabetic',
1586              Table->Merge($Cat{L}, $Cat{Nl}, $Prop{Other_Alphabetic}),
1587              Desc  => '[\p{L}\p{Nl}\p{OtherAlphabetic}]', # canonical names
1588              Fuzzy => 1);
1589
1590     # Lowercase is Ll and Other_Lowercase.
1591     New_Prop(Is    => 'Lowercase',
1592              Table->Merge($Cat{Ll}, $Prop{Other_Lowercase}),
1593              Desc  => '[\p{Ll}\p{OtherLowercase}]', # canonical names
1594              Fuzzy => 1);
1595
1596     # Uppercase is Lu and Other_Uppercase.
1597     New_Prop(Is => 'Uppercase',
1598              Table->Merge($Cat{Lu}, $Prop{Other_Uppercase}),
1599              Desc  => '[\p{Lu}\p{OtherUppercase}]', # canonical names
1600              Fuzzy => 1);
1601
1602     # Math is Sm and Other_Math.
1603     New_Prop(Is => 'Math',
1604              Table->Merge($Cat{Sm}, $Prop{Other_Math}),
1605              Desc  => '[\p{Sm}\p{OtherMath}]', # canonical names
1606              Fuzzy => 1);
1607
1608     # ID_Start is Ll, Lu, Lt, Lm, Lo, Nl, and Other_ID_Start.
1609     New_Prop(Is => 'ID_Start',
1610              Table->Merge(@Cat{qw[Ll Lu Lt Lm Lo Nl]}, $Prop{Other_ID_Start}),
1611              Desc  => '[\p{Ll}\p{Lu}\p{Lt}\p{Lm}\p{Lo}\p{Nl}\p{OtherIDStart}]',
1612              Fuzzy => 1);
1613
1614     # ID_Continue is ID_Start, Mn, Mc, Nd, Pc, and Other_ID_Continue.
1615     New_Prop(Is => 'ID_Continue',
1616              Table->Merge(@Cat{qw[Ll Lu Lt Lm Lo Nl Mn Mc Nd Pc ]},
1617                           @Prop{qw[Other_ID_Start Other_ID_Continue]}),
1618              Desc  => '[\p{ID_Start}\p{Mn}\p{Mc}\p{Nd}\p{Pc}\p{OtherIDContinue}]',
1619              Fuzzy => 1);
1620
1621     # Default_Ignorable_Code_Point = Other_Default_Ignorable_Code_Point
1622     #                     + Cf + Cc + Cs + Noncharacter + Variation_Selector
1623     #                     - WhiteSpace - FFF9..FFFB (Annotation Characters)
1624
1625     my $Annotation = Table->New();
1626     $Annotation->RawAppendRange(0xFFF9, 0xFFFB);
1627
1628     New_Prop(Is => 'Default_Ignorable_Code_Point',
1629              Table->Merge(@Cat{qw[Cf Cc Cs]},
1630                           $Prop{Noncharacter_Code_Point},
1631                           $Prop{Variation_Selector},
1632                           $Prop{Other_Default_Ignorable_Code_Point})
1633                   ->Invert
1634                   ->Merge($Prop{White_Space}, $Annotation)
1635                   ->Invert,
1636              Desc  => '(?![\p{WhiteSpace}\x{FFF9}-\x{FFFB}])[\p{Cf}\p{Cc}'.
1637                       '\p{Cs}\p{NoncharacterCodePoint}\p{VariationSelector}'.
1638                       '\p{OtherDefaultIgnorableCodePoint}]',
1639              Fuzzy => 1);
1640
1641 }
1642
1643
1644 ##
1645 ## These are used in:
1646 ##   MakePropTestScript()
1647 ##   WriteAllMappings()
1648 ## for making the test script.
1649 ##
1650 my %FuzzyNameToTest;
1651 my %ExactNameToTest;
1652
1653
1654 ## This used only for making the test script
1655 sub GenTests($$$$)
1656 {
1657     my $FH = shift;
1658     my $Prop = shift;
1659     my $MatchCode = shift;
1660     my $FailCode = shift;
1661
1662     if (defined $MatchCode) {
1663         printf $FH qq/Expect(1, "\\x{%04X}", '\\p{$Prop}' );\n/, $MatchCode;
1664         printf $FH qq/Expect(0, "\\x{%04X}", '\\p{^$Prop}');\n/, $MatchCode;
1665         printf $FH qq/Expect(0, "\\x{%04X}", '\\P{$Prop}' );\n/, $MatchCode;
1666         printf $FH qq/Expect(1, "\\x{%04X}", '\\P{^$Prop}');\n/, $MatchCode;
1667     }
1668     if (defined $FailCode) {
1669         printf $FH qq/Expect(0, "\\x{%04X}", '\\p{$Prop}' );\n/, $FailCode;
1670         printf $FH qq/Expect(1, "\\x{%04X}", '\\p{^$Prop}');\n/, $FailCode;
1671         printf $FH qq/Expect(1, "\\x{%04X}", '\\P{$Prop}' );\n/, $FailCode;
1672         printf $FH qq/Expect(0, "\\x{%04X}", '\\P{^$Prop}');\n/, $FailCode;
1673     }
1674 }
1675
1676 ## This used only for making the test script
1677 sub ExpectError($$)
1678 {
1679     my $FH = shift;
1680     my $prop = shift;
1681
1682     print $FH qq/Error('\\p{$prop}');\n/;
1683     print $FH qq/Error('\\P{$prop}');\n/;
1684 }
1685
1686 ## This used only for making the test script
1687 my @GoodSeps = (
1688                 " ",
1689                 "-",
1690                 " \t ",
1691                 "",
1692                 "",
1693                 "_",
1694                );
1695 my @BadSeps = (
1696                "--",
1697                "__",
1698                " _",
1699                "/"
1700               );
1701
1702 ## This used only for making the test script
1703 sub RandomlyFuzzifyName($;$)
1704 {
1705     my $Name = shift;
1706     my $WantError = shift;  ## if true, make an error
1707
1708     my @parts;
1709     for my $part (split /[-\s_]+/, $Name)
1710     {
1711         if (@parts) {
1712             if ($WantError and rand() < 0.3) {
1713                 push @parts, $BadSeps[rand(@BadSeps)];
1714                 $WantError = 0;
1715             } else {
1716                 push @parts, $GoodSeps[rand(@GoodSeps)];
1717             }
1718         }
1719         my $switch = int rand(4);
1720         if ($switch == 0) {
1721             push @parts, uc $part;
1722         } elsif ($switch == 1) {
1723             push @parts, lc $part;
1724         } elsif ($switch == 2) {
1725             push @parts, ucfirst $part;
1726         } else {
1727             push @parts, $part;
1728         }
1729     }
1730     my $new = join('', @parts);
1731
1732     if ($WantError) {
1733         if (rand() >= 0.5) {
1734             $new .= $BadSeps[rand(@BadSeps)];
1735         } else {
1736             $new = $BadSeps[rand(@BadSeps)] . $new;
1737         }
1738     }
1739     return $new;
1740 }
1741
1742 ## This used only for making the test script
1743 sub MakePropTestScript()
1744 {
1745     ## this written directly -- it's huge.
1746     force_unlink ("TestProp.pl");
1747     if (not open OUT, ">TestProp.pl") {
1748         die "$0: TestProp.pl: $!\n";
1749     }
1750     print OUT <DATA>;
1751
1752     while (my ($Name, $Table) = each %ExactNameToTest)
1753     {
1754         GenTests(*OUT, $Name, $Table->ValidCode, $Table->InvalidCode);
1755         ExpectError(*OUT, uc $Name) if uc $Name ne $Name;
1756         ExpectError(*OUT, lc $Name) if lc $Name ne $Name;
1757     }
1758
1759
1760     while (my ($Name, $Table) = each %FuzzyNameToTest)
1761     {
1762         my $Orig  = $CanonicalToOrig{$Name};
1763         my %Names = (
1764                      $Name => 1,
1765                      $Orig => 1,
1766                      RandomlyFuzzifyName($Orig) => 1
1767                     );
1768
1769         for my $N (keys %Names) {
1770             GenTests(*OUT, $N, $Table->ValidCode, $Table->InvalidCode);
1771         }
1772
1773         ExpectError(*OUT, RandomlyFuzzifyName($Orig, 'ERROR'));
1774     }
1775
1776     print OUT "Finished();\n";
1777     close OUT;
1778 }
1779
1780
1781 ##
1782 ## These are used only in:
1783 ##   RegisterFileForName()
1784 ##   WriteAllMappings()
1785 ##
1786 my %Exact;      ## will become %utf8::Exact;
1787 my %Canonical;  ## will become %utf8::Canonical;
1788 my %CaComment;  ## Comment for %Canonical entry of same key
1789
1790 ##
1791 ## Given info about a name and a datafile that it should be associated with,
1792 ## register that assocation in %Exact and %Canonical.
1793 sub RegisterFileForName($$$$)
1794 {
1795     my $Type     = shift;
1796     my $Name     = shift;
1797     my $IsFuzzy  = shift;
1798     my $filename = shift;
1799
1800     ##
1801     ## Now in details for the mapping. $Type eq 'Is' has the
1802     ## Is removed, as it will be removed in utf8_heavy when this
1803     ## data is being checked. In keeps its "In", but a second
1804     ## sans-In record is written if it doesn't conflict with
1805     ## anything already there.
1806     ##
1807     if (not $IsFuzzy)
1808     {
1809         if ($Type eq 'Is') {
1810             die "oops[$Name]" if $Exact{$Name};
1811             $Exact{$Name} = $filename;
1812         } else {
1813             die "oops[$Type$Name]" if $Exact{"$Type$Name"};
1814             $Exact{"$Type$Name"} = $filename;
1815             $Exact{$Name} = $filename if not $Exact{$Name};
1816         }
1817     }
1818     else
1819     {
1820         my $CName = lc $Name;
1821         if ($Type eq 'Is') {
1822             die "oops[$CName]" if $Canonical{$CName};
1823             $Canonical{$CName} = $filename;
1824             $CaComment{$CName} = $Name if $Name =~ tr/A-Z// >= 2;
1825         } else {
1826             die "oops[$Type$CName]" if $Canonical{lc "$Type$CName"};
1827             $Canonical{lc "$Type$CName"} = $filename;
1828             $CaComment{lc "$Type$CName"} = "$Type$Name";
1829             if (not $Canonical{$CName}) {
1830                 $Canonical{$CName} = $filename;
1831                 $CaComment{$CName} = "$Type$Name";
1832             }
1833         }
1834     }
1835 }
1836
1837 ##
1838 ## Writes the info accumulated in
1839 ##
1840 ##       %TableInfo;
1841 ##       %FuzzyNames;
1842 ##       %AliasInfo;
1843 ##
1844 ##
1845 sub WriteAllMappings()
1846 {
1847     my @MAP;
1848
1849     ## 'Is' *MUST* come first, so its names have precidence over 'In's
1850     for my $Type ('Is', 'In')
1851     {
1852         my %RawNameToFile; ## a per-$Type cache
1853
1854         for my $Name (sort {length $a <=> length $b} keys %{$TableInfo{$Type}})
1855         {
1856             ## Note: $Name is already canonical
1857             my $Table   = $TableInfo{$Type}->{$Name};
1858             my $IsFuzzy = $FuzzyNames{$Type}->{$Name};
1859
1860             ## Need an 8.3 safe filename (which means "an 8 safe" $filename)
1861             my $filename;
1862             {
1863                 ## 'Is' items lose 'Is' from the basename.
1864                 $filename = $Type eq 'Is' ?
1865                     ($PVA_reverse{sc}{$Name} || $Name) :
1866                     "$Type$Name";
1867
1868                 $filename =~ s/[^\w_]+/_/g; # "L&" -> "L_"
1869                 substr($filename, 8) = '' if length($filename) > 8;
1870
1871                 ##
1872                 ## Make sure the basename doesn't conflict with something we
1873                 ## might have already written. If we have, say,
1874                 ##     InGreekExtended1
1875                 ##     InGreekExtended2
1876                 ## they become
1877                 ##     InGreekE
1878                 ##     InGreek2
1879                 ##
1880                 while (my $num = $BaseNames{lc $filename}++)
1881                 {
1882                     $num++; ## so basenames with numbers start with '2', which
1883                             ## just looks more natural.
1884                     ## Want to append $num, but if it'll make the basename longer
1885                     ## than 8 characters, pre-truncate $filename so that the result
1886                     ## is acceptable.
1887                     my $delta = length($filename) + length($num) - 8;
1888                     if ($delta > 0) {
1889                         substr($filename, -$delta) = $num;
1890                     } else {
1891                         $filename .= $num;
1892                     }
1893                 }
1894             };
1895
1896             ##
1897             ## Construct a nice comment to add to the file, and build data
1898             ## for the "./Properties" file along the way.
1899             ##
1900             my $Comment;
1901             {
1902                 my $Desc = $TableDesc{$Type}->{$Name} || "";
1903                 ## get list of names this table is reference by
1904                 my @Supported = $Name;
1905                 while (my ($Orig, $Alias) = each %{ $AliasInfo{$Type} })
1906                 {
1907                     if ($Orig eq $Name) {
1908                         push @Supported, $Alias;
1909                     }
1910                 }
1911
1912                 my $TypeToShow = $Type eq 'Is' ? "" : $Type;
1913                 my $OrigProp;
1914
1915                 $Comment = "This file supports:\n";
1916                 for my $N (@Supported)
1917                 {
1918                     my $IsFuzzy = $FuzzyNames{$Type}->{$N};
1919                     my $Prop    = "\\p{$TypeToShow$Name}";
1920                     $OrigProp = $Prop if not $OrigProp; #cache for aliases
1921                     if ($IsFuzzy) {
1922                         $Comment .= "\t$Prop (and fuzzy permutations)\n";
1923                     } else {
1924                         $Comment .= "\t$Prop\n";
1925                     }
1926                     my $MyDesc = ($N eq $Name) ? $Desc : "Alias for $OrigProp ($Desc)";
1927
1928                     push @MAP, sprintf("%s %-42s %s\n",
1929                                        $IsFuzzy ? '*' : ' ', $Prop, $MyDesc);
1930                 }
1931                 if ($Desc) {
1932                     $Comment .= "\nMeaning: $Desc\n";
1933                 }
1934
1935             }
1936             ##
1937             ## Okay, write the file...
1938             ##
1939             $Table->Write(["lib","gc_sc","$filename.pl"], $Comment);
1940
1941             ## and register it
1942             $RawNameToFile{$Name} = $filename;
1943             RegisterFileForName($Type => $Name, $IsFuzzy, $filename);
1944
1945             if ($IsFuzzy)
1946             {
1947                 my $CName = CanonicalName($Type . '_'. $Name);
1948                 $FuzzyNameToTest{$Name}  = $Table if !$FuzzyNameToTest{$Name};
1949                 $FuzzyNameToTest{$CName} = $Table if !$FuzzyNameToTest{$CName};
1950             } else {
1951                 $ExactNameToTest{$Name} = $Table;
1952             }
1953
1954         }
1955
1956         ## Register aliase info
1957         for my $Name (sort {length $a <=> length $b} keys %{$AliasInfo{$Type}})
1958         {
1959             my $Alias    = $AliasInfo{$Type}->{$Name};
1960             my $IsFuzzy  = $FuzzyNames{$Type}->{$Alias};
1961             my $filename = $RawNameToFile{$Name};
1962             die "oops [$Alias]->[$Name]" if not $filename;
1963             RegisterFileForName($Type => $Alias, $IsFuzzy, $filename);
1964
1965             my $Table = $TableInfo{$Type}->{$Name};
1966             die "oops" if not $Table;
1967             if ($IsFuzzy)
1968             {
1969                 my $CName = CanonicalName($Type .'_'. $Alias);
1970                 $FuzzyNameToTest{$Alias} = $Table if !$FuzzyNameToTest{$Alias};
1971                 $FuzzyNameToTest{$CName} = $Table if !$FuzzyNameToTest{$CName};
1972             } else {
1973                 $ExactNameToTest{$Alias} = $Table;
1974             }
1975         }
1976     }
1977
1978     ##
1979     ## Write out the property list
1980     ##
1981     {
1982         my @OUT = (
1983                    "##\n",
1984                    "## This file created by $0\n",
1985                    "## List of built-in \\p{...}/\\P{...} properties.\n",
1986                    "##\n",
1987                    "## '*' means name may be 'fuzzy'\n",
1988                    "##\n\n",
1989                    sort { substr($a,2) cmp substr($b, 2) } @MAP,
1990                   );
1991         WriteIfChanged('Properties', @OUT);
1992     }
1993
1994     use Text::Tabs ();  ## using this makes the files about half the size
1995
1996     ## Write Exact.pl
1997     {
1998         my @OUT = (
1999                    $HEADER,
2000                    "##\n",
2001                    "## Data in this file used by ../utf8_heavy.pl\n",
2002                    "##\n\n",
2003                    "## Mapping from name to filename in ./lib/gc_sc\n",
2004                    "%utf8::Exact = (\n",
2005                   );
2006
2007         $Exact{InGreek} = 'InGreekA';  # this is evil kludge
2008         for my $Name (sort keys %Exact)
2009         {
2010             my $File = $Exact{$Name};
2011             $Name = $Name =~ m/\W/ ? qq/'$Name'/ : " $Name ";
2012             my $Text = sprintf("%-15s => %s,\n", $Name, qq/'$File'/);
2013             push @OUT, Text::Tabs::unexpand($Text);
2014         }
2015         push @OUT, ");\n1;\n";
2016
2017         WriteIfChanged('Exact.pl', @OUT);
2018     }
2019
2020     ## Write Canonical.pl
2021     {
2022         my @OUT = (
2023                    $HEADER,
2024                    "##\n",
2025                    "## Data in this file used by ../utf8_heavy.pl\n",
2026                    "##\n\n",
2027                    "## Mapping from lc(canonical name) to filename in ./lib\n",
2028                    "%utf8::Canonical = (\n",
2029                   );
2030         my $Trail = ""; ## used just to keep the spacing pretty
2031         for my $Name (sort keys %Canonical)
2032         {
2033             my $File = $Canonical{$Name};
2034             if ($CaComment{$Name}) {
2035                 push @OUT, "\n" if not $Trail;
2036                 push @OUT, " # $CaComment{$Name}\n";
2037                 $Trail = "\n";
2038             } else {
2039                 $Trail = "";
2040             }
2041             $Name = $Name =~ m/\W/ ? qq/'$Name'/ : " $Name ";
2042             my $Text = sprintf("  %-41s => %s,\n$Trail", $Name, qq/'$File'/);
2043             push @OUT, Text::Tabs::unexpand($Text);
2044         }
2045         push @OUT, ");\n1\n";
2046         WriteIfChanged('Canonical.pl', @OUT);
2047     }
2048
2049     MakePropTestScript() if $MakeTestScript;
2050 }
2051
2052
2053 sub SpecialCasing_txt()
2054 {
2055     #
2056     # Read in the special cases.
2057     #
2058
2059     my %CaseInfo;
2060
2061     if (not open IN, "SpecialCasing.txt") {
2062         die "$0: SpecialCasing.txt: $!\n";
2063     }
2064     while (<IN>) {
2065         next unless /^[0-9A-Fa-f]+;/;
2066         s/\#.*//;
2067         s/\s+$//;
2068
2069         my ($code, $lower, $title, $upper, $condition) = split(/\s*;\s*/);
2070
2071         if ($condition) { # not implemented yet
2072             print "# SKIPPING $_\n" if $Verbose;
2073             next;
2074         }
2075
2076         # Wait until all the special cases have been read since
2077         # they are not listed in numeric order.
2078         my $ix = hex($code);
2079         push @{$CaseInfo{Lower}}, [ $ix, $code, $lower ]
2080             unless $code eq $lower;
2081         push @{$CaseInfo{Title}}, [ $ix, $code, $title ]
2082             unless $code eq $title;
2083         push @{$CaseInfo{Upper}}, [ $ix, $code, $upper ]
2084             unless $code eq $upper;
2085     }
2086     close IN;
2087
2088     # Now write out the special cases properties in their code point order.
2089     # Prepend them to the To/{Upper,Lower,Title}.pl.
2090
2091     for my $case (qw(Lower Title Upper))
2092     {
2093         my $NormalCase = do "To/$case.pl" || die "$0: $@\n";
2094
2095         my @OUT =
2096             (
2097              $HEADER, "\n",
2098              "# The key UTF-8 _bytes_, the value UTF-8 (speed hack)\n",
2099              "%utf8::ToSpec$case =\n(\n",
2100             );
2101
2102         for my $prop (sort { $a->[0] <=> $b->[0] } @{$CaseInfo{$case}}) {
2103             my ($ix, $code, $to) = @$prop;
2104             my $tostr =
2105               join "", map { sprintf "\\x{%s}", $_ } split ' ', $to;
2106             push @OUT, sprintf qq["%s" => "$tostr",\n], join("", map { sprintf "\\x%02X", $_ } unpack("U0C*", pack("U", $ix)));
2107             # Remove any single-character mappings for
2108             # the same character since we are going for
2109             # the special casing rules.
2110             $NormalCase =~ s/^$code\t\t\w+\n//m;
2111         }
2112         push @OUT, (
2113                     ");\n\n",
2114                     "return <<'END';\n",
2115                     $NormalCase,
2116                     "END\n"
2117                     );
2118         WriteIfChanged(["To","$case.pl"], @OUT);
2119     }
2120 }
2121
2122 #
2123 # Read in the case foldings.
2124 #
2125 # We will do full case folding, C + F + I (see CaseFolding.txt).  Note that
2126 # there are no I entries starting with Unicode 3.2, but leaving it in allows
2127 # for backward compatibility.
2128 #
2129 sub CaseFolding_txt()
2130 {
2131     if (not open IN, "CaseFolding.txt") {
2132         die "$0: CaseFolding.txt: $!\n";
2133     }
2134
2135     my $Fold = Table->New();
2136     my %Fold;
2137
2138     while (<IN>) {
2139         # Skip status 'S', simple case folding
2140         next unless /^([0-9A-Fa-f]+)\s*;\s*([CFI])\s*;\s*([0-9A-Fa-f]+(?: [0-9A-Fa-f]+)*)\s*;/;
2141
2142         my ($code, $status, $fold) = (hex($1), $2, $3);
2143
2144         if ($status eq 'C') { # Common: one-to-one folding
2145             # No append() since several codes may fold into one.
2146             $Fold->RawAppendRange($code, $code, $fold);
2147         } else { # F: full, or I: dotted uppercase I -> dotless lowercase I
2148             $Fold{$code} = $fold;
2149         }
2150     }
2151     close IN;
2152
2153     $Fold->Write("To/Fold.pl");
2154
2155     #
2156     # Prepend the special foldings to the common foldings.
2157     #
2158     my $CommonFold = do "To/Fold.pl" || die "$0: To/Fold.pl: $!\n";
2159
2160     my @OUT =
2161         (
2162          $HEADER, "\n",
2163          "#  The ke UTF-8 _bytes_, the value UTF-8 (speed hack)\n",
2164          "%utf8::ToSpecFold =\n(\n",
2165         );
2166     for my $code (sort { $a <=> $b } keys %Fold) {
2167         my $foldstr =
2168           join "", map { sprintf "\\x{%s}", $_ } split ' ', $Fold{$code};
2169         push @OUT, sprintf qq["%s" => "$foldstr",\n], join("", map { sprintf "\\x%02X", $_ } unpack("U0C*", pack("U", $code)));
2170     }
2171     push @OUT, (
2172                 ");\n\n",
2173                 "return <<'END';\n",
2174                 $CommonFold,
2175                 "END\n",
2176                );
2177
2178     WriteIfChanged(["To","Fold.pl"], @OUT);
2179 }
2180
2181 ## Do it....
2182
2183 Build_Aliases();
2184 UnicodeData_Txt();
2185 PropList_txt();
2186
2187 Scripts_txt();
2188 Blocks_txt();
2189
2190 WriteAllMappings();
2191
2192 LineBreak_Txt();
2193 ArabicShaping_txt();
2194 EastAsianWidth_txt();
2195 HangulSyllableType_txt();
2196 Jamo_txt();
2197 SpecialCasing_txt();
2198 CaseFolding_txt();
2199
2200 if ( $FileList and $MakeList ) {
2201     
2202     print "Updating '$FileList'\n"
2203         if ($Verbose);
2204         
2205     open my $ofh,">",$FileList 
2206         or die "Can't write to '$FileList':$!";
2207     print $ofh <<"EOFHEADER";
2208 #
2209 # mktables.lst -- File list for mktables.
2210 #
2211 #   Autogenerated on @{[scalar localtime]}
2212 #
2213 # - First section is input files
2214 #   (mktables itself is automatically included)
2215 # - Section seperator is /^=+\$/
2216 # - Second section is a list of output files.
2217 # - Lines matching /^\\s*#/ are treated as comments
2218 #   which along with blank lines are ignored.
2219 #
2220
2221 # Input files:
2222
2223 EOFHEADER
2224     my @input=("version",glob('*.txt'));
2225     print $ofh "$_\n" for 
2226         sort(@input),
2227         "\n=================================\n",
2228         "# Output files:\n",
2229         # special files
2230         "Properties";
2231         
2232     
2233     require File::Find;
2234     my @output_files;
2235     File::Find::find({
2236         no_chdir=>1,
2237         wanted=>sub {
2238           if (/\.pl$/) {
2239             s!^\./!!;
2240             push @output_files, "$_\n";
2241           }
2242         },
2243     },"."); 
2244     
2245     print $ofh sort @output_files;
2246     print $ofh "\n# ",scalar(@input)," input files\n",
2247                "# ",scalar(@output_files)+1," output files\n\n",
2248                "# End list\n";  
2249     close $ofh 
2250         or warn "Failed to close $ofh: $!";
2251     
2252     print "Filelist has ",scalar(@input)," input files and ",
2253           scalar(@output_files)+1," output files\n"
2254         if $Verbose;
2255 }
2256 print "All done\n" if $Verbose;
2257 exit(0);
2258
2259 ## TRAILING CODE IS USED BY MakePropTestScript()
2260 __DATA__
2261 use strict;
2262 use warnings;
2263
2264 my $Tests = 0;
2265 my $Fails = 0;
2266
2267 sub Expect($$$)
2268 {
2269     my $Expect = shift;
2270     my $String = shift;
2271     my $Regex  = shift;
2272     my $Line   = (caller)[2];
2273
2274     $Tests++;
2275     my $RegObj;
2276     my $result = eval {
2277         $RegObj = qr/$Regex/;
2278         $String =~ $RegObj ? 1 : 0
2279     };
2280     
2281     if (not defined $result) {
2282         print "couldn't compile /$Regex/ on $0 line $Line: $@\n";
2283         $Fails++;
2284     } elsif ($result ^ $Expect) {
2285         print "bad result (expected $Expect) on $0 line $Line: $@\n";
2286         $Fails++;
2287     }
2288 }
2289
2290 sub Error($)
2291 {
2292     my $Regex  = shift;
2293     $Tests++;
2294     if (eval { 'x' =~ qr/$Regex/; 1 }) {
2295         $Fails++;
2296         my $Line = (caller)[2];
2297         print "expected error for /$Regex/ on $0 line $Line: $@\n";
2298     }
2299 }
2300
2301 sub Finished()
2302 {
2303    if ($Fails == 0) {
2304       print "All $Tests tests passed.\n";
2305       exit(0);
2306    } else {
2307       print "$Tests tests, $Fails failed!\n";
2308       exit(-1);
2309    }
2310 }