doxygen/thtml2doxy_clang.py

   1 #!/usr/bin/env python
   2
   3 ## @package thtml2doxy_clang
   4 #  Translates THtml C++ comments to Doxygen using libclang as parser.
   5 #
   6 #  This code relies on Python bindings for libclang: libclang's interface is pretty unstable, and
   7 #  its Python bindings are unstable as well.
   8 #
   9 #  AST (Abstract Source Tree) traversal is performed entirely using libclang used as a C++ parser,
  10 #  instead of attempting to write a parser ourselves.
  11 #
  12 #  This code (expecially AST traversal) was inspired by:
  13 #
  14 #   - [Implementing a code generator with libclang](http://szelei.me/code-generator/)
  15 #     (this refers to API calls used here)
  16 #   - [Parsing C++ in Python with Clang](http://eli.thegreenplace.net/2011/07/03/parsing-c-in-python-with-clang)
  17 #     (outdated, API calls described there do not work anymore, but useful to understand some basic
  18 #     concepts)
  19 #
  20 #  Usage:
  21 #
  22 #    `thtml2doxy_clang [--stdout|-o] [-d] [--debug=DEBUG_LEVEL] file1 [file2 [file3...]]`
  23 #
  24 #  Parameters:
  25 #
  26 #   - `--stdout|-o`: output all on standard output instead of writing files in place
  27 #   - `-d`: enable debug mode (very verbose output)
  28 #   - `--debug=DEBUG_LEVEL`: set debug level to one of `DEBUG`, `INFO`, `WARNING`, `ERROR`,
  29 #     `CRITICAL`
  30 #
  31 #  @author Dario Berzano, CERN
  32 #  @date 2014-12-05
  33
  34
  35 import sys
  36 import os
  37 import re
  38 import logging
  39 import getopt
  40 import clang.cindex
  41
  42
  43 ## Brain-dead color output for terminal.
  44 class Colt(str):
  45
  46   def red(self):
  47     return self.color('\033[31m')
  48
  49   def green(self):
  50     return self.color('\033[32m')
  51
  52   def yellow(self):
  53     return self.color('\033[33m')
  54
  55   def blue(self):
  56     return self.color('\033[34m')
  57
  58   def magenta(self):
  59     return self.color('\033[35m')
  60
  61   def cyan(self):
  62     return self.color('\033[36m')
  63
  64   def color(self, c):
  65     return c + self + '\033[m'
  66
  67
  68 ## Comment.
  69 class Comment:
  70
  71   def __init__(self, lines, first_line, first_col, last_line, last_col, indent, func):
  72     self.lines = lines
  73     self.first_line = first_line
  74     self.first_col = first_col
  75     self.last_line = last_line
  76     self.last_col = last_col
  77     self.indent = indent
  78     self.func = func
  79
  80   def has_comment(self, line):
  81     return line >= self.first_line and line <= self.last_line
  82
  83   def __str__(self):
  84     return "<Comment for %s: [%d,%d:%d,%d] %s>" % (self.func, self.first_line, self.first_col, self.last_line, self.last_col, self.lines)
  85
  86
  87 ## A data member comment.
  88 class MemberComment:
  89
  90   def __init__(self, text, is_transient, array_size, first_line, first_col, func):
  91     self.lines = [ text ]
  92     self.is_transient = is_transient
  93     self.array_size = array_size
  94     self.first_line = first_line
  95     self.first_col = first_col
  96     self.func = func
  97
  98   def has_comment(self, line):
  99     return line == self.first_line
 100
 101   def __str__(self):
 102
 103     if self.is_transient:
 104       tt = '!transient! '
 105     else:
 106       tt = ''
 107
 108     if self.array_size is not None:
 109       ars = '[%s] ' % self.array_size
 110     else:
 111       ars = ''
 112
 113     return "<MemberComment for %s: [%d,%d] %s%s%s>" % (self.func, self.first_line, self.first_col, tt, ars, self.lines[0])
 114
 115
 116 ## A dummy comment that removes comment lines.
 117 class RemoveComment(Comment):
 118
 119   def __init__(self, first_line, last_line):
 120     self.first_line = first_line
 121     self.last_line = last_line
 122     self.func = '<remove>'
 123
 124   def __str__(self):
 125     return "<RemoveComment: [%d,%d]>" % (self.first_line, self.last_line)
 126
 127
 128 ## Parses method comments.
 129 #
 130 #  @param cursor   Current libclang parser cursor
 131 #  @param comments Array of comments: new ones will be appended there
 132 def comment_method(cursor, comments):
 133
 134   # we are looking for the following structure: method -> compound statement -> comment, i.e. we
 135   # need to extract the first comment in the compound statement composing the method
 136
 137   in_compound_stmt = False
 138   expect_comment = False
 139   emit_comment = False
 140
 141   comment = []
 142   comment_function = cursor.spelling or cursor.displayname
 143   comment_line_start = -1
 144   comment_line_end = -1
 145   comment_col_start = -1
 146   comment_col_end = -1
 147   comment_indent = -1
 148
 149   for token in cursor.get_tokens():
 150
 151     if token.cursor.kind == clang.cindex.CursorKind.COMPOUND_STMT:
 152       if not in_compound_stmt:
 153         in_compound_stmt = True
 154         expect_comment = True
 155         comment_line_end = -1
 156     else:
 157       if in_compound_stmt:
 158         in_compound_stmt = False
 159         emit_comment = True
 160
 161     # tkind = str(token.kind)[str(token.kind).index('.')+1:]
 162     # ckind = str(token.cursor.kind)[str(token.cursor.kind).index('.')+1:]
 163
 164     if in_compound_stmt:
 165
 166       if expect_comment:
 167
 168         extent = token.extent
 169         line_start = extent.start.line
 170         line_end = extent.end.line
 171
 172         if token.kind == clang.cindex.TokenKind.PUNCTUATION and token.spelling == '{':
 173           pass
 174
 175         elif token.kind == clang.cindex.TokenKind.COMMENT and (comment_line_end == -1 or (line_start == comment_line_end+1 and line_end-line_start == 0)):
 176           comment_line_end = line_end
 177           comment_col_end = extent.end.column
 178
 179           if comment_indent == -1 or (extent.start.column-1) < comment_indent:
 180             comment_indent = extent.start.column-1
 181
 182           if comment_line_start == -1:
 183             comment_line_start = line_start
 184             comment_col_start = extent.start.column
 185           comment.extend( token.spelling.split('\n') )
 186
 187           # multiline comments are parsed in one go, therefore don't expect subsequent comments
 188           if line_end - line_start > 0:
 189             emit_comment = True
 190             expect_comment = False
 191
 192         else:
 193           emit_comment = True
 194           expect_comment = False
 195
 196     if emit_comment:
 197
 198       comment = refactor_comment( comment )
 199
 200       if len(comment) > 0:
 201         logging.debug("Comment found for function %s" % Colt(comment_function).magenta())
 202         comments.append( Comment(comment, comment_line_start, comment_col_start, comment_line_end, comment_col_end, comment_indent, comment_function) )
 203
 204       comment = []
 205       comment_line_start = -1
 206       comment_line_end = -1
 207       comment_col_start = -1
 208       comment_col_end = -1
 209       comment_indent = -1
 210
 211       emit_comment = False
 212       break
 213
 214
 215 ## Parses comments to class data members.
 216 #
 217 #  @param cursor   Current libclang parser cursor
 218 #  @param comments Array of comments: new ones will be appended there
 219 def comment_datamember(cursor, comments):
 220
 221   # Note: libclang 3.5 seems to have problems parsing a certain type of FIELD_DECL, so we revert
 222   # to a partial manual parsing. When parsing fails, the cursor's "extent" is not set properly,
 223   # returning a line range 0-0. We therefore make the not-so-absurd assumption that the datamember
 224   # definition is fully on one line, and we take the line number from cursor.location.
 225
 226   line_num = cursor.location.line
 227   raw = None
 228   prev = None
 229   found = False
 230
 231   # Huge overkill
 232   with open(str(cursor.location.file)) as fp:
 233     cur_line = 0
 234     for raw in fp:
 235       cur_line = cur_line + 1
 236       if cur_line == line_num:
 237         found = True
 238         break
 239       prev = raw
 240
 241   assert found, 'A line that should exist was not found in file' % cursor.location.file
 242
 243   recomm = r'(//(!)|///?)(\[(.*?)\])?<?\s*(.*?)\s*$'
 244   recomm_doxyary = r'^\s*///\s*(.*?)\s*$'
 245
 246   mcomm = re.search(recomm, raw)
 247   if mcomm:
 248     member_name = cursor.spelling;
 249     is_transient = mcomm.group(2) is not None
 250     array_size = mcomm.group(4)
 251     text = mcomm.group(5)
 252
 253     col_num = mcomm.start()+1;
 254
 255     if array_size is not None and prev is not None:
 256       # ROOT arrays with comments already converted to Doxygen have the member description on the
 257       # previous line
 258       mcomm_doxyary = re.search(recomm_doxyary, prev)
 259       if mcomm_doxyary:
 260         text = mcomm_doxyary.group(1)
 261         comments.append(RemoveComment(line_num-1, line_num-1))
 262
 263     logging.debug('Comment found for member %s' % Colt(member_name).magenta())
 264
 265     comments.append( MemberComment(
 266       text,
 267       is_transient,
 268       array_size,
 269       line_num,
 270       col_num,
 271       member_name ))
 272
 273   else:
 274     assert False, 'Regular expression does not match member comment'
 275
 276
 277 ## Parses class description (beginning of file).
 278 #
 279 #  The clang parser does not work in this case so we do it manually, but it is very simple: we keep
 280 #  the first consecutive sequence of single-line comments (//) we find - provided that it occurs
 281 #  before any other comment found so far in the file (the comments array is inspected to ensure
 282 #  this).
 283 #
 284 #  Multi-line comments (/* ... */) are not considered as they are commonly used to display
 285 #  copyright notice.
 286 #
 287 #  @param filename Name of the current file
 288 #  @param comments Array of comments: new ones will be appended there
 289 def comment_classdesc(filename, comments):
 290
 291   recomm = r'^\s*///?\s*(.*?)\s*/*\s*$'
 292
 293   reclass_doxy = r'(?i)^\\class:?\s*(.*?)\s*$'
 294   class_name_doxy = None
 295
 296   reauthor = r'(?i)\\?authors?:?\s*(.*?)\s*(,?\s*([0-9./-]+))?\s*$'
 297   redate = r'(?i)\\?date:?\s*([0-9./-]+)'
 298   author = None
 299   date = None
 300
 301   comment_lines = []
 302
 303   start_line = -1
 304   end_line = -1
 305
 306   line_num = 0
 307
 308   with open(filename, 'r') as fp:
 309
 310     for raw in fp:
 311
 312       line_num = line_num + 1
 313
 314       if raw.strip() == '':
 315         # Skip empty lines
 316         end_line = line_num - 1
 317         continue
 318
 319       mcomm = re.search(recomm, raw)
 320       if mcomm:
 321
 322         if start_line == -1 and len(comment_lines) == 0:
 323
 324           # First line. Check that we do not overlap with other comments
 325           comment_overlaps = False
 326           for c in comments:
 327             if c.has_comment(line_num):
 328               comment_overlaps = True
 329               break
 330
 331           if comment_overlaps:
 332             # No need to look for other comments
 333             break
 334
 335           start_line = line_num
 336
 337         append = True
 338
 339         mclass_doxy = re.search(reclass_doxy, mcomm.group(1))
 340         if mclass_doxy:
 341           class_name_doxy = mclass_doxy.group(1)
 342           append = False
 343         else:
 344           mauthor = re.search(reauthor, mcomm.group(1))
 345           if mauthor:
 346             author = mauthor.group(1)
 347             if date is None:
 348               # Date specified in the standalone \date field has priority
 349               date = mauthor.group(2)
 350             append = False
 351           else:
 352             mdate = re.search(redate, mcomm.group(1))
 353             if mdate:
 354               date = mdate.group(1)
 355               append = False
 356
 357         if append:
 358           comment_lines.append( mcomm.group(1) )
 359
 360       else:
 361         if len(comment_lines) > 0:
 362           # End of our comment
 363           if end_line == -1:
 364             end_line = line_num - 1
 365           break
 366
 367   if class_name_doxy is None:
 368
 369     # No \class specified: guess it from file name
 370     reclass = r'^(.*/)?(.*?)(\..*)?$'
 371     mclass = re.search( reclass, filename )
 372     if mclass:
 373       class_name_doxy = mclass.group(2)
 374     else:
 375       assert False, 'Regexp unable to extract classname from file'
 376
 377   # Prepend \class specifier (and an empty line)
 378   comment_lines[:0] = [ '\\class ' + class_name_doxy ]
 379
 380   # Append author and date if they exist
 381   comment_lines.append('')
 382
 383   if author is not None:
 384     comment_lines.append( '\\author ' + author )
 385
 386   if date is not None:
 387     comment_lines.append( '\\date ' + date )
 388
 389   comment_lines = refactor_comment(comment_lines)
 390   logging.debug('Comment found for class %s' % Colt(class_name_doxy).magenta())
 391   comments.append(Comment(
 392     comment_lines,
 393     start_line, 1, end_line, 1,
 394     0, class_name_doxy
 395   ))
 396
 397
 398 ## Traverse the AST recursively starting from the current cursor.
 399 #
 400 #  @param cursor    A Clang parser cursor
 401 #  @param filename  Name of the current file
 402 #  @param comments  Array of comments: new ones will be appended there
 403 #  @param recursion Current recursion depth
 404 def traverse_ast(cursor, filename, comments, recursion=0):
 405
 406   # libclang traverses included files as well: we do not want this behavior
 407   if cursor.location.file is not None and str(cursor.location.file) != filename:
 408     logging.debug("Skipping processing of included %s" % cursor.location.file)
 409     return
 410
 411   text = cursor.spelling or cursor.displayname
 412   kind = str(cursor.kind)[str(cursor.kind).index('.')+1:]
 413
 414   indent = ''
 415   for i in range(0, recursion):
 416     indent = indent + '  '
 417
 418   if cursor.kind == clang.cindex.CursorKind.CXX_METHOD or cursor.kind == clang.cindex.CursorKind.CONSTRUCTOR or cursor.kind == clang.cindex.CursorKind.DESTRUCTOR:
 419
 420     # cursor ran into a C++ method
 421     logging.debug( "%5d %s%s(%s)" % (cursor.location.line, indent, Colt(kind).magenta(), Colt(text).blue()) )
 422     comment_method(cursor, comments)
 423
 424   elif cursor.kind == clang.cindex.CursorKind.FIELD_DECL:
 425
 426     # cursor ran into a data member declaration
 427     logging.debug( "%5d %s%s(%s)" % (cursor.location.line, indent, Colt(kind).magenta(), Colt(text).blue()) )
 428     comment_datamember(cursor, comments)
 429
 430   else:
 431
 432     logging.debug( "%5d %s%s(%s)" % (cursor.location.line, indent, kind, text) )
 433
 434   for child_cursor in cursor.get_children():
 435     traverse_ast(child_cursor, filename, comments, recursion+1)
 436
 437   if recursion == 0:
 438     comment_classdesc(filename, comments)
 439
 440
 441 ## Strip some HTML tags from the given string. Returns clean string.
 442 #
 443 #  @param s Input string
 444 def strip_html(s):
 445   rehtml = r'(?i)</?(P|H[0-9]|BR)/?>'
 446   return re.sub(rehtml, '', s)
 447
 448
 449 ## Remove garbage from comments and convert special tags from THtml to Doxygen.
 450 #
 451 #  @param comment An array containing the lines of the original comment
 452 def refactor_comment(comment, do_strip_html=True):
 453
 454   recomm = r'^(/{2,}|/\*)? ?(\s*.*?)\s*((/{2,})?\s*|\*/)$'
 455   regarbage = r'^(?i)\s*([\s*=-_#]+|(Begin|End)_Html)\s*$'
 456
 457   new_comment = []
 458   insert_blank = False
 459   wait_first_non_blank = True
 460   for line_comment in comment:
 461
 462     # Strip some HTML tags
 463     if do_strip_html:
 464       line_comment = strip_html(line_comment)
 465
 466     mcomm = re.search( recomm, line_comment )
 467     if mcomm:
 468       new_line_comment = mcomm.group(2)
 469       mgarbage = re.search( regarbage, new_line_comment )
 470
 471       if new_line_comment == '' or mgarbage is not None:
 472         insert_blank = True
 473       else:
 474         if insert_blank and not wait_first_non_blank:
 475           new_comment.append('')
 476         insert_blank = False
 477         wait_first_non_blank = False
 478         new_comment.append( new_line_comment )
 479
 480     else:
 481       assert False, 'Comment regexp does not match'
 482
 483   return new_comment
 484
 485
 486 ## Rewrites all comments from the given file handler.
 487 #
 488 #  @param fhin     The file handler to read from
 489 #  @param fhout    The file handler to write to
 490 #  @param comments Array of comments
 491 def rewrite_comments(fhin, fhout, comments):
 492
 493   line_num = 0
 494   in_comment = False
 495   skip_empty = False
 496   comm = None
 497   prev_comm = None
 498
 499   rindent = r'^(\s*)'
 500
 501   for line in fhin:
 502
 503     line_num = line_num + 1
 504
 505     # Find current comment
 506     prev_comm = comm
 507     comm = None
 508     for c in comments:
 509       if c.has_comment(line_num):
 510         comm = c
 511
 512     if comm:
 513
 514       if isinstance(comm, MemberComment):
 515         non_comment = line[ 0:comm.first_col-1 ]
 516
 517         if comm.array_size is not None:
 518
 519           mindent = re.search(rindent, line)
 520           if comm.is_transient:
 521             tt = '!'
 522           else:
 523             tt = ''
 524
 525           # Special case: we need multiple lines not to confuse ROOT's C++ parser
 526           fhout.write('%s/// %s\n%s//%s[%s]\n' % (
 527             mindent.group(1),
 528             comm.lines[0],
 529             non_comment,
 530             tt,
 531             comm.array_size
 532           ))
 533
 534         else:
 535
 536           if comm.is_transient:
 537             tt = '!'
 538           else:
 539             tt = '/'
 540
 541           fhout.write('%s//%s< %s\n' % (
 542             non_comment,
 543             tt,
 544             comm.lines[0]
 545           ))
 546
 547       elif isinstance(comm, RemoveComment):
 548         # Do nothing: just skip line
 549         pass
 550
 551       elif prev_comm is None:
 552         # Beginning of a new comment block of type Comment
 553         in_comment = True
 554
 555         # Extract the non-comment part and print it if it exists
 556         non_comment = line[ 0:comm.first_col-1 ].rstrip()
 557         if non_comment != '':
 558           fhout.write( non_comment + '\n' )
 559
 560     else:
 561
 562       if in_comment:
 563
 564         # We have just exited a comment block of type Comment
 565         in_comment = False
 566
 567         # Dump revamped comment, if applicable
 568         text_indent = ''
 569         for i in range(0,prev_comm.indent):
 570           text_indent = text_indent + ' '
 571
 572         for lc in prev_comm.lines:
 573           fhout.write( "%s/// %s\n" % (text_indent, lc) );
 574         fhout.write('\n')
 575         skip_empty = True
 576
 577       line_out = line.rstrip('\n')
 578       if skip_empty:
 579         skip_empty = False
 580         if line_out.strip() != '':
 581           fhout.write( line_out + '\n' )
 582       else:
 583         fhout.write( line_out + '\n' )
 584
 585
 586 ## The main function.
 587 #
 588 #  Return value is the executable's return value.
 589 def main(argv):
 590
 591   # Setup logging on stderr
 592   log_level = logging.INFO
 593   logging.basicConfig(
 594     level=log_level,
 595     format='%(levelname)-8s %(funcName)-20s %(message)s',
 596     stream=sys.stderr
 597   )
 598
 599   # Parse command-line options
 600   output_on_stdout = False
 601   try:
 602     opts, args = getopt.getopt( argv, 'od', [ 'debug=', 'stdout' ] )
 603     for o, a in opts:
 604       if o == '--debug':
 605         log_level = getattr( logging, a.upper(), None )
 606         if not isinstance(log_level, int):
 607           raise getopt.GetoptError('log level must be one of: DEBUG, INFO, WARNING, ERROR, CRITICAL')
 608       elif o == '-d':
 609         log_level = logging.DEBUG
 610       elif o == '-o' or o == '--stdout':
 611         logging.debug('Output on stdout instead of replacing original files')
 612         output_on_stdout = True
 613       else:
 614         assert False, 'Unhandled argument'
 615   except getopt.GetoptError as e:
 616     logging.fatal('Invalid arguments: %s' % e)
 617     return 1
 618
 619   logging.getLogger('').setLevel(log_level)
 620
 621   # Attempt to load libclang from a list of known locations
 622   libclang_locations = [
 623     '/usr/lib/llvm-3.5/lib/libclang.so.1',
 624     '/usr/lib/libclang.so',
 625     '/Library/Developer/CommandLineTools/usr/lib/libclang.dylib'
 626   ]
 627   libclang_found = False
 628
 629   for lib in libclang_locations:
 630     if os.path.isfile(lib):
 631       clang.cindex.Config.set_library_file(lib)
 632       libclang_found = True
 633       break
 634
 635   if not libclang_found:
 636     logging.fatal('Cannot find libclang')
 637     return 1
 638
 639   # Loop over all files
 640   for fn in args:
 641
 642     logging.info('Input file: %s' % Colt(fn).magenta())
 643     index = clang.cindex.Index.create()
 644     translation_unit = index.parse(fn, args=['-x', 'c++'])
 645
 646     comments = []
 647     traverse_ast( translation_unit.cursor, fn, comments )
 648     for c in comments:
 649
 650       logging.debug("Comment found for entity %s:" % Colt(c.func).magenta())
 651
 652       if isinstance(c, MemberComment):
 653
 654         if c.is_transient:
 655           transient_text = Colt('transient ').yellow()
 656         else:
 657           transient_text = ''
 658
 659         if c.array_size is not None:
 660           array_text = Colt('arraysize=%s ' % c.array_size).yellow()
 661         else:
 662           array_text = ''
 663
 664         logging.debug(
 665           "%s %s%s{%s}" % ( \
 666             Colt("[%d,%d]" % (c.first_line, c.first_col)).green(),
 667             transient_text,
 668             array_text,
 669             Colt(c.lines[0]).cyan()
 670         ))
 671
 672       elif isinstance(c, RemoveComment):
 673
 674         logging.debug( Colt('[%d,%d]' % (c.first_line, c.last_line)).green() )
 675
 676       else:
 677         for l in c.lines:
 678           logging.debug(
 679             Colt("[%d,%d:%d,%d] " % (c.first_line, c.first_col, c.last_line, c.last_col)).green() +
 680             "{%s}" % Colt(l).cyan()
 681           )
 682
 683     try:
 684
 685       if output_on_stdout:
 686         with open(fn, 'r') as fhin:
 687           rewrite_comments( fhin, sys.stdout, comments )
 688       else:
 689         fn_back = fn + '.thtml2doxy_backup'
 690         os.rename( fn, fn_back )
 691
 692         with open(fn_back, 'r') as fhin, open(fn, 'w') as fhout:
 693           rewrite_comments( fhin, fhout, comments )
 694
 695         os.remove( fn_back )
 696         logging.info("File %s converted to Doxygen: check differences before committing!" % Colt(fn).magenta())
 697     except (IOError,OSError) as e:
 698       logging.error('File operation failed: %s' % e)
 699
 700   return 0
 701
 702
 703 if __name__ == '__main__':
 704   sys.exit( main( sys.argv[1:] ) )