utf8.c

   1 #include "git-compat-util.h"
   2 #include "utf8.h"
   3
   4 /* This code is originally from http://www.cl.cam.ac.uk/~mgk25/ucs/ */
   5
   6 typedef unsigned int ucs_char_t;  /* assuming 32bit int */
   7
   8 struct interval {
   9   int first;
  10   int last;
  11 };
  12
  13 /* auxiliary function for binary search in interval table */
  14 static int bisearch(ucs_char_t ucs, const struct interval *table, int max)
  15 {
  16         int min = 0;
  17         int mid;
  18
  19         if (ucs < table[0].first || ucs > table[max].last)
  20                 return 0;
  21         while (max >= min) {
  22                 mid = (min + max) / 2;
  23                 if (ucs > table[mid].last)
  24                         min = mid + 1;
  25                 else if (ucs < table[mid].first)
  26                         max = mid - 1;
  27                 else
  28                         return 1;
  29         }
  30
  31         return 0;
  32 }
  33
  34 /* The following two functions define the column width of an ISO 10646
  35  * character as follows:
  36  *
  37  *    - The null character (U+0000) has a column width of 0.
  38  *
  39  *    - Other C0/C1 control characters and DEL will lead to a return
  40  *      value of -1.
  41  *
  42  *    - Non-spacing and enclosing combining characters (general
  43  *      category code Mn or Me in the Unicode database) have a
  44  *      column width of 0.
  45  *
  46  *    - SOFT HYPHEN (U+00AD) has a column width of 1.
  47  *
  48  *    - Other format characters (general category code Cf in the Unicode
  49  *      database) and ZERO WIDTH SPACE (U+200B) have a column width of 0.
  50  *
  51  *    - Hangul Jamo medial vowels and final consonants (U+1160-U+11FF)
  52  *      have a column width of 0.
  53  *
  54  *    - Spacing characters in the East Asian Wide (W) or East Asian
  55  *      Full-width (F) category as defined in Unicode Technical
  56  *      Report #11 have a column width of 2.
  57  *
  58  *    - All remaining characters (including all printable
  59  *      ISO 8859-1 and WGL4 characters, Unicode control characters,
  60  *      etc.) have a column width of 1.
  61  *
  62  * This implementation assumes that ucs_char_t characters are encoded
  63  * in ISO 10646.
  64  */
  65
  66 static int git_wcwidth(ucs_char_t ch)
  67 {
  68         /*
  69          * Sorted list of non-overlapping intervals of non-spacing characters,
  70          * generated by
  71          *   "uniset +cat=Me +cat=Mn +cat=Cf -00AD +1160-11FF +200B c".
  72          */
  73         static const struct interval combining[] = {
  74                 { 0x0300, 0x0357 }, { 0x035D, 0x036F }, { 0x0483, 0x0486 },
  75                 { 0x0488, 0x0489 }, { 0x0591, 0x05A1 }, { 0x05A3, 0x05B9 },
  76                 { 0x05BB, 0x05BD }, { 0x05BF, 0x05BF }, { 0x05C1, 0x05C2 },
  77                 { 0x05C4, 0x05C4 }, { 0x0600, 0x0603 }, { 0x0610, 0x0615 },
  78                 { 0x064B, 0x0658 }, { 0x0670, 0x0670 }, { 0x06D6, 0x06E4 },
  79                 { 0x06E7, 0x06E8 }, { 0x06EA, 0x06ED }, { 0x070F, 0x070F },
  80                 { 0x0711, 0x0711 }, { 0x0730, 0x074A }, { 0x07A6, 0x07B0 },
  81                 { 0x0901, 0x0902 }, { 0x093C, 0x093C }, { 0x0941, 0x0948 },
  82                 { 0x094D, 0x094D }, { 0x0951, 0x0954 }, { 0x0962, 0x0963 },
  83                 { 0x0981, 0x0981 }, { 0x09BC, 0x09BC }, { 0x09C1, 0x09C4 },
  84                 { 0x09CD, 0x09CD }, { 0x09E2, 0x09E3 }, { 0x0A01, 0x0A02 },
  85                 { 0x0A3C, 0x0A3C }, { 0x0A41, 0x0A42 }, { 0x0A47, 0x0A48 },
  86                 { 0x0A4B, 0x0A4D }, { 0x0A70, 0x0A71 }, { 0x0A81, 0x0A82 },
  87                 { 0x0ABC, 0x0ABC }, { 0x0AC1, 0x0AC5 }, { 0x0AC7, 0x0AC8 },
  88                 { 0x0ACD, 0x0ACD }, { 0x0AE2, 0x0AE3 }, { 0x0B01, 0x0B01 },
  89                 { 0x0B3C, 0x0B3C }, { 0x0B3F, 0x0B3F }, { 0x0B41, 0x0B43 },
  90                 { 0x0B4D, 0x0B4D }, { 0x0B56, 0x0B56 }, { 0x0B82, 0x0B82 },
  91                 { 0x0BC0, 0x0BC0 }, { 0x0BCD, 0x0BCD }, { 0x0C3E, 0x0C40 },
  92                 { 0x0C46, 0x0C48 }, { 0x0C4A, 0x0C4D }, { 0x0C55, 0x0C56 },
  93                 { 0x0CBC, 0x0CBC }, { 0x0CBF, 0x0CBF }, { 0x0CC6, 0x0CC6 },
  94                 { 0x0CCC, 0x0CCD }, { 0x0D41, 0x0D43 }, { 0x0D4D, 0x0D4D },
  95                 { 0x0DCA, 0x0DCA }, { 0x0DD2, 0x0DD4 }, { 0x0DD6, 0x0DD6 },
  96                 { 0x0E31, 0x0E31 }, { 0x0E34, 0x0E3A }, { 0x0E47, 0x0E4E },
  97                 { 0x0EB1, 0x0EB1 }, { 0x0EB4, 0x0EB9 }, { 0x0EBB, 0x0EBC },
  98                 { 0x0EC8, 0x0ECD }, { 0x0F18, 0x0F19 }, { 0x0F35, 0x0F35 },
  99                 { 0x0F37, 0x0F37 }, { 0x0F39, 0x0F39 }, { 0x0F71, 0x0F7E },
 100                 { 0x0F80, 0x0F84 }, { 0x0F86, 0x0F87 }, { 0x0F90, 0x0F97 },
 101                 { 0x0F99, 0x0FBC }, { 0x0FC6, 0x0FC6 }, { 0x102D, 0x1030 },
 102                 { 0x1032, 0x1032 }, { 0x1036, 0x1037 }, { 0x1039, 0x1039 },
 103                 { 0x1058, 0x1059 }, { 0x1160, 0x11FF }, { 0x1712, 0x1714 },
 104                 { 0x1732, 0x1734 }, { 0x1752, 0x1753 }, { 0x1772, 0x1773 },
 105                 { 0x17B4, 0x17B5 }, { 0x17B7, 0x17BD }, { 0x17C6, 0x17C6 },
 106                 { 0x17C9, 0x17D3 }, { 0x17DD, 0x17DD }, { 0x180B, 0x180D },
 107                 { 0x18A9, 0x18A9 }, { 0x1920, 0x1922 }, { 0x1927, 0x1928 },
 108                 { 0x1932, 0x1932 }, { 0x1939, 0x193B }, { 0x200B, 0x200F },
 109                 { 0x202A, 0x202E }, { 0x2060, 0x2063 }, { 0x206A, 0x206F },
 110                 { 0x20D0, 0x20EA }, { 0x302A, 0x302F }, { 0x3099, 0x309A },
 111                 { 0xFB1E, 0xFB1E }, { 0xFE00, 0xFE0F }, { 0xFE20, 0xFE23 },
 112                 { 0xFEFF, 0xFEFF }, { 0xFFF9, 0xFFFB }, { 0x1D167, 0x1D169 },
 113                 { 0x1D173, 0x1D182 }, { 0x1D185, 0x1D18B },
 114                 { 0x1D1AA, 0x1D1AD }, { 0xE0001, 0xE0001 },
 115                 { 0xE0020, 0xE007F }, { 0xE0100, 0xE01EF }
 116         };
 117
 118         /* test for 8-bit control characters */
 119         if (ch == 0)
 120                 return 0;
 121         if (ch < 32 || (ch >= 0x7f && ch < 0xa0))
 122                 return -1;
 123
 124         /* binary search in table of non-spacing characters */
 125         if (bisearch(ch, combining, sizeof(combining)
 126                                 / sizeof(struct interval) - 1))
 127                 return 0;
 128
 129         /*
 130          * If we arrive here, ch is neither a combining nor a C0/C1
 131          * control character.
 132          */
 133
 134         return 1 +
 135                 (ch >= 0x1100 &&
 136                     /* Hangul Jamo init. consonants */
 137                  (ch <= 0x115f ||
 138                   ch == 0x2329 || ch == 0x232a ||
 139                   /* CJK ... Yi */
 140                   (ch >= 0x2e80 && ch <= 0xa4cf &&
 141                    ch != 0x303f) ||
 142                   /* Hangul Syllables */
 143                   (ch >= 0xac00 && ch <= 0xd7a3) ||
 144                   /* CJK Compatibility Ideographs */
 145                   (ch >= 0xf900 && ch <= 0xfaff) ||
 146                   /* CJK Compatibility Forms */
 147                   (ch >= 0xfe30 && ch <= 0xfe6f) ||
 148                   /* Fullwidth Forms */
 149                   (ch >= 0xff00 && ch <= 0xff60) ||
 150                   (ch >= 0xffe0 && ch <= 0xffe6) ||
 151                   (ch >= 0x20000 && ch <= 0x2fffd) ||
 152                   (ch >= 0x30000 && ch <= 0x3fffd)));
 153 }
 154
 155 /*
 156  * This function returns the number of columns occupied by the character
 157  * pointed to by the variable start. The pointer is updated to point at
 158  * the next character. If it was not valid UTF-8, the pointer is set to NULL.
 159  */
 160 int utf8_width(const char **start)
 161 {
 162         unsigned char *s = (unsigned char *)*start;
 163         ucs_char_t ch;
 164
 165         if (*s < 0x80) {
 166                 /* 0xxxxxxx */
 167                 ch = *s;
 168                 *start += 1;
 169         } else if ((s[0] & 0xe0) == 0xc0) {
 170                 /* 110XXXXx 10xxxxxx */
 171                 if ((s[1] & 0xc0) != 0x80 ||
 172                                 /* overlong? */
 173                                 (s[0] & 0xfe) == 0xc0)
 174                         goto invalid;
 175                 ch = ((s[0] & 0x1f) << 6) | (s[1] & 0x3f);
 176                 *start += 2;
 177         } else if ((s[0] & 0xf0) == 0xe0) {
 178                 /* 1110XXXX 10Xxxxxx 10xxxxxx */
 179                 if ((s[1] & 0xc0) != 0x80 ||
 180                                 (s[2] & 0xc0) != 0x80 ||
 181                                 /* overlong? */
 182                                 (s[0] == 0xe0 && (s[1] & 0xe0) == 0x80) ||
 183                                 /* surrogate? */
 184                                 (s[0] == 0xed && (s[1] & 0xe0) == 0xa0) ||
 185                                 /* U+FFFE or U+FFFF? */
 186                                 (s[0] == 0xef && s[1] == 0xbf &&
 187                                  (s[2] & 0xfe) == 0xbe))
 188                         goto invalid;
 189                 ch = ((s[0] & 0x0f) << 12) |
 190                         ((s[1] & 0x3f) << 6) | (s[2] & 0x3f);
 191                 *start += 3;
 192         } else if ((s[0] & 0xf8) == 0xf0) {
 193                 /* 11110XXX 10XXxxxx 10xxxxxx 10xxxxxx */
 194                 if ((s[1] & 0xc0) != 0x80 ||
 195                                 (s[2] & 0xc0) != 0x80 ||
 196                                 (s[3] & 0xc0) != 0x80 ||
 197                                 /* overlong? */
 198                                 (s[0] == 0xf0 && (s[1] & 0xf0) == 0x80) ||
 199                                 /* > U+10FFFF? */
 200                                 (s[0] == 0xf4 && s[1] > 0x8f) || s[0] > 0xf4)
 201                         goto invalid;
 202                 ch = ((s[0] & 0x07) << 18) | ((s[1] & 0x3f) << 12) |
 203                         ((s[2] & 0x3f) << 6) | (s[3] & 0x3f);
 204                 *start += 4;
 205         } else {
 206 invalid:
 207                 *start = NULL;
 208                 return 0;
 209         }
 210
 211         return git_wcwidth(ch);
 212 }
 213
 214 int is_utf8(const char *text)
 215 {
 216         while (*text) {
 217                 if (*text == '\n' || *text == '\t' || *text == '\r') {
 218                         text++;
 219                         continue;
 220                 }
 221                 utf8_width(&text);
 222                 if (!text)
 223                         return 0;
 224         }
 225         return 1;
 226 }
 227
 228 static void print_spaces(int count)
 229 {
 230         static const char s[] = "                    ";
 231         while (count >= sizeof(s)) {
 232                 fwrite(s, sizeof(s) - 1, 1, stdout);
 233                 count -= sizeof(s) - 1;
 234         }
 235         fwrite(s, count, 1, stdout);
 236 }
 237
 238 /*
 239  * Wrap the text, if necessary. The variable indent is the indent for the
 240  * first line, indent2 is the indent for all other lines.
 241  * If indent is negative, assume that already -indent columns have been
 242  * consumed (and no extra indent is necessary for the first line).
 243  */
 244 int print_wrapped_text(const char *text, int indent, int indent2, int width)
 245 {
 246         int w = indent, assume_utf8 = is_utf8(text);
 247         const char *bol = text, *space = NULL;
 248
 249         if (indent < 0) {
 250                 w = -indent;
 251                 space = text;
 252         }
 253
 254         for (;;) {
 255                 char c = *text;
 256                 if (!c || isspace(c)) {
 257                         if (w < width || !space) {
 258                                 const char *start = bol;
 259                                 if (space)
 260                                         start = space;
 261                                 else
 262                                         print_spaces(indent);
 263                                 fwrite(start, text - start, 1, stdout);
 264                                 if (!c)
 265                                         return w;
 266                                 else if (c == '\t')
 267                                         w |= 0x07;
 268                                 space = text;
 269                                 w++;
 270                                 text++;
 271                         }
 272                         else {
 273                                 putchar('\n');
 274                                 text = bol = space + isspace(*space);
 275                                 space = NULL;
 276                                 w = indent = indent2;
 277                         }
 278                         continue;
 279                 }
 280                 if (assume_utf8)
 281                         w += utf8_width(&text);
 282                 else {
 283                         w++;
 284                         text++;
 285                 }
 286         }
 287 }
 288
 289 int is_encoding_utf8(const char *name)
 290 {
 291         if (!name)
 292                 return 1;
 293         if (!strcasecmp(name, "utf-8") || !strcasecmp(name, "utf8"))
 294                 return 1;
 295         return 0;
 296 }
 297
 298 /*
 299  * Given a buffer and its encoding, return it re-encoded
 300  * with iconv.  If the conversion fails, returns NULL.
 301  */
 302 #ifndef NO_ICONV
 303 #ifdef OLD_ICONV
 304         typedef const char * iconv_ibp;
 305 #else
 306         typedef char * iconv_ibp;
 307 #endif
 308 char *reencode_string(const char *in, const char *out_encoding, const char *in_encoding)
 309 {
 310         iconv_t conv;
 311         size_t insz, outsz, outalloc;
 312         char *out, *outpos;
 313         iconv_ibp cp;
 314
 315         if (!in_encoding)
 316                 return NULL;
 317         conv = iconv_open(out_encoding, in_encoding);
 318         if (conv == (iconv_t) -1)
 319                 return NULL;
 320         insz = strlen(in);
 321         outsz = insz;
 322         outalloc = outsz + 1; /* for terminating NUL */
 323         out = xmalloc(outalloc);
 324         outpos = out;
 325         cp = (iconv_ibp)in;
 326
 327         while (1) {
 328                 size_t cnt = iconv(conv, &cp, &insz, &outpos, &outsz);
 329
 330                 if (cnt == -1) {
 331                         size_t sofar;
 332                         if (errno != E2BIG) {
 333                                 free(out);
 334                                 iconv_close(conv);
 335                                 return NULL;
 336                         }
 337                         /* insz has remaining number of bytes.
 338                          * since we started outsz the same as insz,
 339                          * it is likely that insz is not enough for
 340                          * converting the rest.
 341                          */
 342                         sofar = outpos - out;
 343                         outalloc = sofar + insz * 2 + 32;
 344                         out = xrealloc(out, outalloc);
 345                         outpos = out + sofar;
 346                         outsz = outalloc - sofar - 1;
 347                 }
 348                 else {
 349                         *outpos = '\0';
 350                         break;
 351                 }
 352         }
 353         iconv_close(conv);
 354         return out;
 355 }
 356 #endif