Merge branch 'jn/test-sanitize-git-env'
[git] / utf8.c
1 #include "git-compat-util.h"
2 #include "strbuf.h"
3 #include "utf8.h"
4
5 /* This code is originally from http://www.cl.cam.ac.uk/~mgk25/ucs/ */
6
7 struct interval {
8   int first;
9   int last;
10 };
11
12 /* auxiliary function for binary search in interval table */
13 static int bisearch(ucs_char_t ucs, const struct interval *table, int max)
14 {
15         int min = 0;
16         int mid;
17
18         if (ucs < table[0].first || ucs > table[max].last)
19                 return 0;
20         while (max >= min) {
21                 mid = (min + max) / 2;
22                 if (ucs > table[mid].last)
23                         min = mid + 1;
24                 else if (ucs < table[mid].first)
25                         max = mid - 1;
26                 else
27                         return 1;
28         }
29
30         return 0;
31 }
32
33 /* The following two functions define the column width of an ISO 10646
34  * character as follows:
35  *
36  *    - The null character (U+0000) has a column width of 0.
37  *
38  *    - Other C0/C1 control characters and DEL will lead to a return
39  *      value of -1.
40  *
41  *    - Non-spacing and enclosing combining characters (general
42  *      category code Mn or Me in the Unicode database) have a
43  *      column width of 0.
44  *
45  *    - SOFT HYPHEN (U+00AD) has a column width of 1.
46  *
47  *    - Other format characters (general category code Cf in the Unicode
48  *      database) and ZERO WIDTH SPACE (U+200B) have a column width of 0.
49  *
50  *    - Hangul Jamo medial vowels and final consonants (U+1160-U+11FF)
51  *      have a column width of 0.
52  *
53  *    - Spacing characters in the East Asian Wide (W) or East Asian
54  *      Full-width (F) category as defined in Unicode Technical
55  *      Report #11 have a column width of 2.
56  *
57  *    - All remaining characters (including all printable
58  *      ISO 8859-1 and WGL4 characters, Unicode control characters,
59  *      etc.) have a column width of 1.
60  *
61  * This implementation assumes that ucs_char_t characters are encoded
62  * in ISO 10646.
63  */
64
65 static int git_wcwidth(ucs_char_t ch)
66 {
67         /*
68          * Sorted list of non-overlapping intervals of non-spacing characters,
69          * generated by
70          *   "uniset +cat=Me +cat=Mn +cat=Cf -00AD +1160-11FF +200B c".
71          */
72         static const struct interval combining[] = {
73                 { 0x0300, 0x0357 }, { 0x035D, 0x036F }, { 0x0483, 0x0486 },
74                 { 0x0488, 0x0489 }, { 0x0591, 0x05A1 }, { 0x05A3, 0x05B9 },
75                 { 0x05BB, 0x05BD }, { 0x05BF, 0x05BF }, { 0x05C1, 0x05C2 },
76                 { 0x05C4, 0x05C4 }, { 0x0600, 0x0603 }, { 0x0610, 0x0615 },
77                 { 0x064B, 0x0658 }, { 0x0670, 0x0670 }, { 0x06D6, 0x06E4 },
78                 { 0x06E7, 0x06E8 }, { 0x06EA, 0x06ED }, { 0x070F, 0x070F },
79                 { 0x0711, 0x0711 }, { 0x0730, 0x074A }, { 0x07A6, 0x07B0 },
80                 { 0x0901, 0x0902 }, { 0x093C, 0x093C }, { 0x0941, 0x0948 },
81                 { 0x094D, 0x094D }, { 0x0951, 0x0954 }, { 0x0962, 0x0963 },
82                 { 0x0981, 0x0981 }, { 0x09BC, 0x09BC }, { 0x09C1, 0x09C4 },
83                 { 0x09CD, 0x09CD }, { 0x09E2, 0x09E3 }, { 0x0A01, 0x0A02 },
84                 { 0x0A3C, 0x0A3C }, { 0x0A41, 0x0A42 }, { 0x0A47, 0x0A48 },
85                 { 0x0A4B, 0x0A4D }, { 0x0A70, 0x0A71 }, { 0x0A81, 0x0A82 },
86                 { 0x0ABC, 0x0ABC }, { 0x0AC1, 0x0AC5 }, { 0x0AC7, 0x0AC8 },
87                 { 0x0ACD, 0x0ACD }, { 0x0AE2, 0x0AE3 }, { 0x0B01, 0x0B01 },
88                 { 0x0B3C, 0x0B3C }, { 0x0B3F, 0x0B3F }, { 0x0B41, 0x0B43 },
89                 { 0x0B4D, 0x0B4D }, { 0x0B56, 0x0B56 }, { 0x0B82, 0x0B82 },
90                 { 0x0BC0, 0x0BC0 }, { 0x0BCD, 0x0BCD }, { 0x0C3E, 0x0C40 },
91                 { 0x0C46, 0x0C48 }, { 0x0C4A, 0x0C4D }, { 0x0C55, 0x0C56 },
92                 { 0x0CBC, 0x0CBC }, { 0x0CBF, 0x0CBF }, { 0x0CC6, 0x0CC6 },
93                 { 0x0CCC, 0x0CCD }, { 0x0D41, 0x0D43 }, { 0x0D4D, 0x0D4D },
94                 { 0x0DCA, 0x0DCA }, { 0x0DD2, 0x0DD4 }, { 0x0DD6, 0x0DD6 },
95                 { 0x0E31, 0x0E31 }, { 0x0E34, 0x0E3A }, { 0x0E47, 0x0E4E },
96                 { 0x0EB1, 0x0EB1 }, { 0x0EB4, 0x0EB9 }, { 0x0EBB, 0x0EBC },
97                 { 0x0EC8, 0x0ECD }, { 0x0F18, 0x0F19 }, { 0x0F35, 0x0F35 },
98                 { 0x0F37, 0x0F37 }, { 0x0F39, 0x0F39 }, { 0x0F71, 0x0F7E },
99                 { 0x0F80, 0x0F84 }, { 0x0F86, 0x0F87 }, { 0x0F90, 0x0F97 },
100                 { 0x0F99, 0x0FBC }, { 0x0FC6, 0x0FC6 }, { 0x102D, 0x1030 },
101                 { 0x1032, 0x1032 }, { 0x1036, 0x1037 }, { 0x1039, 0x1039 },
102                 { 0x1058, 0x1059 }, { 0x1160, 0x11FF }, { 0x1712, 0x1714 },
103                 { 0x1732, 0x1734 }, { 0x1752, 0x1753 }, { 0x1772, 0x1773 },
104                 { 0x17B4, 0x17B5 }, { 0x17B7, 0x17BD }, { 0x17C6, 0x17C6 },
105                 { 0x17C9, 0x17D3 }, { 0x17DD, 0x17DD }, { 0x180B, 0x180D },
106                 { 0x18A9, 0x18A9 }, { 0x1920, 0x1922 }, { 0x1927, 0x1928 },
107                 { 0x1932, 0x1932 }, { 0x1939, 0x193B }, { 0x200B, 0x200F },
108                 { 0x202A, 0x202E }, { 0x2060, 0x2063 }, { 0x206A, 0x206F },
109                 { 0x20D0, 0x20EA }, { 0x302A, 0x302F }, { 0x3099, 0x309A },
110                 { 0xFB1E, 0xFB1E }, { 0xFE00, 0xFE0F }, { 0xFE20, 0xFE23 },
111                 { 0xFEFF, 0xFEFF }, { 0xFFF9, 0xFFFB }, { 0x1D167, 0x1D169 },
112                 { 0x1D173, 0x1D182 }, { 0x1D185, 0x1D18B },
113                 { 0x1D1AA, 0x1D1AD }, { 0xE0001, 0xE0001 },
114                 { 0xE0020, 0xE007F }, { 0xE0100, 0xE01EF }
115         };
116
117         /* test for 8-bit control characters */
118         if (ch == 0)
119                 return 0;
120         if (ch < 32 || (ch >= 0x7f && ch < 0xa0))
121                 return -1;
122
123         /* binary search in table of non-spacing characters */
124         if (bisearch(ch, combining, sizeof(combining)
125                                 / sizeof(struct interval) - 1))
126                 return 0;
127
128         /*
129          * If we arrive here, ch is neither a combining nor a C0/C1
130          * control character.
131          */
132
133         return 1 +
134                 (ch >= 0x1100 &&
135                     /* Hangul Jamo init. consonants */
136                  (ch <= 0x115f ||
137                   ch == 0x2329 || ch == 0x232a ||
138                   /* CJK ... Yi */
139                   (ch >= 0x2e80 && ch <= 0xa4cf &&
140                    ch != 0x303f) ||
141                   /* Hangul Syllables */
142                   (ch >= 0xac00 && ch <= 0xd7a3) ||
143                   /* CJK Compatibility Ideographs */
144                   (ch >= 0xf900 && ch <= 0xfaff) ||
145                   /* CJK Compatibility Forms */
146                   (ch >= 0xfe30 && ch <= 0xfe6f) ||
147                   /* Fullwidth Forms */
148                   (ch >= 0xff00 && ch <= 0xff60) ||
149                   (ch >= 0xffe0 && ch <= 0xffe6) ||
150                   (ch >= 0x20000 && ch <= 0x2fffd) ||
151                   (ch >= 0x30000 && ch <= 0x3fffd)));
152 }
153
154 /*
155  * Pick one ucs character starting from the location *start points at,
156  * and return it, while updating the *start pointer to point at the
157  * end of that character.  When remainder_p is not NULL, the location
158  * holds the number of bytes remaining in the string that we are allowed
159  * to pick from.  Otherwise we are allowed to pick up to the NUL that
160  * would eventually appear in the string.  *remainder_p is also reduced
161  * by the number of bytes we have consumed.
162  *
163  * If the string was not a valid UTF-8, *start pointer is set to NULL
164  * and the return value is undefined.
165  */
166 static ucs_char_t pick_one_utf8_char(const char **start, size_t *remainder_p)
167 {
168         unsigned char *s = (unsigned char *)*start;
169         ucs_char_t ch;
170         size_t remainder, incr;
171
172         /*
173          * A caller that assumes NUL terminated text can choose
174          * not to bother with the remainder length.  We will
175          * stop at the first NUL.
176          */
177         remainder = (remainder_p ? *remainder_p : 999);
178
179         if (remainder < 1) {
180                 goto invalid;
181         } else if (*s < 0x80) {
182                 /* 0xxxxxxx */
183                 ch = *s;
184                 incr = 1;
185         } else if ((s[0] & 0xe0) == 0xc0) {
186                 /* 110XXXXx 10xxxxxx */
187                 if (remainder < 2 ||
188                     (s[1] & 0xc0) != 0x80 ||
189                     (s[0] & 0xfe) == 0xc0)
190                         goto invalid;
191                 ch = ((s[0] & 0x1f) << 6) | (s[1] & 0x3f);
192                 incr = 2;
193         } else if ((s[0] & 0xf0) == 0xe0) {
194                 /* 1110XXXX 10Xxxxxx 10xxxxxx */
195                 if (remainder < 3 ||
196                     (s[1] & 0xc0) != 0x80 ||
197                     (s[2] & 0xc0) != 0x80 ||
198                     /* overlong? */
199                     (s[0] == 0xe0 && (s[1] & 0xe0) == 0x80) ||
200                     /* surrogate? */
201                     (s[0] == 0xed && (s[1] & 0xe0) == 0xa0) ||
202                     /* U+FFFE or U+FFFF? */
203                     (s[0] == 0xef && s[1] == 0xbf &&
204                      (s[2] & 0xfe) == 0xbe))
205                         goto invalid;
206                 ch = ((s[0] & 0x0f) << 12) |
207                         ((s[1] & 0x3f) << 6) | (s[2] & 0x3f);
208                 incr = 3;
209         } else if ((s[0] & 0xf8) == 0xf0) {
210                 /* 11110XXX 10XXxxxx 10xxxxxx 10xxxxxx */
211                 if (remainder < 4 ||
212                     (s[1] & 0xc0) != 0x80 ||
213                     (s[2] & 0xc0) != 0x80 ||
214                     (s[3] & 0xc0) != 0x80 ||
215                     /* overlong? */
216                     (s[0] == 0xf0 && (s[1] & 0xf0) == 0x80) ||
217                     /* > U+10FFFF? */
218                     (s[0] == 0xf4 && s[1] > 0x8f) || s[0] > 0xf4)
219                         goto invalid;
220                 ch = ((s[0] & 0x07) << 18) | ((s[1] & 0x3f) << 12) |
221                         ((s[2] & 0x3f) << 6) | (s[3] & 0x3f);
222                 incr = 4;
223         } else {
224 invalid:
225                 *start = NULL;
226                 return 0;
227         }
228
229         *start += incr;
230         if (remainder_p)
231                 *remainder_p = remainder - incr;
232         return ch;
233 }
234
235 /*
236  * This function returns the number of columns occupied by the character
237  * pointed to by the variable start. The pointer is updated to point at
238  * the next character. When remainder_p is not NULL, it points at the
239  * location that stores the number of remaining bytes we can use to pick
240  * a character (see pick_one_utf8_char() above).
241  */
242 int utf8_width(const char **start, size_t *remainder_p)
243 {
244         ucs_char_t ch = pick_one_utf8_char(start, remainder_p);
245         if (!*start)
246                 return 0;
247         return git_wcwidth(ch);
248 }
249
250 /*
251  * Returns the total number of columns required by a null-terminated
252  * string, assuming that the string is utf8.  Returns strlen() instead
253  * if the string does not look like a valid utf8 string.
254  */
255 int utf8_strwidth(const char *string)
256 {
257         int width = 0;
258         const char *orig = string;
259
260         while (1) {
261                 if (!string)
262                         return strlen(orig);
263                 if (!*string)
264                         return width;
265                 width += utf8_width(&string, NULL);
266         }
267 }
268
269 int is_utf8(const char *text)
270 {
271         while (*text) {
272                 if (*text == '\n' || *text == '\t' || *text == '\r') {
273                         text++;
274                         continue;
275                 }
276                 utf8_width(&text, NULL);
277                 if (!text)
278                         return 0;
279         }
280         return 1;
281 }
282
283 static void strbuf_addchars(struct strbuf *sb, int c, size_t n)
284 {
285         strbuf_grow(sb, n);
286         memset(sb->buf + sb->len, c, n);
287         strbuf_setlen(sb, sb->len + n);
288 }
289
290 static void strbuf_add_indented_text(struct strbuf *buf, const char *text,
291                                      int indent, int indent2)
292 {
293         if (indent < 0)
294                 indent = 0;
295         while (*text) {
296                 const char *eol = strchrnul(text, '\n');
297                 if (*eol == '\n')
298                         eol++;
299                 strbuf_addchars(buf, ' ', indent);
300                 strbuf_add(buf, text, eol - text);
301                 text = eol;
302                 indent = indent2;
303         }
304 }
305
306 static size_t display_mode_esc_sequence_len(const char *s)
307 {
308         const char *p = s;
309         if (*p++ != '\033')
310                 return 0;
311         if (*p++ != '[')
312                 return 0;
313         while (isdigit(*p) || *p == ';')
314                 p++;
315         if (*p++ != 'm')
316                 return 0;
317         return p - s;
318 }
319
320 /*
321  * Wrap the text, if necessary. The variable indent is the indent for the
322  * first line, indent2 is the indent for all other lines.
323  * If indent is negative, assume that already -indent columns have been
324  * consumed (and no extra indent is necessary for the first line).
325  */
326 int strbuf_add_wrapped_text(struct strbuf *buf,
327                 const char *text, int indent1, int indent2, int width)
328 {
329         int indent, w, assume_utf8 = 1;
330         const char *bol, *space, *start = text;
331         size_t orig_len = buf->len;
332
333         if (width <= 0) {
334                 strbuf_add_indented_text(buf, text, indent1, indent2);
335                 return 1;
336         }
337
338 retry:
339         bol = text;
340         w = indent = indent1;
341         space = NULL;
342         if (indent < 0) {
343                 w = -indent;
344                 space = text;
345         }
346
347         for (;;) {
348                 char c;
349                 size_t skip;
350
351                 while ((skip = display_mode_esc_sequence_len(text)))
352                         text += skip;
353
354                 c = *text;
355                 if (!c || isspace(c)) {
356                         if (w < width || !space) {
357                                 const char *start = bol;
358                                 if (!c && text == start)
359                                         return w;
360                                 if (space)
361                                         start = space;
362                                 else
363                                         strbuf_addchars(buf, ' ', indent);
364                                 strbuf_add(buf, start, text - start);
365                                 if (!c)
366                                         return w;
367                                 space = text;
368                                 if (c == '\t')
369                                         w |= 0x07;
370                                 else if (c == '\n') {
371                                         space++;
372                                         if (*space == '\n') {
373                                                 strbuf_addch(buf, '\n');
374                                                 goto new_line;
375                                         }
376                                         else if (!isalnum(*space))
377                                                 goto new_line;
378                                         else
379                                                 strbuf_addch(buf, ' ');
380                                 }
381                                 w++;
382                                 text++;
383                         }
384                         else {
385 new_line:
386                                 strbuf_addch(buf, '\n');
387                                 text = bol = space + isspace(*space);
388                                 space = NULL;
389                                 w = indent = indent2;
390                         }
391                         continue;
392                 }
393                 if (assume_utf8) {
394                         w += utf8_width(&text, NULL);
395                         if (!text) {
396                                 assume_utf8 = 0;
397                                 text = start;
398                                 strbuf_setlen(buf, orig_len);
399                                 goto retry;
400                         }
401                 } else {
402                         w++;
403                         text++;
404                 }
405         }
406 }
407
408 int strbuf_add_wrapped_bytes(struct strbuf *buf, const char *data, int len,
409                              int indent, int indent2, int width)
410 {
411         char *tmp = xstrndup(data, len);
412         int r = strbuf_add_wrapped_text(buf, tmp, indent, indent2, width);
413         free(tmp);
414         return r;
415 }
416
417 int is_encoding_utf8(const char *name)
418 {
419         if (!name)
420                 return 1;
421         if (!strcasecmp(name, "utf-8") || !strcasecmp(name, "utf8"))
422                 return 1;
423         return 0;
424 }
425
426 /*
427  * Given a buffer and its encoding, return it re-encoded
428  * with iconv.  If the conversion fails, returns NULL.
429  */
430 #ifndef NO_ICONV
431 #if defined(OLD_ICONV) || (defined(__sun__) && !defined(_XPG6))
432         typedef const char * iconv_ibp;
433 #else
434         typedef char * iconv_ibp;
435 #endif
436 char *reencode_string(const char *in, const char *out_encoding, const char *in_encoding)
437 {
438         iconv_t conv;
439         size_t insz, outsz, outalloc;
440         char *out, *outpos;
441         iconv_ibp cp;
442
443         if (!in_encoding)
444                 return NULL;
445         conv = iconv_open(out_encoding, in_encoding);
446         if (conv == (iconv_t) -1)
447                 return NULL;
448         insz = strlen(in);
449         outsz = insz;
450         outalloc = outsz + 1; /* for terminating NUL */
451         out = xmalloc(outalloc);
452         outpos = out;
453         cp = (iconv_ibp)in;
454
455         while (1) {
456                 size_t cnt = iconv(conv, &cp, &insz, &outpos, &outsz);
457
458                 if (cnt == -1) {
459                         size_t sofar;
460                         if (errno != E2BIG) {
461                                 free(out);
462                                 iconv_close(conv);
463                                 return NULL;
464                         }
465                         /* insz has remaining number of bytes.
466                          * since we started outsz the same as insz,
467                          * it is likely that insz is not enough for
468                          * converting the rest.
469                          */
470                         sofar = outpos - out;
471                         outalloc = sofar + insz * 2 + 32;
472                         out = xrealloc(out, outalloc);
473                         outpos = out + sofar;
474                         outsz = outalloc - sofar - 1;
475                 }
476                 else {
477                         *outpos = '\0';
478                         break;
479                 }
480         }
481         iconv_close(conv);
482         return out;
483 }
484 #endif