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