git-merge: no reason to use cpio anymore
[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 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         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  * This function returns the number of columns occupied by the character
156  * pointed to by the variable start. The pointer is updated to point at
157  * the next character. If it was not valid UTF-8, the pointer is set to NULL.
158  */
159 int utf8_width(const char **start)
160 {
161         unsigned char *s = (unsigned char *)*start;
162         ucs_char_t ch;
163
164         if (*s < 0x80) {
165                 /* 0xxxxxxx */
166                 ch = *s;
167                 *start += 1;
168         } else if ((s[0] & 0xe0) == 0xc0) {
169                 /* 110XXXXx 10xxxxxx */
170                 if ((s[1] & 0xc0) != 0x80 ||
171                                 /* overlong? */
172                                 (s[0] & 0xfe) == 0xc0)
173                         goto invalid;
174                 ch = ((s[0] & 0x1f) << 6) | (s[1] & 0x3f);
175                 *start += 2;
176         } else if ((s[0] & 0xf0) == 0xe0) {
177                 /* 1110XXXX 10Xxxxxx 10xxxxxx */
178                 if ((s[1] & 0xc0) != 0x80 ||
179                                 (s[2] & 0xc0) != 0x80 ||
180                                 /* overlong? */
181                                 (s[0] == 0xe0 && (s[1] & 0xe0) == 0x80) ||
182                                 /* surrogate? */
183                                 (s[0] == 0xed && (s[1] & 0xe0) == 0xa0) ||
184                                 /* U+FFFE or U+FFFF? */
185                                 (s[0] == 0xef && s[1] == 0xbf &&
186                                  (s[2] & 0xfe) == 0xbe))
187                         goto invalid;
188                 ch = ((s[0] & 0x0f) << 12) |
189                         ((s[1] & 0x3f) << 6) | (s[2] & 0x3f);
190                 *start += 3;
191         } else if ((s[0] & 0xf8) == 0xf0) {
192                 /* 11110XXX 10XXxxxx 10xxxxxx 10xxxxxx */
193                 if ((s[1] & 0xc0) != 0x80 ||
194                                 (s[2] & 0xc0) != 0x80 ||
195                                 (s[3] & 0xc0) != 0x80 ||
196                                 /* overlong? */
197                                 (s[0] == 0xf0 && (s[1] & 0xf0) == 0x80) ||
198                                 /* > U+10FFFF? */
199                                 (s[0] == 0xf4 && s[1] > 0x8f) || s[0] > 0xf4)
200                         goto invalid;
201                 ch = ((s[0] & 0x07) << 18) | ((s[1] & 0x3f) << 12) |
202                         ((s[2] & 0x3f) << 6) | (s[3] & 0x3f);
203                 *start += 4;
204         } else {
205 invalid:
206                 *start = NULL;
207                 return 0;
208         }
209
210         return git_wcwidth(ch);
211 }
212
213 int is_utf8(const char *text)
214 {
215         while (*text) {
216                 if (*text == '\n' || *text == '\t' || *text == '\r') {
217                         text++;
218                         continue;
219                 }
220                 utf8_width(&text);
221                 if (!text)
222                         return 0;
223         }
224         return 1;
225 }
226
227 static void print_spaces(int count)
228 {
229         static const char s[] = "                    ";
230         while (count >= sizeof(s)) {
231                 fwrite(s, sizeof(s) - 1, 1, stdout);
232                 count -= sizeof(s) - 1;
233         }
234         fwrite(s, count, 1, stdout);
235 }
236
237 /*
238  * Wrap the text, if necessary. The variable indent is the indent for the
239  * first line, indent2 is the indent for all other lines.
240  * If indent is negative, assume that already -indent columns have been
241  * consumed (and no extra indent is necessary for the first line).
242  */
243 int print_wrapped_text(const char *text, int indent, int indent2, int width)
244 {
245         int w = indent, assume_utf8 = is_utf8(text);
246         const char *bol = text, *space = NULL;
247
248         if (indent < 0) {
249                 w = -indent;
250                 space = text;
251         }
252
253         for (;;) {
254                 char c = *text;
255                 if (!c || isspace(c)) {
256                         if (w < width || !space) {
257                                 const char *start = bol;
258                                 if (space)
259                                         start = space;
260                                 else
261                                         print_spaces(indent);
262                                 fwrite(start, text - start, 1, stdout);
263                                 if (!c)
264                                         return w;
265                                 else if (c == '\t')
266                                         w |= 0x07;
267                                 space = text;
268                                 w++;
269                                 text++;
270                         }
271                         else {
272                                 putchar('\n');
273                                 text = bol = space + isspace(*space);
274                                 space = NULL;
275                                 w = indent = indent2;
276                         }
277                         continue;
278                 }
279                 if (assume_utf8)
280                         w += utf8_width(&text);
281                 else {
282                         w++;
283                         text++;
284                 }
285         }
286         return w;
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