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