git.oblomov.eu Git - wine/blob - unicode/utf8.c

   1 /*
   2  * UTF-8 support routines
   3  *
   4  * Copyright 2000 Alexandre Julliard
   5  */
   6
   7 #include <string.h>
   8
   9 #include "winnls.h"
  10 #include "wine/unicode.h"
  11
  12 /* number of following bytes in sequence based on first byte value (for bytes above 0x7f) */
  13 static const char utf8_length[128] =
  14 {
  15     0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0, /* 0x80-0x8f */
  16     0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0, /* 0x90-0x9f */
  17     0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0, /* 0xa0-0xaf */
  18     0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0, /* 0xb0-0xbf */
  19     1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, /* 0xc0-0xcf */
  20     1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, /* 0xd0-0xdf */
  21     2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2, /* 0xe0-0xef */
  22     3,3,3,3,3,3,3,3,4,4,4,4,5,5,0,0  /* 0xf0-0xff */
  23 };
  24
  25 /* first byte mask depending on UTF-8 sequence length */
  26 static const unsigned char utf8_mask[6] = { 0x7f, 0x1f, 0x0f, 0x07, 0x03, 0x01 };
  27
  28 /* minimum Unicode value depending on UTF-8 sequence length */
  29 static const unsigned int utf8_minval[6] = { 0x0, 0x80, 0x800, 0x10000, 0x200000, 0x4000000 };
  30
  31
  32 /* query necessary dst length for src string */
  33 inline static int get_length_wcs_utf8( const WCHAR *src, unsigned int srclen )
  34 {
  35     int len;
  36     for (len = 0; srclen; srclen--, src++, len++)
  37     {
  38         if (*src >= 0x80)
  39         {
  40             len++;
  41             if (*src >= 0x800) len++;
  42         }
  43     }
  44     return len;
  45 }
  46
  47 /* wide char to UTF-8 string conversion */
  48 /* return -1 on dst buffer overflow */
  49 int utf8_wcstombs( const WCHAR *src, int srclen, char *dst, int dstlen )
  50 {
  51     int ret = srclen;
  52
  53     if (!dstlen) return get_length_wcs_utf8( src, srclen );
  54
  55     for (ret = srclen; srclen; srclen--, src++)
  56     {
  57         WCHAR ch = *src;
  58
  59         if (ch < 0x80)  /* 0x00-0x7f: 1 byte */
  60         {
  61             if (!dstlen--) return -1;  /* overflow */
  62             *dst++ = ch;
  63             continue;
  64         }
  65
  66         if (ch < 0x800)  /* 0x80-0x7ff: 2 bytes */
  67         {
  68             if ((dstlen -= 2) < 0) return -1;  /* overflow */
  69             dst[1] = 0x80 | (ch & 0x3f);
  70             ch >>= 6;
  71             dst[0] = 0xc0 | ch;
  72             dst += 2;
  73             continue;
  74         }
  75
  76         /* 0x800-0xffff: 3 bytes */
  77
  78         if ((dstlen -= 3) < 0) return -1;  /* overflow */
  79         dst[2] = 0x80 | (ch & 0x3f);
  80         ch >>= 6;
  81         dst[1] = 0x80 | (ch & 0x3f);
  82         ch >>= 6;
  83         dst[0] = 0xe0 | ch;
  84         dst += 3;
  85     }
  86     return ret;
  87 }
  88
  89 /* query necessary dst length for src string */
  90 inline static int get_length_mbs_utf8( const unsigned char *src, int srclen )
  91 {
  92     int ret;
  93     const unsigned char *srcend = src + srclen;
  94
  95     for (ret = 0; src < srcend; ret++)
  96     {
  97         unsigned char ch = *src++;
  98         if (ch < 0xc0) continue;
  99
 100         switch(utf8_length[ch-0x80])
 101         {
 102         case 5:
 103             if (src >= srcend) return ret;  /* ignore partial char */
 104             if ((ch = *src ^ 0x80) >= 0x40) continue;
 105             src++;
 106         case 4:
 107             if (src >= srcend) return ret;  /* ignore partial char */
 108             if ((ch = *src ^ 0x80) >= 0x40) continue;
 109             src++;
 110         case 3:
 111             if (src >= srcend) return ret;  /* ignore partial char */
 112             if ((ch = *src ^ 0x80) >= 0x40) continue;
 113             src++;
 114         case 2:
 115             if (src >= srcend) return ret;  /* ignore partial char */
 116             if ((ch = *src ^ 0x80) >= 0x40) continue;
 117             src++;
 118         case 1:
 119             if (src >= srcend) return ret;  /* ignore partial char */
 120             if ((ch = *src ^ 0x80) >= 0x40) continue;
 121             src++;
 122         }
 123     }
 124     return ret;
 125 }
 126
 127 /* UTF-8 to wide char string conversion */
 128 /* return -1 on dst buffer overflow, -2 on invalid input char */
 129 int utf8_mbstowcs( int flags, const char *src, int srclen, WCHAR *dst, int dstlen )
 130 {
 131     int len, count;
 132     unsigned int res;
 133     const char *srcend = src + srclen;
 134
 135     if (!dstlen) return get_length_mbs_utf8( src, srclen );
 136
 137     for (count = dstlen; count && (src < srcend); count--, dst++)
 138     {
 139         unsigned char ch = *src++;
 140         if (ch < 0x80)  /* special fast case for 7-bit ASCII */
 141         {
 142             *dst = ch;
 143             continue;
 144         }
 145         len = utf8_length[ch-0x80];
 146         res = ch & utf8_mask[len];
 147
 148         switch(len)
 149         {
 150         case 5:
 151             if (src >= srcend) goto done;  /* ignore partial char */
 152             if ((ch = *src ^ 0x80) >= 0x40) goto bad;
 153             res = (res << 6) | ch;
 154             src++;
 155         case 4:
 156             if (src >= srcend) goto done;  /* ignore partial char */
 157             if ((ch = *src ^ 0x80) >= 0x40) goto bad;
 158             res = (res << 6) | ch;
 159             src++;
 160         case 3:
 161             if (src >= srcend) goto done;  /* ignore partial char */
 162             if ((ch = *src ^ 0x80) >= 0x40) goto bad;
 163             res = (res << 6) | ch;
 164             src++;
 165         case 2:
 166             if (src >= srcend) goto done;  /* ignore partial char */
 167             if ((ch = *src ^ 0x80) >= 0x40) goto bad;
 168             res = (res << 6) | ch;
 169             src++;
 170         case 1:
 171             if (src >= srcend) goto done;  /* ignore partial char */
 172             if ((ch = *src ^ 0x80) >= 0x40) goto bad;
 173             res = (res << 6) | ch;
 174             src++;
 175             if (res < utf8_minval[len]) goto bad;
 176             if (res >= 0x10000) goto bad;  /* FIXME: maybe we should do surrogates here */
 177             *dst = res;
 178             continue;
 179         }
 180     bad:
 181         if (flags & MB_ERR_INVALID_CHARS) return -2;  /* bad char */
 182         *dst = (WCHAR)'?';
 183     }
 184     if (src < srcend) return -1;  /* overflow */
 185 done:
 186     return dstlen - count;
 187 }