include/ui/console.h: Delete is_surface_bgr()
[qemu/ar7.git] / util / unicode.c
blob8580bc598b3391f80854b0b0971470d62638b26e
1 /*
2  * Dealing with Unicode
3  *
4  * Copyright (C) 2013 Red Hat, Inc.
5  *
6  * Authors:
7  *  Markus Armbruster <armbru@redhat.com>
8  *
9  * This work is licensed under the terms of the GNU GPL, version 2 or
10  * later.  See the COPYING file in the top-level directory.
11  */
13 #include "qemu/osdep.h"
14 #include "qemu/unicode.h"
16 static bool is_valid_codepoint(int codepoint)
18     if (codepoint > 0x10FFFFu) {
19         return false;            /* beyond Unicode range */
20     }
21     if ((codepoint >= 0xFDD0 && codepoint <= 0xFDEF)
22         || (codepoint & 0xFFFE) == 0xFFFE) {
23         return false;            /* noncharacter */
24     }
25     if (codepoint >= 0xD800 && codepoint <= 0xDFFF) {
26         return false;            /* surrogate code point */
27     }
28     return true;
31 /**
32  * mod_utf8_codepoint:
33  * @s: string encoded in modified UTF-8
34  * @n: maximum number of bytes to read from @s, if less than 6
35  * @end: set to end of sequence on return
36  *
37  * Convert the modified UTF-8 sequence at the start of @s.  Modified
38  * UTF-8 is exactly like UTF-8, except U+0000 is encoded as
39  * "\xC0\x80".
40  *
41  * If @n is zero or @s points to a zero byte, the sequence is invalid,
42  * and @end is set to @s.
43  *
44  * If @s points to an impossible byte (0xFE or 0xFF) or a continuation
45  * byte, the sequence is invalid, and @end is set to @s + 1
46  *
47  * Else, the first byte determines how many continuation bytes are
48  * expected.  If there are fewer, the sequence is invalid, and @end is
49  * set to @s + 1 + actual number of continuation bytes.  Else, the
50  * sequence is well-formed, and @end is set to @s + 1 + expected
51  * number of continuation bytes.
52  *
53  * A well-formed sequence is valid unless it encodes a codepoint
54  * outside the Unicode range U+0000..U+10FFFF, one of Unicode's 66
55  * noncharacters, a surrogate codepoint, or is overlong.  Except the
56  * overlong sequence "\xC0\x80" is valid.
57  *
58  * Conversion succeeds if and only if the sequence is valid.
59  *
60  * Returns: the Unicode codepoint on success, -1 on failure.
61  */
62 int mod_utf8_codepoint(const char *s, size_t n, char **end)
64     static int min_cp[5] = { 0x80, 0x800, 0x10000, 0x200000, 0x4000000 };
65     const unsigned char *p;
66     unsigned byte, mask, len, i;
67     int cp;
69     if (n == 0 || *s == 0) {
70         /* empty sequence */
71         *end = (char *)s;
72         return -1;
73     }
75     p = (const unsigned char *)s;
76     byte = *p++;
77     if (byte < 0x80) {
78         cp = byte;              /* one byte sequence */
79     } else if (byte >= 0xFE) {
80         cp = -1;                /* impossible bytes 0xFE, 0xFF */
81     } else if ((byte & 0x40) == 0) {
82         cp = -1;                /* unexpected continuation byte */
83     } else {
84         /* multi-byte sequence */
85         len = 0;
86         for (mask = 0x80; byte & mask; mask >>= 1) {
87             len++;
88         }
89         assert(len > 1 && len < 7);
90         cp = byte & (mask - 1);
91         for (i = 1; i < len; i++) {
92             byte = i < n ? *p : 0;
93             if ((byte & 0xC0) != 0x80) {
94                 cp = -1;        /* continuation byte missing */
95                 goto out;
96             }
97             p++;
98             cp <<= 6;
99             cp |= byte & 0x3F;
100         }
101         if (!is_valid_codepoint(cp)) {
102             cp = -1;
103         } else if (cp < min_cp[len - 2] && !(cp == 0 && len == 2)) {
104             cp = -1;            /* overlong, not \xC0\x80 */
105         }
106     }
108 out:
109     *end = (char *)p;
110     return cp;
114  * mod_utf8_encode:
115  * @buf: Destination buffer
116  * @bufsz: size of @buf, at least 5.
117  * @codepoint: Unicode codepoint to encode
119  * Convert Unicode codepoint @codepoint to modified UTF-8.
121  * Returns: the length of the UTF-8 sequence on success, -1 when
122  * @codepoint is invalid.
123  */
124 ssize_t mod_utf8_encode(char buf[], size_t bufsz, int codepoint)
126     assert(bufsz >= 5);
128     if (!is_valid_codepoint(codepoint)) {
129         return -1;
130     }
132     if (codepoint > 0 && codepoint <= 0x7F) {
133         buf[0] = codepoint & 0x7F;
134         buf[1] = 0;
135         return 1;
136     }
137     if (codepoint <= 0x7FF) {
138         buf[0] = 0xC0 | ((codepoint >> 6) & 0x1F);
139         buf[1] = 0x80 | (codepoint & 0x3F);
140         buf[2] = 0;
141         return 2;
142     }
143     if (codepoint <= 0xFFFF) {
144         buf[0] = 0xE0 | ((codepoint >> 12) & 0x0F);
145         buf[1] = 0x80 | ((codepoint >> 6) & 0x3F);
146         buf[2] = 0x80 | (codepoint & 0x3F);
147         buf[3] = 0;
148         return 3;
149     }
150     buf[0] = 0xF0 | ((codepoint >> 18) & 0x07);
151     buf[1] = 0x80 | ((codepoint >> 12) & 0x3F);
152     buf[2] = 0x80 | ((codepoint >> 6) & 0x3F);
153     buf[3] = 0x80 | (codepoint & 0x3F);
154     buf[4] = 0;
155     return 4;