lib/utf8.t

   1 #!./perl
   2
   3 BEGIN {
   4     chdir 't' if -d 't';
   5     @INC = '../lib';
   6     require './test.pl';
   7 }
   8
   9 # NOTE!
  10 #
  11 # Think carefully before adding tests here.  In general this should be
  12 # used only for about three categories of tests:
  13 #
  14 # (1) tests that absolutely require 'use utf8', and since that in general
  15 #     shouldn't be needed as the utf8 is being obsoleted, this should
  16 #     have rather few tests.  If you want to test Unicode and regexes,
  17 #     you probably want to go to op/regexp or op/pat; if you want to test
  18 #     split, go to op/split; pack, op/pack; appending or joining,
  19 #     op/append or op/join, and so forth
  20 #
  21 # (2) tests that have to do with Unicode tokenizing (though it's likely
  22 #     that all the other Unicode tests sprinkled around the t/**/*.t are
  23 #     going to catch that)
  24 #
  25 # (3) complicated tests that simultaneously stress so many Unicode features
  26 #     that deciding into which other test script the tests should go to
  27 #     is hard -- maybe consider breaking up the complicated test
  28 #
  29 #
  30
  31 plan tests => 31;
  32
  33 {
  34     # bug id 20001009.001
  35
  36     my ($a, $b);
  37
  38     { use bytes; $a = "\xc3\xa4" }
  39     { use utf8;  $b = "\xe4"     }
  40
  41     my $test = 68;
  42
  43     ok($a ne $b);
  44
  45     { use utf8; ok($a ne $b) }
  46 }
  47
  48
  49 {
  50     # bug id 20000730.004
  51
  52     my $smiley = "\x{263a}";
  53
  54     for my $s ("\x{263a}",
  55                $smiley,
  56
  57                "" . $smiley,
  58                "" . "\x{263a}",
  59
  60                $smiley    . "",
  61                "\x{263a}" . "",
  62                ) {
  63         my $length_chars = length($s);
  64         my $length_bytes;
  65         { use bytes; $length_bytes = length($s) }
  66         my @regex_chars = $s =~ m/(.)/g;
  67         my $regex_chars = @regex_chars;
  68         my @split_chars = split //, $s;
  69         my $split_chars = @split_chars;
  70         ok("$length_chars/$regex_chars/$split_chars/$length_bytes" eq
  71            "1/1/1/3");
  72     }
  73
  74     for my $s ("\x{263a}" . "\x{263a}",
  75                $smiley    . $smiley,
  76
  77                "\x{263a}\x{263a}",
  78                "$smiley$smiley",
  79
  80                "\x{263a}" x 2,
  81                $smiley    x 2,
  82                ) {
  83         my $length_chars = length($s);
  84         my $length_bytes;
  85         { use bytes; $length_bytes = length($s) }
  86         my @regex_chars = $s =~ m/(.)/g;
  87         my $regex_chars = @regex_chars;
  88         my @split_chars = split //, $s;
  89         my $split_chars = @split_chars;
  90         ok("$length_chars/$regex_chars/$split_chars/$length_bytes" eq
  91            "2/2/2/6");
  92     }
  93 }
  94
  95
  96 {
  97     my $w = 0;
  98     local $SIG{__WARN__} = sub { print "#($_[0])\n"; $w++ };
  99     my $x = eval q/"\\/ . "\x{100}" . q/"/;;
 100
 101     ok($w == 0 && $x eq "\x{100}");
 102 }
 103
 104 {
 105     use warnings;
 106     my $progfile = 'utf' . $$;
 107     END {unlink_all $progfile}
 108
 109     # If I'm right 60 is '>' in ASCII, ' ' in EBCDIC
 110     # 173 is not punctuation in either ASCII or EBCDIC
 111     my (@char);
 112     foreach (60, 173, 257, 65532) {
 113       my $char = chr $_;
 114       utf8::encode($char);
 115       # I don't want to use map {ord} and I've no need to hardcode the UTF
 116       # version
 117       my $charsubst = $char;
 118       $charsubst =~ s/(.)/ord ($1) . ','/ge;
 119       chop $charsubst;
 120       push @char, [$_, $char, $charsubst];
 121     }
 122     foreach (
 123              ['check our detection program works',
 124               '@a = ("'.chr(60).'\x2A", ""); display @a', qr/^>60,42<><$/],
 125              ['check literal 8 bit input',
 126               '$a = "' . chr (173) . '"; display $a', qr/^>173<$/],
 127              ['check no utf8; makes no change',
 128               'no utf8; $a = "' . chr (173) . '"; display $a', qr/^>173<$/],
 129              # Now we do the real byte sequences that are valid UTF8
 130              (map {
 131                ["the utf8 sequence for chr $_->[0]",
 132                 qq(\$a = "$_->[1]"; display \$a), qr/^>$_->[2]<$/],
 133                ["no utf8; for the utf8 sequence for chr $_->[0]",
 134                 qq(no utf8; \$a = "$_->[1]"; display \$a), qr/^>$_->[2]<$/],
 135                ["use utf8; for the utf8 sequence for chr $_->[0]",
 136                 qq(use utf8; \$a = "$_->[1]"; display \$a), qr/^>$_->[0]<$/],
 137               } @char),
 138              # Interpolation of hex characters needs to take place now, as we're
 139              # testing feeding malformed utf8 into perl. Bug now fixed was an
 140              # "out of memory" error. We really need the "" [rather than qq()
 141              # or q()] to get the best explosion.
 142              ["!Feed malformed utf8 into perl.", <<"BANG",
 143     use utf8; %a = ("\xE1\xA0"=>"sterling");
 144     print 'start'; printf '%x,', ord \$_ foreach keys %a; print "end\n";
 145 BANG
 146               qr/^Malformed UTF-8 character \(2 bytes, need 3\).*start\d+,end$/s
 147              ],
 148             ) {
 149         my ($why, $prog, $expect) = @$_;
 150         open P, ">$progfile" or die "Can't open '$progfile': $!";
 151         print P q(
 152                   sub display {
 153                     print '>' . join (',', map {ord} split //, $_) . '<'
 154                     foreach @_;
 155                   }
 156                  );
 157         print P $prog;
 158         close P or die "Can't close '$progfile': $!";
 159         if ($why =~ s/^!//) {
 160             print "# Possible delay...\n";
 161         } else {
 162             print "# $prog\n";
 163         }
 164         my $result = runperl ( stderr => 1, progfile => $progfile );
 165         like ($result, $expect, $why);
 166     }
 167 }