utf8.c

   1 /*    utf8.c
   2  *
   3  *    Copyright (c) 1998-2000, Larry Wall
   4  *
   5  *    You may distribute under the terms of either the GNU General Public
   6  *    License or the Artistic License, as specified in the README file.
   7  *
   8  */
   9
  10 /*
  11  * 'What a fix!' said Sam. 'That's the one place in all the lands we've ever
  12  * heard of that we don't want to see any closer; and that's the one place
  13  * we're trying to get to!  And that's just where we can't get, nohow.'
  14  *
  15  * 'Well do I understand your speech,' he answered in the same language;
  16  * 'yet few strangers do so.  Why then do you not speak in the Common Tongue,
  17  * as is the custom in the West, if you wish to be answered?'
  18  *
  19  * ...the travellers perceived that the floor was paved with stones of many
  20  * hues; branching runes and strange devices intertwined beneath their feet.
  21  */
  22
  23 #include "EXTERN.h"
  24 #define PERL_IN_UTF8_C
  25 #include "perl.h"
  26
  27 /* Unicode support */
  28
  29 U8 *
  30 Perl_uv_to_utf8(pTHX_ U8 *d, UV uv)
  31 {
  32     if (uv < 0x80) {
  33         *d++ = uv;
  34         return d;
  35     }
  36     if (uv < 0x800) {
  37         *d++ = (( uv >>  6)         | 0xc0);
  38         *d++ = (( uv        & 0x3f) | 0x80);
  39         return d;
  40     }
  41     if (uv < 0x10000) {
  42         *d++ = (( uv >> 12)         | 0xe0);
  43         *d++ = (((uv >>  6) & 0x3f) | 0x80);
  44         *d++ = (( uv        & 0x3f) | 0x80);
  45         return d;
  46     }
  47     if (uv < 0x200000) {
  48         *d++ = (( uv >> 18)         | 0xf0);
  49         *d++ = (((uv >> 12) & 0x3f) | 0x80);
  50         *d++ = (((uv >>  6) & 0x3f) | 0x80);
  51         *d++ = (( uv        & 0x3f) | 0x80);
  52         return d;
  53     }
  54     if (uv < 0x4000000) {
  55         *d++ = (( uv >> 24)         | 0xf8);
  56         *d++ = (((uv >> 18) & 0x3f) | 0x80);
  57         *d++ = (((uv >> 12) & 0x3f) | 0x80);
  58         *d++ = (((uv >>  6) & 0x3f) | 0x80);
  59         *d++ = (( uv        & 0x3f) | 0x80);
  60         return d;
  61     }
  62     if (uv < 0x80000000) {
  63         *d++ = (( uv >> 30)         | 0xfc);
  64         *d++ = (((uv >> 24) & 0x3f) | 0x80);
  65         *d++ = (((uv >> 18) & 0x3f) | 0x80);
  66         *d++ = (((uv >> 12) & 0x3f) | 0x80);
  67         *d++ = (((uv >>  6) & 0x3f) | 0x80);
  68         *d++ = (( uv        & 0x3f) | 0x80);
  69         return d;
  70     }
  71 #ifdef HAS_QUAD
  72     if (uv < 0x1000000000LL)
  73 #endif
  74     {
  75         *d++ =                        0xfe;     /* Can't match U+FEFF! */
  76         *d++ = (((uv >> 30) & 0x3f) | 0x80);
  77         *d++ = (((uv >> 24) & 0x3f) | 0x80);
  78         *d++ = (((uv >> 18) & 0x3f) | 0x80);
  79         *d++ = (((uv >> 12) & 0x3f) | 0x80);
  80         *d++ = (((uv >>  6) & 0x3f) | 0x80);
  81         *d++ = (( uv        & 0x3f) | 0x80);
  82         return d;
  83     }
  84 #ifdef HAS_QUAD
  85     {
  86         *d++ =                        0xff;     /* Can't match U+FFFE! */
  87         *d++ =                        0x80;     /* 6 Reserved bits */
  88         *d++ = (((uv >> 60) & 0x0f) | 0x80);    /* 2 Reserved bits */
  89         *d++ = (((uv >> 54) & 0x3f) | 0x80);
  90         *d++ = (((uv >> 48) & 0x3f) | 0x80);
  91         *d++ = (((uv >> 42) & 0x3f) | 0x80);
  92         *d++ = (((uv >> 36) & 0x3f) | 0x80);
  93         *d++ = (((uv >> 30) & 0x3f) | 0x80);
  94         *d++ = (((uv >> 24) & 0x3f) | 0x80);
  95         *d++ = (((uv >> 18) & 0x3f) | 0x80);
  96         *d++ = (((uv >> 12) & 0x3f) | 0x80);
  97         *d++ = (((uv >>  6) & 0x3f) | 0x80);
  98         *d++ = (( uv        & 0x3f) | 0x80);
  99         return d;
 100     }
 101 #endif
 102 }
 103
 104 /* Tests if some arbitrary number of bytes begins in a valid UTF-8 character.
 105  * The actual number of bytes in the UTF-8 character will be returned if it
 106  * is valid, otherwise 0. */
 107 STRLEN
 108 Perl_is_utf8_char(pTHX_ U8 *s)
 109 {
 110     U8 u = *s;
 111     STRLEN slen, len;
 112     UV uv, ouv;
 113
 114     if (u <= 0x7f)
 115         return 1;
 116
 117     if (u >= 0x80 && u <= 0xbf)
 118         return 0;
 119
 120     len = UTF8SKIP(s);
 121
 122     if (len < 2 || (u >= 0xc0 && u <= 0xfd && s[1] < 0x80))
 123         return 0;
 124
 125     slen = len - 1;
 126     s++;
 127     uv = u;
 128     ouv = uv;
 129     while (slen--) {
 130         if ((*s & 0xc0) != 0x80)
 131             return 0;
 132         uv = (uv << 6) | (*s & 0x3f);
 133         if (uv < ouv)
 134             return 0;
 135         ouv = uv;
 136         s++;
 137     }
 138
 139     if (UNISKIP(uv) < len)
 140         return 0;
 141
 142     return len;
 143 }
 144
 145 /*
 146 =for apidoc Am|is_utf8_string|U8 *s|STRLEN len
 147
 148 Returns true if first C<len> bytes of the given string form valid a UTF8
 149 string, false otherwise.
 150
 151 =cut
 152 */
 153
 154 bool
 155 Perl_is_utf8_string(pTHX_ U8 *s, STRLEN len)
 156 {
 157     U8* x = s;
 158     U8* send = s + len;
 159     STRLEN c;
 160
 161     while (x < send) {
 162         c = is_utf8_char(x);
 163         if (!c)
 164             return FALSE;
 165         x += c;
 166         if (x > send)
 167             return FALSE;
 168     }
 169
 170     return TRUE;
 171 }
 172
 173 /*
 174 =for apidoc Am|U8* s|utf8_to_uv|STRLEN curlen|I32 *retlen|U32 flags
 175
 176 Returns the character value of the first character in the string C<s>
 177 which is assumed to be in UTF8 encoding and no longer than C<curlen>;
 178 C<retlen> will be set to the length, in bytes, of that character,
 179 and the pointer C<s> will be advanced to the end of the character.
 180
 181 If C<s> does not point to a well-formed UTF8 character, the behaviour
 182 is dependent on the value of C<flags>: if it contains UTF8_CHECK_ONLY,
 183 it is assumed that the caller will raise a warning, and this function
 184 will set C<retlen> to C<-1> and return.  The C<flags> can also contain
 185 various flags to allow deviations from the strict UTF-8 encoding.
 186
 187 =cut */
 188
 189 UV
 190 Perl_utf8_to_uv(pTHX_ U8* s, STRLEN curlen, STRLEN* retlen, U32 flags)
 191 {
 192     dTHR;
 193     UV uv = *s, ouv;
 194     STRLEN len = 1;
 195     bool dowarn = ckWARN_d(WARN_UTF8);
 196     STRLEN expectlen = 0;
 197
 198     if (uv <= 0x7f) { /* Pure ASCII. */
 199         if (retlen)
 200             *retlen = 1;
 201         return *s;
 202     }
 203
 204     if ((uv >= 0x80 && uv <= 0xbf) &&
 205         !(flags & UTF8_ALLOW_CONTINUATION)) {
 206         if (dowarn)
 207             Perl_warner(aTHX_ WARN_UTF8,
 208                         "Malformed UTF-8 character (unexpected continuation byte 0x%02"UVxf")",
 209                         uv);
 210         goto malformed;
 211     }
 212
 213     if ((uv >= 0xc0 && uv <= 0xfd && curlen >1 && s[1] < 0x80) &&
 214         !(flags & UTF8_ALLOW_NON_CONTINUATION)) {
 215         if (dowarn)
 216             Perl_warner(aTHX_ WARN_UTF8,
 217                         "Malformed UTF-8 character (unexpected non-continuation byte 0x%02"UVxf" after byte 0x%02"UVxf")",
 218                         s[1], uv);
 219         goto malformed;
 220     }
 221
 222     if ((uv == 0xfe || uv == 0xff) &&
 223         !(flags & UTF8_ALLOW_FE_FF)) {
 224         if (dowarn)
 225             Perl_warner(aTHX_ WARN_UTF8,
 226                         "Malformed UTF-8 character (byte 0x%02"UVxf")",
 227                         uv);
 228         goto malformed;
 229     }
 230
 231     if      (!(uv & 0x20))      { len =  2; uv &= 0x1f; }
 232     else if (!(uv & 0x10))      { len =  3; uv &= 0x0f; }
 233     else if (!(uv & 0x08))      { len =  4; uv &= 0x07; }
 234     else if (!(uv & 0x04))      { len =  5; uv &= 0x03; }
 235     else if (!(uv & 0x02))      { len =  6; uv &= 0x01; }
 236     else if (!(uv & 0x01))      { len =  7; uv = 0; }
 237     else                        { len = 13; uv = 0; } /* whoa! */
 238
 239     if (retlen)
 240         *retlen = len;
 241
 242     expectlen = len;
 243
 244     if ((curlen < expectlen) &&
 245         !(flags & UTF8_ALLOW_SHORT)) {
 246         if (dowarn)
 247             Perl_warner(aTHX_ WARN_UTF8,
 248                         "Malformed UTF-8 character (%d byte%s, need %d)",
 249                         curlen, curlen > 1 ? "s" : "", expectlen);
 250         goto malformed;
 251     }
 252
 253     len--;
 254     s++;
 255     ouv = uv;
 256
 257     while (len--) {
 258         if ((*s & 0xc0) != 0x80) {
 259             if (dowarn)
 260                 Perl_warner(aTHX_ WARN_UTF8,
 261                             "Malformed UTF-8 character (unexpected continuation byte 0x%02x)",
 262                             *s);
 263             goto malformed;
 264         }
 265         else
 266             uv = (uv << 6) | (*s & 0x3f);
 267         if (uv < ouv) {
 268             /* This cannot be allowed. */
 269             if (dowarn)
 270                 Perl_warner(aTHX_ WARN_UTF8,
 271                             "Malformed UTF-8 character (overflow at 0x%"UVxf", byte 0x%02x)",
 272                             ouv, *s);
 273             goto malformed;
 274         }
 275         s++;
 276         ouv = uv;
 277     }
 278
 279     if ((uv >= 0xd800 && uv <= 0xdfff) &&
 280         !(flags & UTF8_ALLOW_SURROGATE)) {
 281         if (dowarn)
 282             Perl_warner(aTHX_ WARN_UTF8,
 283                         "Malformed UTF-8 character (UTF-16 surrogate 0x%04"UVxf")",
 284                         uv);
 285         goto malformed;
 286     } else if ((uv == 0xfffe) &&
 287                !(flags & UTF8_ALLOW_BOM)) {
 288         if (dowarn)
 289             Perl_warner(aTHX_ WARN_UTF8,
 290                         "Malformed UTF-8 character (byte order mark 0x%04"UVxf")",
 291                         uv);
 292         goto malformed;
 293     } else if ((uv == 0xffff) &&
 294                !(flags & UTF8_ALLOW_FFFF)) {
 295         if (dowarn)
 296             Perl_warner(aTHX_ WARN_UTF8,
 297                         "Malformed UTF-8 character (character 0x%04"UVxf")",
 298                         uv);
 299         goto malformed;
 300     } else if ((expectlen > UNISKIP(uv)) &&
 301                !(flags & UTF8_ALLOW_LONG)) {
 302         if (dowarn)
 303             Perl_warner(aTHX_ WARN_UTF8,
 304                         "Malformed UTF-8 character (%d byte%s, need %d)",
 305                         expectlen, expectlen > 1 ? "s": "", UNISKIP(uv));
 306         goto malformed;
 307     }
 308
 309     return uv;
 310
 311 malformed:
 312
 313     if (flags & UTF8_CHECK_ONLY) {
 314         if (retlen)
 315             *retlen = len;
 316         return 0;
 317     }
 318
 319     if (retlen)
 320         *retlen = -1;
 321
 322     return UNICODE_REPLACEMENT_CHARACTER;
 323 }
 324
 325 /*
 326 =for apidoc Am|U8* s|utf8_to_uv_simple|STRLEN *retlen
 327
 328 Returns the character value of the first character in the string C<s>
 329 which is assumed to be in UTF8 encoding; C<retlen> will be set to the
 330 length, in bytes, of that character, and the pointer C<s> will be
 331 advanced to the end of the character.
 332
 333 If C<s> does not point to a well-formed UTF8 character, zero is
 334 returned and retlen is set, if possible, to -1.
 335
 336 =cut
 337 */
 338
 339 UV
 340 Perl_utf8_to_uv_simple(pTHX_ U8* s, STRLEN* retlen)
 341 {
 342     return Perl_utf8_to_uv(aTHX_ s, (STRLEN)-1, retlen, 0);
 343 }
 344
 345 /* utf8_distance(a,b) returns the number of UTF8 characters between
 346    the pointers a and b                                                 */
 347
 348 I32
 349 Perl_utf8_distance(pTHX_ U8 *a, U8 *b)
 350 {
 351     I32 off = 0;
 352     if (a < b) {
 353         while (a < b) {
 354             a += UTF8SKIP(a);
 355             off--;
 356         }
 357     }
 358     else {
 359         while (b < a) {
 360             b += UTF8SKIP(b);
 361             off++;
 362         }
 363     }
 364     return off;
 365 }
 366
 367 /* WARNING: do not use the following unless you *know* off is within bounds */
 368
 369 U8 *
 370 Perl_utf8_hop(pTHX_ U8 *s, I32 off)
 371 {
 372     if (off >= 0) {
 373         while (off--)
 374             s += UTF8SKIP(s);
 375     }
 376     else {
 377         while (off++) {
 378             s--;
 379             if (*s & 0x80) {
 380                 while ((*s & 0xc0) == 0x80)
 381                     s--;
 382             }
 383         }
 384     }
 385     return s;
 386 }
 387
 388 /*
 389 =for apidoc Am|U8 *|utf8_to_bytes|U8 *s|STRLEN *len
 390
 391 Converts a string C<s> of length C<len> from UTF8 into byte encoding.
 392 Unlike C<bytes_to_utf8>, this over-writes the original string, and
 393 updates len to contain the new length.
 394 Returns zero on failure, setting C<len> to -1.
 395
 396 =cut
 397 */
 398
 399 U8 *
 400 Perl_utf8_to_bytes(pTHX_ U8* s, STRLEN *len)
 401 {
 402     U8 *send;
 403     U8 *d;
 404     U8 *save = s;
 405
 406     /* ensure valid UTF8 and chars < 256 before updating string */
 407     for (send = s + *len; s < send; ) {
 408         U8 c = *s++;
 409
 410         if (c >= 0x80 &&
 411             ((s >= send) ||
 412              ((*s++ & 0xc0) != 0x80) || ((c & 0xfe) != 0xc2))) {
 413             *len = -1;
 414             return 0;
 415         }
 416     }
 417
 418     d = s = save;
 419     while (s < send) {
 420         if (*s < 0x80) {
 421             *d++ = *s++;
 422         }
 423         else {
 424             STRLEN ulen;
 425             *d++ = (U8)utf8_to_uv_simple(s, &ulen);
 426             s += ulen;
 427         }
 428     }
 429     *d = '\0';
 430     *len = d - save;
 431     return save;
 432 }
 433
 434 /*
 435 =for apidoc Am|U8 *|bytes_to_utf8|U8 *s|STRLEN *len
 436
 437 Converts a string C<s> of length C<len> from ASCII into UTF8 encoding.
 438 Returns a pointer to the newly-created string, and sets C<len> to
 439 reflect the new length.
 440
 441 =cut
 442 */
 443
 444 U8*
 445 Perl_bytes_to_utf8(pTHX_ U8* s, STRLEN *len)
 446 {
 447     dTHR;
 448     U8 *send;
 449     U8 *d;
 450     U8 *dst;
 451     send = s + (*len);
 452
 453     Newz(801, d, (*len) * 2 + 1, U8);
 454     dst = d;
 455
 456     while (s < send) {
 457         if (*s < 0x80)
 458             *d++ = *s++;
 459         else {
 460             UV uv = *s++;
 461             *d++ = (( uv >>  6)         | 0xc0);
 462             *d++ = (( uv        & 0x3f) | 0x80);
 463         }
 464     }
 465     *d = '\0';
 466     *len = d-dst;
 467     return dst;
 468 }
 469
 470 /*
 471  * Convert native (big-endian) or reversed (little-endian) UTF-16 to UTF-8.
 472  *
 473  * Destination must be pre-extended to 3/2 source.  Do not use in-place.
 474  * We optimize for native, for obvious reasons. */
 475
 476 U8*
 477 Perl_utf16_to_utf8(pTHX_ U8* p, U8* d, I32 bytelen, I32 *newlen)
 478 {
 479     U8* pend;
 480     U8* dstart = d;
 481
 482     if (bytelen & 1)
 483         Perl_croak(aTHX_ "panic: utf16_to_utf8: odd bytelen");
 484
 485     pend = p + bytelen;
 486
 487     while (p < pend) {
 488         UV uv = (p[0] << 8) + p[1]; /* UTF-16BE */
 489         p += 2;
 490         if (uv < 0x80) {
 491             *d++ = uv;
 492             continue;
 493         }
 494         if (uv < 0x800) {
 495             *d++ = (( uv >>  6)         | 0xc0);
 496             *d++ = (( uv        & 0x3f) | 0x80);
 497             continue;
 498         }
 499         if (uv >= 0xd800 && uv < 0xdbff) {      /* surrogates */
 500             dTHR;
 501             UV low = *p++;
 502             if (low < 0xdc00 || low >= 0xdfff)
 503                 Perl_croak(aTHX_ "Malformed UTF-16 surrogate");
 504             uv = ((uv - 0xd800) << 10) + (low - 0xdc00) + 0x10000;
 505         }
 506         if (uv < 0x10000) {
 507             *d++ = (( uv >> 12)         | 0xe0);
 508             *d++ = (((uv >>  6) & 0x3f) | 0x80);
 509             *d++ = (( uv        & 0x3f) | 0x80);
 510             continue;
 511         }
 512         else {
 513             *d++ = (( uv >> 18)         | 0xf0);
 514             *d++ = (((uv >> 12) & 0x3f) | 0x80);
 515             *d++ = (((uv >>  6) & 0x3f) | 0x80);
 516             *d++ = (( uv        & 0x3f) | 0x80);
 517             continue;
 518         }
 519     }
 520     *newlen = d - dstart;
 521     return d;
 522 }
 523
 524 /* Note: this one is slightly destructive of the source. */
 525
 526 U8*
 527 Perl_utf16_to_utf8_reversed(pTHX_ U8* p, U8* d, I32 bytelen, I32 *newlen)
 528 {
 529     U8* s = (U8*)p;
 530     U8* send = s + bytelen;
 531     while (s < send) {
 532         U8 tmp = s[0];
 533         s[0] = s[1];
 534         s[1] = tmp;
 535         s += 2;
 536     }
 537     return utf16_to_utf8(p, d, bytelen, newlen);
 538 }
 539
 540 /* for now these are all defined (inefficiently) in terms of the utf8 versions */
 541
 542 bool
 543 Perl_is_uni_alnum(pTHX_ U32 c)
 544 {
 545     U8 tmpbuf[UTF8_MAXLEN];
 546     uv_to_utf8(tmpbuf, (UV)c);
 547     return is_utf8_alnum(tmpbuf);
 548 }
 549
 550 bool
 551 Perl_is_uni_alnumc(pTHX_ U32 c)
 552 {
 553     U8 tmpbuf[UTF8_MAXLEN];
 554     uv_to_utf8(tmpbuf, (UV)c);
 555     return is_utf8_alnumc(tmpbuf);
 556 }
 557
 558 bool
 559 Perl_is_uni_idfirst(pTHX_ U32 c)
 560 {
 561     U8 tmpbuf[UTF8_MAXLEN];
 562     uv_to_utf8(tmpbuf, (UV)c);
 563     return is_utf8_idfirst(tmpbuf);
 564 }
 565
 566 bool
 567 Perl_is_uni_alpha(pTHX_ U32 c)
 568 {
 569     U8 tmpbuf[UTF8_MAXLEN];
 570     uv_to_utf8(tmpbuf, (UV)c);
 571     return is_utf8_alpha(tmpbuf);
 572 }
 573
 574 bool
 575 Perl_is_uni_ascii(pTHX_ U32 c)
 576 {
 577     U8 tmpbuf[UTF8_MAXLEN];
 578     uv_to_utf8(tmpbuf, (UV)c);
 579     return is_utf8_ascii(tmpbuf);
 580 }
 581
 582 bool
 583 Perl_is_uni_space(pTHX_ U32 c)
 584 {
 585     U8 tmpbuf[UTF8_MAXLEN];
 586     uv_to_utf8(tmpbuf, (UV)c);
 587     return is_utf8_space(tmpbuf);
 588 }
 589
 590 bool
 591 Perl_is_uni_digit(pTHX_ U32 c)
 592 {
 593     U8 tmpbuf[UTF8_MAXLEN];
 594     uv_to_utf8(tmpbuf, (UV)c);
 595     return is_utf8_digit(tmpbuf);
 596 }
 597
 598 bool
 599 Perl_is_uni_upper(pTHX_ U32 c)
 600 {
 601     U8 tmpbuf[UTF8_MAXLEN];
 602     uv_to_utf8(tmpbuf, (UV)c);
 603     return is_utf8_upper(tmpbuf);
 604 }
 605
 606 bool
 607 Perl_is_uni_lower(pTHX_ U32 c)
 608 {
 609     U8 tmpbuf[UTF8_MAXLEN];
 610     uv_to_utf8(tmpbuf, (UV)c);
 611     return is_utf8_lower(tmpbuf);
 612 }
 613
 614 bool
 615 Perl_is_uni_cntrl(pTHX_ U32 c)
 616 {
 617     U8 tmpbuf[UTF8_MAXLEN];
 618     uv_to_utf8(tmpbuf, (UV)c);
 619     return is_utf8_cntrl(tmpbuf);
 620 }
 621
 622 bool
 623 Perl_is_uni_graph(pTHX_ U32 c)
 624 {
 625     U8 tmpbuf[UTF8_MAXLEN];
 626     uv_to_utf8(tmpbuf, (UV)c);
 627     return is_utf8_graph(tmpbuf);
 628 }
 629
 630 bool
 631 Perl_is_uni_print(pTHX_ U32 c)
 632 {
 633     U8 tmpbuf[UTF8_MAXLEN];
 634     uv_to_utf8(tmpbuf, (UV)c);
 635     return is_utf8_print(tmpbuf);
 636 }
 637
 638 bool
 639 Perl_is_uni_punct(pTHX_ U32 c)
 640 {
 641     U8 tmpbuf[UTF8_MAXLEN];
 642     uv_to_utf8(tmpbuf, (UV)c);
 643     return is_utf8_punct(tmpbuf);
 644 }
 645
 646 bool
 647 Perl_is_uni_xdigit(pTHX_ U32 c)
 648 {
 649     U8 tmpbuf[UTF8_MAXLEN];
 650     uv_to_utf8(tmpbuf, (UV)c);
 651     return is_utf8_xdigit(tmpbuf);
 652 }
 653
 654 U32
 655 Perl_to_uni_upper(pTHX_ U32 c)
 656 {
 657     U8 tmpbuf[UTF8_MAXLEN];
 658     uv_to_utf8(tmpbuf, (UV)c);
 659     return to_utf8_upper(tmpbuf);
 660 }
 661
 662 U32
 663 Perl_to_uni_title(pTHX_ U32 c)
 664 {
 665     U8 tmpbuf[UTF8_MAXLEN];
 666     uv_to_utf8(tmpbuf, (UV)c);
 667     return to_utf8_title(tmpbuf);
 668 }
 669
 670 U32
 671 Perl_to_uni_lower(pTHX_ U32 c)
 672 {
 673     U8 tmpbuf[UTF8_MAXLEN];
 674     uv_to_utf8(tmpbuf, (UV)c);
 675     return to_utf8_lower(tmpbuf);
 676 }
 677
 678 /* for now these all assume no locale info available for Unicode > 255 */
 679
 680 bool
 681 Perl_is_uni_alnum_lc(pTHX_ U32 c)
 682 {
 683     return is_uni_alnum(c);     /* XXX no locale support yet */
 684 }
 685
 686 bool
 687 Perl_is_uni_alnumc_lc(pTHX_ U32 c)
 688 {
 689     return is_uni_alnumc(c);    /* XXX no locale support yet */
 690 }
 691
 692 bool
 693 Perl_is_uni_idfirst_lc(pTHX_ U32 c)
 694 {
 695     return is_uni_idfirst(c);   /* XXX no locale support yet */
 696 }
 697
 698 bool
 699 Perl_is_uni_alpha_lc(pTHX_ U32 c)
 700 {
 701     return is_uni_alpha(c);     /* XXX no locale support yet */
 702 }
 703
 704 bool
 705 Perl_is_uni_ascii_lc(pTHX_ U32 c)
 706 {
 707     return is_uni_ascii(c);     /* XXX no locale support yet */
 708 }
 709
 710 bool
 711 Perl_is_uni_space_lc(pTHX_ U32 c)
 712 {
 713     return is_uni_space(c);     /* XXX no locale support yet */
 714 }
 715
 716 bool
 717 Perl_is_uni_digit_lc(pTHX_ U32 c)
 718 {
 719     return is_uni_digit(c);     /* XXX no locale support yet */
 720 }
 721
 722 bool
 723 Perl_is_uni_upper_lc(pTHX_ U32 c)
 724 {
 725     return is_uni_upper(c);     /* XXX no locale support yet */
 726 }
 727
 728 bool
 729 Perl_is_uni_lower_lc(pTHX_ U32 c)
 730 {
 731     return is_uni_lower(c);     /* XXX no locale support yet */
 732 }
 733
 734 bool
 735 Perl_is_uni_cntrl_lc(pTHX_ U32 c)
 736 {
 737     return is_uni_cntrl(c);     /* XXX no locale support yet */
 738 }
 739
 740 bool
 741 Perl_is_uni_graph_lc(pTHX_ U32 c)
 742 {
 743     return is_uni_graph(c);     /* XXX no locale support yet */
 744 }
 745
 746 bool
 747 Perl_is_uni_print_lc(pTHX_ U32 c)
 748 {
 749     return is_uni_print(c);     /* XXX no locale support yet */
 750 }
 751
 752 bool
 753 Perl_is_uni_punct_lc(pTHX_ U32 c)
 754 {
 755     return is_uni_punct(c);     /* XXX no locale support yet */
 756 }
 757
 758 bool
 759 Perl_is_uni_xdigit_lc(pTHX_ U32 c)
 760 {
 761     return is_uni_xdigit(c);    /* XXX no locale support yet */
 762 }
 763
 764 U32
 765 Perl_to_uni_upper_lc(pTHX_ U32 c)
 766 {
 767     return to_uni_upper(c);     /* XXX no locale support yet */
 768 }
 769
 770 U32
 771 Perl_to_uni_title_lc(pTHX_ U32 c)
 772 {
 773     return to_uni_title(c);     /* XXX no locale support yet */
 774 }
 775
 776 U32
 777 Perl_to_uni_lower_lc(pTHX_ U32 c)
 778 {
 779     return to_uni_lower(c);     /* XXX no locale support yet */
 780 }
 781
 782 bool
 783 Perl_is_utf8_alnum(pTHX_ U8 *p)
 784 {
 785     if (!is_utf8_char(p))
 786         return FALSE;
 787     if (!PL_utf8_alnum)
 788         /* NOTE: "IsWord", not "IsAlnum", since Alnum is a true
 789          * descendant of isalnum(3), in other words, it doesn't
 790          * contain the '_'. --jhi */
 791         PL_utf8_alnum = swash_init("utf8", "IsWord", &PL_sv_undef, 0, 0);
 792     return swash_fetch(PL_utf8_alnum, p);
 793 /*    return *p == '_' || is_utf8_alpha(p) || is_utf8_digit(p); */
 794 #ifdef SURPRISINGLY_SLOWER  /* probably because alpha is usually true */
 795     if (!PL_utf8_alnum)
 796         PL_utf8_alnum = swash_init("utf8", "",
 797             sv_2mortal(newSVpv("+utf8::IsAlpha\n+utf8::IsDigit\n005F\n",0)), 0, 0);
 798     return swash_fetch(PL_utf8_alnum, p);
 799 #endif
 800 }
 801
 802 bool
 803 Perl_is_utf8_alnumc(pTHX_ U8 *p)
 804 {
 805     if (!is_utf8_char(p))
 806         return FALSE;
 807     if (!PL_utf8_alnum)
 808         PL_utf8_alnum = swash_init("utf8", "IsAlnumC", &PL_sv_undef, 0, 0);
 809     return swash_fetch(PL_utf8_alnum, p);
 810 /*    return is_utf8_alpha(p) || is_utf8_digit(p); */
 811 #ifdef SURPRISINGLY_SLOWER  /* probably because alpha is usually true */
 812     if (!PL_utf8_alnum)
 813         PL_utf8_alnum = swash_init("utf8", "",
 814             sv_2mortal(newSVpv("+utf8::IsAlpha\n+utf8::IsDigit\n005F\n",0)), 0, 0);
 815     return swash_fetch(PL_utf8_alnum, p);
 816 #endif
 817 }
 818
 819 bool
 820 Perl_is_utf8_idfirst(pTHX_ U8 *p)
 821 {
 822     return *p == '_' || is_utf8_alpha(p);
 823 }
 824
 825 bool
 826 Perl_is_utf8_alpha(pTHX_ U8 *p)
 827 {
 828     if (!is_utf8_char(p))
 829         return FALSE;
 830     if (!PL_utf8_alpha)
 831         PL_utf8_alpha = swash_init("utf8", "IsAlpha", &PL_sv_undef, 0, 0);
 832     return swash_fetch(PL_utf8_alpha, p);
 833 }
 834
 835 bool
 836 Perl_is_utf8_ascii(pTHX_ U8 *p)
 837 {
 838     if (!is_utf8_char(p))
 839         return FALSE;
 840     if (!PL_utf8_ascii)
 841         PL_utf8_ascii = swash_init("utf8", "IsAscii", &PL_sv_undef, 0, 0);
 842     return swash_fetch(PL_utf8_ascii, p);
 843 }
 844
 845 bool
 846 Perl_is_utf8_space(pTHX_ U8 *p)
 847 {
 848     if (!is_utf8_char(p))
 849         return FALSE;
 850     if (!PL_utf8_space)
 851         PL_utf8_space = swash_init("utf8", "IsSpace", &PL_sv_undef, 0, 0);
 852     return swash_fetch(PL_utf8_space, p);
 853 }
 854
 855 bool
 856 Perl_is_utf8_digit(pTHX_ U8 *p)
 857 {
 858     if (!is_utf8_char(p))
 859         return FALSE;
 860     if (!PL_utf8_digit)
 861         PL_utf8_digit = swash_init("utf8", "IsDigit", &PL_sv_undef, 0, 0);
 862     return swash_fetch(PL_utf8_digit, p);
 863 }
 864
 865 bool
 866 Perl_is_utf8_upper(pTHX_ U8 *p)
 867 {
 868     if (!is_utf8_char(p))
 869         return FALSE;
 870     if (!PL_utf8_upper)
 871         PL_utf8_upper = swash_init("utf8", "IsUpper", &PL_sv_undef, 0, 0);
 872     return swash_fetch(PL_utf8_upper, p);
 873 }
 874
 875 bool
 876 Perl_is_utf8_lower(pTHX_ U8 *p)
 877 {
 878     if (!is_utf8_char(p))
 879         return FALSE;
 880     if (!PL_utf8_lower)
 881         PL_utf8_lower = swash_init("utf8", "IsLower", &PL_sv_undef, 0, 0);
 882     return swash_fetch(PL_utf8_lower, p);
 883 }
 884
 885 bool
 886 Perl_is_utf8_cntrl(pTHX_ U8 *p)
 887 {
 888     if (!is_utf8_char(p))
 889         return FALSE;
 890     if (!PL_utf8_cntrl)
 891         PL_utf8_cntrl = swash_init("utf8", "IsCntrl", &PL_sv_undef, 0, 0);
 892     return swash_fetch(PL_utf8_cntrl, p);
 893 }
 894
 895 bool
 896 Perl_is_utf8_graph(pTHX_ U8 *p)
 897 {
 898     if (!is_utf8_char(p))
 899         return FALSE;
 900     if (!PL_utf8_graph)
 901         PL_utf8_graph = swash_init("utf8", "IsGraph", &PL_sv_undef, 0, 0);
 902     return swash_fetch(PL_utf8_graph, p);
 903 }
 904
 905 bool
 906 Perl_is_utf8_print(pTHX_ U8 *p)
 907 {
 908     if (!is_utf8_char(p))
 909         return FALSE;
 910     if (!PL_utf8_print)
 911         PL_utf8_print = swash_init("utf8", "IsPrint", &PL_sv_undef, 0, 0);
 912     return swash_fetch(PL_utf8_print, p);
 913 }
 914
 915 bool
 916 Perl_is_utf8_punct(pTHX_ U8 *p)
 917 {
 918     if (!is_utf8_char(p))
 919         return FALSE;
 920     if (!PL_utf8_punct)
 921         PL_utf8_punct = swash_init("utf8", "IsPunct", &PL_sv_undef, 0, 0);
 922     return swash_fetch(PL_utf8_punct, p);
 923 }
 924
 925 bool
 926 Perl_is_utf8_xdigit(pTHX_ U8 *p)
 927 {
 928     if (!is_utf8_char(p))
 929         return FALSE;
 930     if (!PL_utf8_xdigit)
 931         PL_utf8_xdigit = swash_init("utf8", "IsXDigit", &PL_sv_undef, 0, 0);
 932     return swash_fetch(PL_utf8_xdigit, p);
 933 }
 934
 935 bool
 936 Perl_is_utf8_mark(pTHX_ U8 *p)
 937 {
 938     if (!is_utf8_char(p))
 939         return FALSE;
 940     if (!PL_utf8_mark)
 941         PL_utf8_mark = swash_init("utf8", "IsM", &PL_sv_undef, 0, 0);
 942     return swash_fetch(PL_utf8_mark, p);
 943 }
 944
 945 UV
 946 Perl_to_utf8_upper(pTHX_ U8 *p)
 947 {
 948     UV uv;
 949
 950     if (!PL_utf8_toupper)
 951         PL_utf8_toupper = swash_init("utf8", "ToUpper", &PL_sv_undef, 4, 0);
 952     uv = swash_fetch(PL_utf8_toupper, p);
 953     return uv ? uv : utf8_to_uv(p,STRLEN_MAX,0,0);
 954 }
 955
 956 UV
 957 Perl_to_utf8_title(pTHX_ U8 *p)
 958 {
 959     UV uv;
 960
 961     if (!PL_utf8_totitle)
 962         PL_utf8_totitle = swash_init("utf8", "ToTitle", &PL_sv_undef, 4, 0);
 963     uv = swash_fetch(PL_utf8_totitle, p);
 964     return uv ? uv : utf8_to_uv(p,STRLEN_MAX,0,0);
 965 }
 966
 967 UV
 968 Perl_to_utf8_lower(pTHX_ U8 *p)
 969 {
 970     UV uv;
 971
 972     if (!PL_utf8_tolower)
 973         PL_utf8_tolower = swash_init("utf8", "ToLower", &PL_sv_undef, 4, 0);
 974     uv = swash_fetch(PL_utf8_tolower, p);
 975     return uv ? uv : utf8_to_uv(p,STRLEN_MAX,0,0);
 976 }
 977
 978 /* a "swash" is a swatch hash */
 979
 980 SV*
 981 Perl_swash_init(pTHX_ char* pkg, char* name, SV *listsv, I32 minbits, I32 none)
 982 {
 983     SV* retval;
 984     char tmpbuf[256];
 985     dSP;
 986
 987     if (!gv_stashpv(pkg, 0)) {  /* demand load utf8 */
 988         ENTER;
 989         Perl_load_module(aTHX_ PERL_LOADMOD_NOIMPORT, newSVpv(pkg,0), Nullsv);
 990         LEAVE;
 991     }
 992     SPAGAIN;
 993     PUSHSTACKi(PERLSI_MAGIC);
 994     PUSHMARK(SP);
 995     EXTEND(SP,5);
 996     PUSHs(sv_2mortal(newSVpvn(pkg, strlen(pkg))));
 997     PUSHs(sv_2mortal(newSVpvn(name, strlen(name))));
 998     PUSHs(listsv);
 999     PUSHs(sv_2mortal(newSViv(minbits)));
1000     PUSHs(sv_2mortal(newSViv(none)));
1001     PUTBACK;
1002     ENTER;
1003     SAVEI32(PL_hints);
1004     PL_hints = 0;
1005     save_re_context();
1006     if (PL_curcop == &PL_compiling)     /* XXX ought to be handled by lex_start */
1007         strncpy(tmpbuf, PL_tokenbuf, sizeof tmpbuf);
1008     if (call_method("SWASHNEW", G_SCALAR))
1009         retval = newSVsv(*PL_stack_sp--);
1010     else
1011         retval = &PL_sv_undef;
1012     LEAVE;
1013     POPSTACK;
1014     if (PL_curcop == &PL_compiling) {
1015         strncpy(PL_tokenbuf, tmpbuf, sizeof tmpbuf);
1016         PL_curcop->op_private = PL_hints;
1017     }
1018     if (!SvROK(retval) || SvTYPE(SvRV(retval)) != SVt_PVHV)
1019         Perl_croak(aTHX_ "SWASHNEW didn't return an HV ref");
1020     return retval;
1021 }
1022
1023 UV
1024 Perl_swash_fetch(pTHX_ SV *sv, U8 *ptr)
1025 {
1026     HV* hv = (HV*)SvRV(sv);
1027     U32 klen = UTF8SKIP(ptr) - 1;
1028     U32 off = ptr[klen] & 127;  /* NB: 64 bit always 0 when len > 1 */
1029     STRLEN slen;
1030     STRLEN needents = (klen ? 64 : 128);
1031     U8 *tmps;
1032     U32 bit;
1033     SV *retval;
1034
1035     /*
1036      * This single-entry cache saves about 1/3 of the utf8 overhead in test
1037      * suite.  (That is, only 7-8% overall over just a hash cache.  Still,
1038      * it's nothing to sniff at.)  Pity we usually come through at least
1039      * two function calls to get here...
1040      *
1041      * NB: this code assumes that swatches are never modified, once generated!
1042      */
1043
1044     if (hv == PL_last_swash_hv &&
1045         klen == PL_last_swash_klen &&
1046         (!klen || memEQ((char *)ptr,(char *)PL_last_swash_key,klen)) )
1047     {
1048         tmps = PL_last_swash_tmps;
1049         slen = PL_last_swash_slen;
1050     }
1051     else {
1052         /* Try our second-level swatch cache, kept in a hash. */
1053         SV** svp = hv_fetch(hv, (char*)ptr, klen, FALSE);
1054
1055         /* If not cached, generate it via utf8::SWASHGET */
1056         if (!svp || !SvPOK(*svp) || !(tmps = (U8*)SvPV(*svp, slen))) {
1057             dSP;
1058             ENTER;
1059             SAVETMPS;
1060             save_re_context();
1061             PUSHSTACKi(PERLSI_MAGIC);
1062             PUSHMARK(SP);
1063             EXTEND(SP,3);
1064             PUSHs((SV*)sv);
1065             PUSHs(sv_2mortal(newSViv(utf8_to_uv(ptr, STRLEN_MAX, 0, 0) & ~(needents - 1))));
1066             PUSHs(sv_2mortal(newSViv(needents)));
1067             PUTBACK;
1068             if (call_method("SWASHGET", G_SCALAR))
1069                 retval = newSVsv(*PL_stack_sp--);
1070             else
1071                 retval = &PL_sv_undef;
1072             POPSTACK;
1073             FREETMPS;
1074             LEAVE;
1075             if (PL_curcop == &PL_compiling)
1076                 PL_curcop->op_private = PL_hints;
1077
1078             svp = hv_store(hv, (char*)ptr, klen, retval, 0);
1079
1080             if (!svp || !(tmps = (U8*)SvPV(*svp, slen)) || slen < 8)
1081                 Perl_croak(aTHX_ "SWASHGET didn't return result of proper length");
1082         }
1083
1084         PL_last_swash_hv = hv;
1085         PL_last_swash_klen = klen;
1086         PL_last_swash_tmps = tmps;
1087         PL_last_swash_slen = slen;
1088         if (klen)
1089             Copy(ptr, PL_last_swash_key, klen, U8);
1090     }
1091
1092     switch ((slen << 3) / needents) {
1093     case 1:
1094         bit = 1 << (off & 7);
1095         off >>= 3;
1096         return (tmps[off] & bit) != 0;
1097     case 8:
1098         return tmps[off];
1099     case 16:
1100         off <<= 1;
1101         return (tmps[off] << 8) + tmps[off + 1] ;
1102     case 32:
1103         off <<= 2;
1104         return (tmps[off] << 24) + (tmps[off+1] << 16) + (tmps[off+2] << 8) + tmps[off + 3] ;
1105     }
1106     Perl_croak(aTHX_ "panic: swash_fetch");
1107     return 0;
1108 }