Upgrade to Cwd 2.17_03
[p5sagit/p5-mst-13.2.git] / utf8.c
1 /*    utf8.c
2  *
3  *    Copyright (C) 2000, 2001, 2002, 2003, 2004, by Larry Wall and others
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 static char unees[] = "Malformed UTF-8 character (unexpected end of string)";
28
29 /* 
30 =head1 Unicode Support
31
32 =for apidoc A|U8 *|uvuni_to_utf8_flags|U8 *d|UV uv|UV flags
33
34 Adds the UTF-8 representation of the Unicode codepoint C<uv> to the end
35 of the string C<d>; C<d> should be have at least C<UTF8_MAXLEN+1> free
36 bytes available. The return value is the pointer to the byte after the
37 end of the new character. In other words,
38
39     d = uvuni_to_utf8_flags(d, uv, flags);
40
41 or, in most cases,
42
43     d = uvuni_to_utf8(d, uv);
44
45 (which is equivalent to)
46
47     d = uvuni_to_utf8_flags(d, uv, 0);
48
49 is the recommended Unicode-aware way of saying
50
51     *(d++) = uv;
52
53 =cut
54 */
55
56 U8 *
57 Perl_uvuni_to_utf8_flags(pTHX_ U8 *d, UV uv, UV flags)
58 {
59     if (ckWARN(WARN_UTF8)) {
60          if (UNICODE_IS_SURROGATE(uv) &&
61              !(flags & UNICODE_ALLOW_SURROGATE))
62               Perl_warner(aTHX_ packWARN(WARN_UTF8), "UTF-16 surrogate 0x%04"UVxf, uv);
63          else if (
64                   ((uv >= 0xFDD0 && uv <= 0xFDEF &&
65                     !(flags & UNICODE_ALLOW_FDD0))
66                    ||
67                    ((uv & 0xFFFE) == 0xFFFE && /* Either FFFE or FFFF. */
68                     !(flags & UNICODE_ALLOW_FFFF))) &&
69                   /* UNICODE_ALLOW_SUPER includes
70                    * FFFEs and FFFFs beyond 0x10FFFF. */
71                   ((uv <= PERL_UNICODE_MAX) ||
72                    !(flags & UNICODE_ALLOW_SUPER))
73                   )
74               Perl_warner(aTHX_ packWARN(WARN_UTF8),
75                          "Unicode character 0x%04"UVxf" is illegal", uv);
76     }
77     if (UNI_IS_INVARIANT(uv)) {
78         *d++ = (U8)UTF_TO_NATIVE(uv);
79         return d;
80     }
81 #if defined(EBCDIC)
82     else {
83         STRLEN len  = UNISKIP(uv);
84         U8 *p = d+len-1;
85         while (p > d) {
86             *p-- = (U8)UTF_TO_NATIVE((uv & UTF_CONTINUATION_MASK) | UTF_CONTINUATION_MARK);
87             uv >>= UTF_ACCUMULATION_SHIFT;
88         }
89         *p = (U8)UTF_TO_NATIVE((uv & UTF_START_MASK(len)) | UTF_START_MARK(len));
90         return d+len;
91     }
92 #else /* Non loop style */
93     if (uv < 0x800) {
94         *d++ = (U8)(( uv >>  6)         | 0xc0);
95         *d++ = (U8)(( uv        & 0x3f) | 0x80);
96         return d;
97     }
98     if (uv < 0x10000) {
99         *d++ = (U8)(( uv >> 12)         | 0xe0);
100         *d++ = (U8)(((uv >>  6) & 0x3f) | 0x80);
101         *d++ = (U8)(( uv        & 0x3f) | 0x80);
102         return d;
103     }
104     if (uv < 0x200000) {
105         *d++ = (U8)(( uv >> 18)         | 0xf0);
106         *d++ = (U8)(((uv >> 12) & 0x3f) | 0x80);
107         *d++ = (U8)(((uv >>  6) & 0x3f) | 0x80);
108         *d++ = (U8)(( uv        & 0x3f) | 0x80);
109         return d;
110     }
111     if (uv < 0x4000000) {
112         *d++ = (U8)(( uv >> 24)         | 0xf8);
113         *d++ = (U8)(((uv >> 18) & 0x3f) | 0x80);
114         *d++ = (U8)(((uv >> 12) & 0x3f) | 0x80);
115         *d++ = (U8)(((uv >>  6) & 0x3f) | 0x80);
116         *d++ = (U8)(( uv        & 0x3f) | 0x80);
117         return d;
118     }
119     if (uv < 0x80000000) {
120         *d++ = (U8)(( uv >> 30)         | 0xfc);
121         *d++ = (U8)(((uv >> 24) & 0x3f) | 0x80);
122         *d++ = (U8)(((uv >> 18) & 0x3f) | 0x80);
123         *d++ = (U8)(((uv >> 12) & 0x3f) | 0x80);
124         *d++ = (U8)(((uv >>  6) & 0x3f) | 0x80);
125         *d++ = (U8)(( uv        & 0x3f) | 0x80);
126         return d;
127     }
128 #ifdef HAS_QUAD
129     if (uv < UTF8_QUAD_MAX)
130 #endif
131     {
132         *d++ =                            0xfe; /* Can't match U+FEFF! */
133         *d++ = (U8)(((uv >> 30) & 0x3f) | 0x80);
134         *d++ = (U8)(((uv >> 24) & 0x3f) | 0x80);
135         *d++ = (U8)(((uv >> 18) & 0x3f) | 0x80);
136         *d++ = (U8)(((uv >> 12) & 0x3f) | 0x80);
137         *d++ = (U8)(((uv >>  6) & 0x3f) | 0x80);
138         *d++ = (U8)(( uv        & 0x3f) | 0x80);
139         return d;
140     }
141 #ifdef HAS_QUAD
142     {
143         *d++ =                            0xff;         /* Can't match U+FFFE! */
144         *d++ =                            0x80;         /* 6 Reserved bits */
145         *d++ = (U8)(((uv >> 60) & 0x0f) | 0x80);        /* 2 Reserved bits */
146         *d++ = (U8)(((uv >> 54) & 0x3f) | 0x80);
147         *d++ = (U8)(((uv >> 48) & 0x3f) | 0x80);
148         *d++ = (U8)(((uv >> 42) & 0x3f) | 0x80);
149         *d++ = (U8)(((uv >> 36) & 0x3f) | 0x80);
150         *d++ = (U8)(((uv >> 30) & 0x3f) | 0x80);
151         *d++ = (U8)(((uv >> 24) & 0x3f) | 0x80);
152         *d++ = (U8)(((uv >> 18) & 0x3f) | 0x80);
153         *d++ = (U8)(((uv >> 12) & 0x3f) | 0x80);
154         *d++ = (U8)(((uv >>  6) & 0x3f) | 0x80);
155         *d++ = (U8)(( uv        & 0x3f) | 0x80);
156         return d;
157     }
158 #endif
159 #endif /* Loop style */
160 }
161  
162 U8 *
163 Perl_uvuni_to_utf8(pTHX_ U8 *d, UV uv)
164 {
165     return Perl_uvuni_to_utf8_flags(aTHX_ d, uv, 0);
166 }
167
168
169 /*
170 =for apidoc A|STRLEN|is_utf8_char|U8 *s
171
172 Tests if some arbitrary number of bytes begins in a valid UTF-8
173 character.  Note that an INVARIANT (i.e. ASCII) character is a valid
174 UTF-8 character.  The actual number of bytes in the UTF-8 character
175 will be returned if it is valid, otherwise 0.
176
177 =cut */
178 STRLEN
179 Perl_is_utf8_char(pTHX_ U8 *s)
180 {
181     U8 u = *s;
182     STRLEN slen, len;
183     UV uv, ouv;
184
185     if (UTF8_IS_INVARIANT(u))
186         return 1;
187
188     if (!UTF8_IS_START(u))
189         return 0;
190
191     len = UTF8SKIP(s);
192
193     if (len < 2 || !UTF8_IS_CONTINUATION(s[1]))
194         return 0;
195
196     slen = len - 1;
197     s++;
198     u &= UTF_START_MASK(len);
199     uv  = u;
200     ouv = uv;
201     while (slen--) {
202         if (!UTF8_IS_CONTINUATION(*s))
203             return 0;
204         uv = UTF8_ACCUMULATE(uv, *s);
205         if (uv < ouv) 
206             return 0;
207         ouv = uv;
208         s++;
209     }
210
211     if ((STRLEN)UNISKIP(uv) < len)
212         return 0;
213
214     return len;
215 }
216
217 /*
218 =for apidoc A|bool|is_utf8_string|U8 *s|STRLEN len
219
220 Returns true if first C<len> bytes of the given string form a valid
221 UTF-8 string, false otherwise.  Note that 'a valid UTF-8 string' does
222 not mean 'a string that contains code points above 0x7F encoded in UTF-8'
223 because a valid ASCII string is a valid UTF-8 string.
224
225 =cut
226 */
227
228 bool
229 Perl_is_utf8_string(pTHX_ U8 *s, STRLEN len)
230 {
231     U8* x = s;
232     U8* send;
233     STRLEN c;
234
235     if (!len)
236         len = strlen((char *)s);
237     send = s + len;
238
239     while (x < send) {
240          /* Inline the easy bits of is_utf8_char() here for speed... */
241          if (UTF8_IS_INVARIANT(*x))
242               c = 1;
243          else if (!UTF8_IS_START(*x))
244               return FALSE;
245          else {
246               /* ... and call is_utf8_char() only if really needed. */
247               c = is_utf8_char(x);
248               if (!c)
249                    return FALSE;
250          }
251         x += c;
252     }
253     if (x != send)
254         return FALSE;
255
256     return TRUE;
257 }
258
259 /*
260 =for apidoc A|bool|is_utf8_string_loc|U8 *s|STRLEN len|U8 **p
261
262 Like is_ut8_string but store the location of the failure in
263 the last argument.
264
265 =cut
266 */
267
268 bool
269 Perl_is_utf8_string_loc(pTHX_ U8 *s, STRLEN len, U8 **p)
270 {
271     U8* x = s;
272     U8* send;
273     STRLEN c;
274
275     if (!len)
276         len = strlen((char *)s);
277     send = s + len;
278
279     while (x < send) {
280          /* Inline the easy bits of is_utf8_char() here for speed... */
281          if (UTF8_IS_INVARIANT(*x))
282               c = 1;
283          else if (!UTF8_IS_START(*x)) {
284               if (p)
285                   *p = x;
286               return FALSE;
287          }
288          else {
289               /* ... and call is_utf8_char() only if really needed. */
290               c = is_utf8_char(x);
291               if (!c) {
292                    if (p)
293                       *p = x;
294                    return FALSE;
295               }
296          }
297         x += c;
298     }
299     if (x != send) {
300        if (p)
301            *p = x;
302         return FALSE;
303     }
304
305     return TRUE;
306 }
307
308 /*
309 =for apidoc A|UV|utf8n_to_uvuni|U8 *s|STRLEN curlen|STRLEN *retlen|U32 flags
310
311 Bottom level UTF-8 decode routine.
312 Returns the unicode code point value of the first character in the string C<s>
313 which is assumed to be in UTF-8 encoding and no longer than C<curlen>;
314 C<retlen> will be set to the length, in bytes, of that character.
315
316 If C<s> does not point to a well-formed UTF-8 character, the behaviour
317 is dependent on the value of C<flags>: if it contains UTF8_CHECK_ONLY,
318 it is assumed that the caller will raise a warning, and this function
319 will silently just set C<retlen> to C<-1> and return zero.  If the
320 C<flags> does not contain UTF8_CHECK_ONLY, warnings about
321 malformations will be given, C<retlen> will be set to the expected
322 length of the UTF-8 character in bytes, and zero will be returned.
323
324 The C<flags> can also contain various flags to allow deviations from
325 the strict UTF-8 encoding (see F<utf8.h>).
326
327 Most code should use utf8_to_uvchr() rather than call this directly.
328
329 =cut
330 */
331
332 UV
333 Perl_utf8n_to_uvuni(pTHX_ U8 *s, STRLEN curlen, STRLEN *retlen, U32 flags)
334 {
335     U8 *s0 = s;
336     UV uv = *s, ouv = 0;
337     STRLEN len = 1;
338     bool dowarn = ckWARN_d(WARN_UTF8);
339     UV startbyte = *s;
340     STRLEN expectlen = 0;
341     U32 warning = 0;
342
343 /* This list is a superset of the UTF8_ALLOW_XXX. */
344
345 #define UTF8_WARN_EMPTY                          1
346 #define UTF8_WARN_CONTINUATION                   2
347 #define UTF8_WARN_NON_CONTINUATION               3
348 #define UTF8_WARN_FE_FF                          4
349 #define UTF8_WARN_SHORT                          5
350 #define UTF8_WARN_OVERFLOW                       6
351 #define UTF8_WARN_SURROGATE                      7
352 #define UTF8_WARN_LONG                           8
353 #define UTF8_WARN_FFFF                           9 /* Also FFFE. */
354
355     if (curlen == 0 &&
356         !(flags & UTF8_ALLOW_EMPTY)) {
357         warning = UTF8_WARN_EMPTY;
358         goto malformed;
359     }
360
361     if (UTF8_IS_INVARIANT(uv)) {
362         if (retlen)
363             *retlen = 1;
364         return (UV) (NATIVE_TO_UTF(*s));
365     }
366
367     if (UTF8_IS_CONTINUATION(uv) &&
368         !(flags & UTF8_ALLOW_CONTINUATION)) {
369         warning = UTF8_WARN_CONTINUATION;
370         goto malformed;
371     }
372
373     if (UTF8_IS_START(uv) && curlen > 1 && !UTF8_IS_CONTINUATION(s[1]) &&
374         !(flags & UTF8_ALLOW_NON_CONTINUATION)) {
375         warning = UTF8_WARN_NON_CONTINUATION;
376         goto malformed;
377     }
378
379 #ifdef EBCDIC
380     uv = NATIVE_TO_UTF(uv);
381 #else
382     if ((uv == 0xfe || uv == 0xff) &&
383         !(flags & UTF8_ALLOW_FE_FF)) {
384         warning = UTF8_WARN_FE_FF;
385         goto malformed;
386     }
387 #endif
388
389     if      (!(uv & 0x20))      { len =  2; uv &= 0x1f; }
390     else if (!(uv & 0x10))      { len =  3; uv &= 0x0f; }
391     else if (!(uv & 0x08))      { len =  4; uv &= 0x07; }
392     else if (!(uv & 0x04))      { len =  5; uv &= 0x03; }
393 #ifdef EBCDIC
394     else if (!(uv & 0x02))      { len =  6; uv &= 0x01; }
395     else                        { len =  7; uv &= 0x01; }
396 #else
397     else if (!(uv & 0x02))      { len =  6; uv &= 0x01; }
398     else if (!(uv & 0x01))      { len =  7; uv = 0; }
399     else                        { len = 13; uv = 0; } /* whoa! */
400 #endif
401
402     if (retlen)
403         *retlen = len;
404
405     expectlen = len;
406
407     if ((curlen < expectlen) &&
408         !(flags & UTF8_ALLOW_SHORT)) {
409         warning = UTF8_WARN_SHORT;
410         goto malformed;
411     }
412
413     len--;
414     s++;
415     ouv = uv;
416
417     while (len--) {
418         if (!UTF8_IS_CONTINUATION(*s) &&
419             !(flags & UTF8_ALLOW_NON_CONTINUATION)) {
420             s--;
421             warning = UTF8_WARN_NON_CONTINUATION;
422             goto malformed;
423         }
424         else
425             uv = UTF8_ACCUMULATE(uv, *s);
426         if (!(uv > ouv)) {
427             /* These cannot be allowed. */
428             if (uv == ouv) {
429                 if (!(flags & UTF8_ALLOW_LONG)) {
430                     warning = UTF8_WARN_LONG;
431                     goto malformed;
432                 }
433             }
434             else { /* uv < ouv */
435                 /* This cannot be allowed. */
436                 warning = UTF8_WARN_OVERFLOW;
437                 goto malformed;
438             }
439         }
440         s++;
441         ouv = uv;
442     }
443
444     if (UNICODE_IS_SURROGATE(uv) &&
445         !(flags & UTF8_ALLOW_SURROGATE)) {
446         warning = UTF8_WARN_SURROGATE;
447         goto malformed;
448     } else if ((expectlen > (STRLEN)UNISKIP(uv)) &&
449                !(flags & UTF8_ALLOW_LONG)) {
450         warning = UTF8_WARN_LONG;
451         goto malformed;
452     } else if (UNICODE_IS_ILLEGAL(uv) &&
453                !(flags & UTF8_ALLOW_FFFF)) {
454         warning = UTF8_WARN_FFFF;
455         goto malformed;
456     }
457
458     return uv;
459
460 malformed:
461
462     if (flags & UTF8_CHECK_ONLY) {
463         if (retlen)
464             *retlen = -1;
465         return 0;
466     }
467
468     if (dowarn) {
469         SV* sv = sv_2mortal(newSVpv("Malformed UTF-8 character ", 0));
470
471         switch (warning) {
472         case 0: /* Intentionally empty. */ break;
473         case UTF8_WARN_EMPTY:
474             Perl_sv_catpvf(aTHX_ sv, "(empty string)");
475             break;
476         case UTF8_WARN_CONTINUATION:
477             Perl_sv_catpvf(aTHX_ sv, "(unexpected continuation byte 0x%02"UVxf", with no preceding start byte)", uv);
478             break;
479         case UTF8_WARN_NON_CONTINUATION:
480             if (s == s0)
481                 Perl_sv_catpvf(aTHX_ sv, "(unexpected non-continuation byte 0x%02"UVxf", immediately after start byte 0x%02"UVxf")",
482                            (UV)s[1], startbyte);
483             else
484                 Perl_sv_catpvf(aTHX_ sv, "(unexpected non-continuation byte 0x%02"UVxf", %d byte%s after start byte 0x%02"UVxf", expected %d bytes)",
485                            (UV)s[1], s - s0, s - s0 > 1 ? "s" : "", startbyte, expectlen);
486               
487             break;
488         case UTF8_WARN_FE_FF:
489             Perl_sv_catpvf(aTHX_ sv, "(byte 0x%02"UVxf")", uv);
490             break;
491         case UTF8_WARN_SHORT:
492             Perl_sv_catpvf(aTHX_ sv, "(%d byte%s, need %d, after start byte 0x%02"UVxf")",
493                            curlen, curlen == 1 ? "" : "s", expectlen, startbyte);
494             expectlen = curlen;         /* distance for caller to skip */
495             break;
496         case UTF8_WARN_OVERFLOW:
497             Perl_sv_catpvf(aTHX_ sv, "(overflow at 0x%"UVxf", byte 0x%02x, after start byte 0x%02"UVxf")",
498                            ouv, *s, startbyte);
499             break;
500         case UTF8_WARN_SURROGATE:
501             Perl_sv_catpvf(aTHX_ sv, "(UTF-16 surrogate 0x%04"UVxf")", uv);
502             break;
503         case UTF8_WARN_LONG:
504             Perl_sv_catpvf(aTHX_ sv, "(%d byte%s, need %d, after start byte 0x%02"UVxf")",
505                            expectlen, expectlen == 1 ? "": "s", UNISKIP(uv), startbyte);
506             break;
507         case UTF8_WARN_FFFF:
508             Perl_sv_catpvf(aTHX_ sv, "(character 0x%04"UVxf")", uv);
509             break;
510         default:
511             Perl_sv_catpvf(aTHX_ sv, "(unknown reason)");
512             break;
513         }
514         
515         if (warning) {
516             char *s = SvPVX(sv);
517
518             if (PL_op)
519                 Perl_warner(aTHX_ packWARN(WARN_UTF8),
520                             "%s in %s", s,  OP_DESC(PL_op));
521             else
522                 Perl_warner(aTHX_ packWARN(WARN_UTF8), "%s", s);
523         }
524     }
525
526     if (retlen)
527         *retlen = expectlen ? expectlen : len;
528
529     return 0;
530 }
531
532 /*
533 =for apidoc A|UV|utf8_to_uvchr|U8 *s|STRLEN *retlen
534
535 Returns the native character value of the first character in the string C<s>
536 which is assumed to be in UTF-8 encoding; C<retlen> will be set to the
537 length, in bytes, of that character.
538
539 If C<s> does not point to a well-formed UTF-8 character, zero is
540 returned and retlen is set, if possible, to -1.
541
542 =cut
543 */
544
545 UV
546 Perl_utf8_to_uvchr(pTHX_ U8 *s, STRLEN *retlen)
547 {
548     return Perl_utf8n_to_uvchr(aTHX_ s, UTF8_MAXLEN, retlen,
549                                ckWARN(WARN_UTF8) ? 0 : UTF8_ALLOW_ANY);
550 }
551
552 /*
553 =for apidoc A|UV|utf8_to_uvuni|U8 *s|STRLEN *retlen
554
555 Returns the Unicode code point of the first character in the string C<s>
556 which is assumed to be in UTF-8 encoding; C<retlen> will be set to the
557 length, in bytes, of that character.
558
559 This function should only be used when returned UV is considered
560 an index into the Unicode semantic tables (e.g. swashes).
561
562 If C<s> does not point to a well-formed UTF-8 character, zero is
563 returned and retlen is set, if possible, to -1.
564
565 =cut
566 */
567
568 UV
569 Perl_utf8_to_uvuni(pTHX_ U8 *s, STRLEN *retlen)
570 {
571     /* Call the low level routine asking for checks */
572     return Perl_utf8n_to_uvuni(aTHX_ s, UTF8_MAXLEN, retlen,
573                                ckWARN(WARN_UTF8) ? 0 : UTF8_ALLOW_ANY);
574 }
575
576 /*
577 =for apidoc A|STRLEN|utf8_length|U8 *s|U8 *e
578
579 Return the length of the UTF-8 char encoded string C<s> in characters.
580 Stops at C<e> (inclusive).  If C<e E<lt> s> or if the scan would end
581 up past C<e>, croaks.
582
583 =cut
584 */
585
586 STRLEN
587 Perl_utf8_length(pTHX_ U8 *s, U8 *e)
588 {
589     STRLEN len = 0;
590
591     /* Note: cannot use UTF8_IS_...() too eagerly here since e.g.
592      * the bitops (especially ~) can create illegal UTF-8.
593      * In other words: in Perl UTF-8 is not just for Unicode. */
594
595     if (e < s) {
596         if (ckWARN_d(WARN_UTF8)) {
597             if (PL_op)
598                 Perl_warner(aTHX_ packWARN(WARN_UTF8),
599                             "%s in %s", unees, OP_DESC(PL_op));
600             else
601                 Perl_warner(aTHX_ packWARN(WARN_UTF8), unees);
602         }
603         return 0;
604     }
605     while (s < e) {
606         U8 t = UTF8SKIP(s);
607
608         if (e - s < t) {
609             if (ckWARN_d(WARN_UTF8)) {
610                 if (PL_op)
611                     Perl_warner(aTHX_ packWARN(WARN_UTF8),
612                                 unees, OP_DESC(PL_op));
613                 else
614                     Perl_warner(aTHX_ packWARN(WARN_UTF8), unees);
615             }
616             return len;
617         }
618         s += t;
619         len++;
620     }
621
622     return len;
623 }
624
625 /*
626 =for apidoc A|IV|utf8_distance|U8 *a|U8 *b
627
628 Returns the number of UTF-8 characters between the UTF-8 pointers C<a>
629 and C<b>.
630
631 WARNING: use only if you *know* that the pointers point inside the
632 same UTF-8 buffer.
633
634 =cut
635 */
636
637 IV
638 Perl_utf8_distance(pTHX_ U8 *a, U8 *b)
639 {
640     IV off = 0;
641
642     /* Note: cannot use UTF8_IS_...() too eagerly here since  e.g.
643      * the bitops (especially ~) can create illegal UTF-8.
644      * In other words: in Perl UTF-8 is not just for Unicode. */
645
646     if (a < b) {
647         while (a < b) {
648             U8 c = UTF8SKIP(a);
649
650             if (b - a < c) {
651                 if (ckWARN_d(WARN_UTF8)) {
652                     if (PL_op)
653                         Perl_warner(aTHX_ packWARN(WARN_UTF8),
654                                     "%s in %s", unees, OP_DESC(PL_op));
655                     else
656                         Perl_warner(aTHX_ packWARN(WARN_UTF8), unees);
657                 }
658                 return off;
659             }
660             a += c;
661             off--;
662         }
663     }
664     else {
665         while (b < a) {
666             U8 c = UTF8SKIP(b);
667
668             if (a - b < c) {
669                 if (ckWARN_d(WARN_UTF8)) {
670                     if (PL_op)
671                         Perl_warner(aTHX_ packWARN(WARN_UTF8),
672                                     "%s in %s", unees, OP_DESC(PL_op));
673                     else
674                         Perl_warner(aTHX_ packWARN(WARN_UTF8), unees);
675                 }
676                 return off;
677             }
678             b += c;
679             off++;
680         }
681     }
682
683     return off;
684 }
685
686 /*
687 =for apidoc A|U8 *|utf8_hop|U8 *s|I32 off
688
689 Return the UTF-8 pointer C<s> displaced by C<off> characters, either
690 forward or backward.
691
692 WARNING: do not use the following unless you *know* C<off> is within
693 the UTF-8 data pointed to by C<s> *and* that on entry C<s> is aligned
694 on the first byte of character or just after the last byte of a character.
695
696 =cut
697 */
698
699 U8 *
700 Perl_utf8_hop(pTHX_ U8 *s, I32 off)
701 {
702     /* Note: cannot use UTF8_IS_...() too eagerly here since e.g
703      * the bitops (especially ~) can create illegal UTF-8.
704      * In other words: in Perl UTF-8 is not just for Unicode. */
705
706     if (off >= 0) {
707         while (off--)
708             s += UTF8SKIP(s);
709     }
710     else {
711         while (off++) {
712             s--;
713             while (UTF8_IS_CONTINUATION(*s))
714                 s--;
715         }
716     }
717     return s;
718 }
719
720 /*
721 =for apidoc A|U8 *|utf8_to_bytes|U8 *s|STRLEN *len
722
723 Converts a string C<s> of length C<len> from UTF-8 into byte encoding.
724 Unlike C<bytes_to_utf8>, this over-writes the original string, and
725 updates len to contain the new length.
726 Returns zero on failure, setting C<len> to -1.
727
728 =cut
729 */
730
731 U8 *
732 Perl_utf8_to_bytes(pTHX_ U8 *s, STRLEN *len)
733 {
734     U8 *send;
735     U8 *d;
736     U8 *save = s;
737
738     /* ensure valid UTF-8 and chars < 256 before updating string */
739     for (send = s + *len; s < send; ) {
740         U8 c = *s++;
741
742         if (!UTF8_IS_INVARIANT(c) &&
743             (!UTF8_IS_DOWNGRADEABLE_START(c) || (s >= send)
744              || !(c = *s++) || !UTF8_IS_CONTINUATION(c))) {
745             *len = -1;
746             return 0;
747         }
748     }
749
750     d = s = save;
751     while (s < send) {
752         STRLEN ulen;
753         *d++ = (U8)utf8_to_uvchr(s, &ulen);
754         s += ulen;
755     }
756     *d = '\0';
757     *len = d - save;
758     return save;
759 }
760
761 /*
762 =for apidoc A|U8 *|bytes_from_utf8|U8 *s|STRLEN *len|bool *is_utf8
763
764 Converts a string C<s> of length C<len> from UTF-8 into byte encoding.
765 Unlike <utf8_to_bytes> but like C<bytes_to_utf8>, returns a pointer to
766 the newly-created string, and updates C<len> to contain the new
767 length.  Returns the original string if no conversion occurs, C<len>
768 is unchanged. Do nothing if C<is_utf8> points to 0. Sets C<is_utf8> to
769 0 if C<s> is converted or contains all 7bit characters.
770
771 =cut
772 */
773
774 U8 *
775 Perl_bytes_from_utf8(pTHX_ U8 *s, STRLEN *len, bool *is_utf8)
776 {
777     U8 *d;
778     U8 *start = s;
779     U8 *send;
780     I32 count = 0;
781
782     if (!*is_utf8)
783         return start;
784
785     /* ensure valid UTF-8 and chars < 256 before converting string */
786     for (send = s + *len; s < send;) {
787         U8 c = *s++;
788         if (!UTF8_IS_INVARIANT(c)) {
789             if (UTF8_IS_DOWNGRADEABLE_START(c) && s < send &&
790                 (c = *s++) && UTF8_IS_CONTINUATION(c))
791                 count++;
792             else
793                 return start;
794         }
795     }
796
797     *is_utf8 = 0;               
798
799     Newz(801, d, (*len) - count + 1, U8);
800     s = start; start = d;
801     while (s < send) {
802         U8 c = *s++;
803         if (!UTF8_IS_INVARIANT(c)) {
804             /* Then it is two-byte encoded */
805             c = UTF8_ACCUMULATE(NATIVE_TO_UTF(c), *s++);
806             c = ASCII_TO_NATIVE(c);
807         }
808         *d++ = c;
809     }
810     *d = '\0';
811     *len = d - start;
812     return start;
813 }
814
815 /*
816 =for apidoc A|U8 *|bytes_to_utf8|U8 *s|STRLEN *len
817
818 Converts a string C<s> of length C<len> from ASCII into UTF-8 encoding.
819 Returns a pointer to the newly-created string, and sets C<len> to
820 reflect the new length.
821
822 If you want to convert to UTF-8 from other encodings than ASCII,
823 see sv_recode_to_utf8().
824
825 =cut
826 */
827
828 U8*
829 Perl_bytes_to_utf8(pTHX_ U8 *s, STRLEN *len)
830 {
831     U8 *send;
832     U8 *d;
833     U8 *dst;
834     send = s + (*len);
835
836     Newz(801, d, (*len) * 2 + 1, U8);
837     dst = d;
838
839     while (s < send) {
840         UV uv = NATIVE_TO_ASCII(*s++);
841         if (UNI_IS_INVARIANT(uv))
842             *d++ = (U8)UTF_TO_NATIVE(uv);
843         else {
844             *d++ = (U8)UTF8_EIGHT_BIT_HI(uv);
845             *d++ = (U8)UTF8_EIGHT_BIT_LO(uv);
846         }
847     }
848     *d = '\0';
849     *len = d-dst;
850     return dst;
851 }
852
853 /*
854  * Convert native (big-endian) or reversed (little-endian) UTF-16 to UTF-8.
855  *
856  * Destination must be pre-extended to 3/2 source.  Do not use in-place.
857  * We optimize for native, for obvious reasons. */
858
859 U8*
860 Perl_utf16_to_utf8(pTHX_ U8* p, U8* d, I32 bytelen, I32 *newlen)
861 {
862     U8* pend;
863     U8* dstart = d;
864
865     if (bytelen & 1)
866         Perl_croak(aTHX_ "panic: utf16_to_utf8: odd bytelen");
867
868     pend = p + bytelen;
869
870     while (p < pend) {
871         UV uv = (p[0] << 8) + p[1]; /* UTF-16BE */
872         p += 2;
873         if (uv < 0x80) {
874             *d++ = (U8)uv;
875             continue;
876         }
877         if (uv < 0x800) {
878             *d++ = (U8)(( uv >>  6)         | 0xc0);
879             *d++ = (U8)(( uv        & 0x3f) | 0x80);
880             continue;
881         }
882         if (uv >= 0xd800 && uv < 0xdbff) {      /* surrogates */
883             UV low = (p[0] << 8) + p[1];
884             p += 2;
885             if (low < 0xdc00 || low >= 0xdfff)
886                 Perl_croak(aTHX_ "Malformed UTF-16 surrogate");
887             uv = ((uv - 0xd800) << 10) + (low - 0xdc00) + 0x10000;
888         }
889         if (uv < 0x10000) {
890             *d++ = (U8)(( uv >> 12)         | 0xe0);
891             *d++ = (U8)(((uv >>  6) & 0x3f) | 0x80);
892             *d++ = (U8)(( uv        & 0x3f) | 0x80);
893             continue;
894         }
895         else {
896             *d++ = (U8)(( uv >> 18)         | 0xf0);
897             *d++ = (U8)(((uv >> 12) & 0x3f) | 0x80);
898             *d++ = (U8)(((uv >>  6) & 0x3f) | 0x80);
899             *d++ = (U8)(( uv        & 0x3f) | 0x80);
900             continue;
901         }
902     }
903     *newlen = d - dstart;
904     return d;
905 }
906
907 /* Note: this one is slightly destructive of the source. */
908
909 U8*
910 Perl_utf16_to_utf8_reversed(pTHX_ U8* p, U8* d, I32 bytelen, I32 *newlen)
911 {
912     U8* s = (U8*)p;
913     U8* send = s + bytelen;
914     while (s < send) {
915         U8 tmp = s[0];
916         s[0] = s[1];
917         s[1] = tmp;
918         s += 2;
919     }
920     return utf16_to_utf8(p, d, bytelen, newlen);
921 }
922
923 /* for now these are all defined (inefficiently) in terms of the utf8 versions */
924
925 bool
926 Perl_is_uni_alnum(pTHX_ UV c)
927 {
928     U8 tmpbuf[UTF8_MAXLEN+1];
929     uvchr_to_utf8(tmpbuf, c);
930     return is_utf8_alnum(tmpbuf);
931 }
932
933 bool
934 Perl_is_uni_alnumc(pTHX_ UV c)
935 {
936     U8 tmpbuf[UTF8_MAXLEN+1];
937     uvchr_to_utf8(tmpbuf, c);
938     return is_utf8_alnumc(tmpbuf);
939 }
940
941 bool
942 Perl_is_uni_idfirst(pTHX_ UV c)
943 {
944     U8 tmpbuf[UTF8_MAXLEN+1];
945     uvchr_to_utf8(tmpbuf, c);
946     return is_utf8_idfirst(tmpbuf);
947 }
948
949 bool
950 Perl_is_uni_alpha(pTHX_ UV c)
951 {
952     U8 tmpbuf[UTF8_MAXLEN+1];
953     uvchr_to_utf8(tmpbuf, c);
954     return is_utf8_alpha(tmpbuf);
955 }
956
957 bool
958 Perl_is_uni_ascii(pTHX_ UV c)
959 {
960     U8 tmpbuf[UTF8_MAXLEN+1];
961     uvchr_to_utf8(tmpbuf, c);
962     return is_utf8_ascii(tmpbuf);
963 }
964
965 bool
966 Perl_is_uni_space(pTHX_ UV c)
967 {
968     U8 tmpbuf[UTF8_MAXLEN+1];
969     uvchr_to_utf8(tmpbuf, c);
970     return is_utf8_space(tmpbuf);
971 }
972
973 bool
974 Perl_is_uni_digit(pTHX_ UV c)
975 {
976     U8 tmpbuf[UTF8_MAXLEN+1];
977     uvchr_to_utf8(tmpbuf, c);
978     return is_utf8_digit(tmpbuf);
979 }
980
981 bool
982 Perl_is_uni_upper(pTHX_ UV c)
983 {
984     U8 tmpbuf[UTF8_MAXLEN+1];
985     uvchr_to_utf8(tmpbuf, c);
986     return is_utf8_upper(tmpbuf);
987 }
988
989 bool
990 Perl_is_uni_lower(pTHX_ UV c)
991 {
992     U8 tmpbuf[UTF8_MAXLEN+1];
993     uvchr_to_utf8(tmpbuf, c);
994     return is_utf8_lower(tmpbuf);
995 }
996
997 bool
998 Perl_is_uni_cntrl(pTHX_ UV c)
999 {
1000     U8 tmpbuf[UTF8_MAXLEN+1];
1001     uvchr_to_utf8(tmpbuf, c);
1002     return is_utf8_cntrl(tmpbuf);
1003 }
1004
1005 bool
1006 Perl_is_uni_graph(pTHX_ UV c)
1007 {
1008     U8 tmpbuf[UTF8_MAXLEN+1];
1009     uvchr_to_utf8(tmpbuf, c);
1010     return is_utf8_graph(tmpbuf);
1011 }
1012
1013 bool
1014 Perl_is_uni_print(pTHX_ UV c)
1015 {
1016     U8 tmpbuf[UTF8_MAXLEN+1];
1017     uvchr_to_utf8(tmpbuf, c);
1018     return is_utf8_print(tmpbuf);
1019 }
1020
1021 bool
1022 Perl_is_uni_punct(pTHX_ UV c)
1023 {
1024     U8 tmpbuf[UTF8_MAXLEN+1];
1025     uvchr_to_utf8(tmpbuf, c);
1026     return is_utf8_punct(tmpbuf);
1027 }
1028
1029 bool
1030 Perl_is_uni_xdigit(pTHX_ UV c)
1031 {
1032     U8 tmpbuf[UTF8_MAXLEN_UCLC+1];
1033     uvchr_to_utf8(tmpbuf, c);
1034     return is_utf8_xdigit(tmpbuf);
1035 }
1036
1037 UV
1038 Perl_to_uni_upper(pTHX_ UV c, U8* p, STRLEN *lenp)
1039 {
1040     uvchr_to_utf8(p, c);
1041     return to_utf8_upper(p, p, lenp);
1042 }
1043
1044 UV
1045 Perl_to_uni_title(pTHX_ UV c, U8* p, STRLEN *lenp)
1046 {
1047     uvchr_to_utf8(p, c);
1048     return to_utf8_title(p, p, lenp);
1049 }
1050
1051 UV
1052 Perl_to_uni_lower(pTHX_ UV c, U8* p, STRLEN *lenp)
1053 {
1054     uvchr_to_utf8(p, c);
1055     return to_utf8_lower(p, p, lenp);
1056 }
1057
1058 UV
1059 Perl_to_uni_fold(pTHX_ UV c, U8* p, STRLEN *lenp)
1060 {
1061     uvchr_to_utf8(p, c);
1062     return to_utf8_fold(p, p, lenp);
1063 }
1064
1065 /* for now these all assume no locale info available for Unicode > 255 */
1066
1067 bool
1068 Perl_is_uni_alnum_lc(pTHX_ UV c)
1069 {
1070     return is_uni_alnum(c);     /* XXX no locale support yet */
1071 }
1072
1073 bool
1074 Perl_is_uni_alnumc_lc(pTHX_ UV c)
1075 {
1076     return is_uni_alnumc(c);    /* XXX no locale support yet */
1077 }
1078
1079 bool
1080 Perl_is_uni_idfirst_lc(pTHX_ UV c)
1081 {
1082     return is_uni_idfirst(c);   /* XXX no locale support yet */
1083 }
1084
1085 bool
1086 Perl_is_uni_alpha_lc(pTHX_ UV c)
1087 {
1088     return is_uni_alpha(c);     /* XXX no locale support yet */
1089 }
1090
1091 bool
1092 Perl_is_uni_ascii_lc(pTHX_ UV c)
1093 {
1094     return is_uni_ascii(c);     /* XXX no locale support yet */
1095 }
1096
1097 bool
1098 Perl_is_uni_space_lc(pTHX_ UV c)
1099 {
1100     return is_uni_space(c);     /* XXX no locale support yet */
1101 }
1102
1103 bool
1104 Perl_is_uni_digit_lc(pTHX_ UV c)
1105 {
1106     return is_uni_digit(c);     /* XXX no locale support yet */
1107 }
1108
1109 bool
1110 Perl_is_uni_upper_lc(pTHX_ UV c)
1111 {
1112     return is_uni_upper(c);     /* XXX no locale support yet */
1113 }
1114
1115 bool
1116 Perl_is_uni_lower_lc(pTHX_ UV c)
1117 {
1118     return is_uni_lower(c);     /* XXX no locale support yet */
1119 }
1120
1121 bool
1122 Perl_is_uni_cntrl_lc(pTHX_ UV c)
1123 {
1124     return is_uni_cntrl(c);     /* XXX no locale support yet */
1125 }
1126
1127 bool
1128 Perl_is_uni_graph_lc(pTHX_ UV c)
1129 {
1130     return is_uni_graph(c);     /* XXX no locale support yet */
1131 }
1132
1133 bool
1134 Perl_is_uni_print_lc(pTHX_ UV c)
1135 {
1136     return is_uni_print(c);     /* XXX no locale support yet */
1137 }
1138
1139 bool
1140 Perl_is_uni_punct_lc(pTHX_ UV c)
1141 {
1142     return is_uni_punct(c);     /* XXX no locale support yet */
1143 }
1144
1145 bool
1146 Perl_is_uni_xdigit_lc(pTHX_ UV c)
1147 {
1148     return is_uni_xdigit(c);    /* XXX no locale support yet */
1149 }
1150
1151 U32
1152 Perl_to_uni_upper_lc(pTHX_ U32 c)
1153 {
1154     /* XXX returns only the first character -- do not use XXX */
1155     /* XXX no locale support yet */
1156     STRLEN len;
1157     U8 tmpbuf[UTF8_MAXLEN_UCLC+1];
1158     return (U32)to_uni_upper(c, tmpbuf, &len);
1159 }
1160
1161 U32
1162 Perl_to_uni_title_lc(pTHX_ U32 c)
1163 {
1164     /* XXX returns only the first character XXX -- do not use XXX */
1165     /* XXX no locale support yet */
1166     STRLEN len;
1167     U8 tmpbuf[UTF8_MAXLEN_UCLC+1];
1168     return (U32)to_uni_title(c, tmpbuf, &len);
1169 }
1170
1171 U32
1172 Perl_to_uni_lower_lc(pTHX_ U32 c)
1173 {
1174     /* XXX returns only the first character -- do not use XXX */
1175     /* XXX no locale support yet */
1176     STRLEN len;
1177     U8 tmpbuf[UTF8_MAXLEN_UCLC+1];
1178     return (U32)to_uni_lower(c, tmpbuf, &len);
1179 }
1180
1181 bool
1182 Perl_is_utf8_alnum(pTHX_ U8 *p)
1183 {
1184     if (!is_utf8_char(p))
1185         return FALSE;
1186     if (!PL_utf8_alnum)
1187         /* NOTE: "IsWord", not "IsAlnum", since Alnum is a true
1188          * descendant of isalnum(3), in other words, it doesn't
1189          * contain the '_'. --jhi */
1190         PL_utf8_alnum = swash_init("utf8", "IsWord", &PL_sv_undef, 0, 0);
1191     return swash_fetch(PL_utf8_alnum, p, TRUE) != 0;
1192 /*    return *p == '_' || is_utf8_alpha(p) || is_utf8_digit(p); */
1193 #ifdef SURPRISINGLY_SLOWER  /* probably because alpha is usually true */
1194     if (!PL_utf8_alnum)
1195         PL_utf8_alnum = swash_init("utf8", "",
1196             sv_2mortal(newSVpv("+utf8::IsAlpha\n+utf8::IsDigit\n005F\n",0)), 0, 0);
1197     return swash_fetch(PL_utf8_alnum, p, TRUE) != 0;
1198 #endif
1199 }
1200
1201 bool
1202 Perl_is_utf8_alnumc(pTHX_ U8 *p)
1203 {
1204     if (!is_utf8_char(p))
1205         return FALSE;
1206     if (!PL_utf8_alnum)
1207         PL_utf8_alnum = swash_init("utf8", "IsAlnumC", &PL_sv_undef, 0, 0);
1208     return swash_fetch(PL_utf8_alnum, p, TRUE) != 0;
1209 /*    return is_utf8_alpha(p) || is_utf8_digit(p); */
1210 #ifdef SURPRISINGLY_SLOWER  /* probably because alpha is usually true */
1211     if (!PL_utf8_alnum)
1212         PL_utf8_alnum = swash_init("utf8", "",
1213             sv_2mortal(newSVpv("+utf8::IsAlpha\n+utf8::IsDigit\n005F\n",0)), 0, 0);
1214     return swash_fetch(PL_utf8_alnum, p, TRUE) != 0;
1215 #endif
1216 }
1217
1218 bool
1219 Perl_is_utf8_idfirst(pTHX_ U8 *p) /* The naming is historical. */
1220 {
1221     if (*p == '_')
1222         return TRUE;
1223     if (!is_utf8_char(p))
1224         return FALSE;
1225     if (!PL_utf8_idstart) /* is_utf8_idstart would be more logical. */
1226         PL_utf8_idstart = swash_init("utf8", "IdStart", &PL_sv_undef, 0, 0);
1227     return swash_fetch(PL_utf8_idstart, p, TRUE) != 0;
1228 }
1229
1230 bool
1231 Perl_is_utf8_idcont(pTHX_ U8 *p)
1232 {
1233     if (*p == '_')
1234         return TRUE;
1235     if (!is_utf8_char(p))
1236         return FALSE;
1237     if (!PL_utf8_idcont)
1238         PL_utf8_idcont = swash_init("utf8", "IdContinue", &PL_sv_undef, 0, 0);
1239     return swash_fetch(PL_utf8_idcont, p, TRUE) != 0;
1240 }
1241
1242 bool
1243 Perl_is_utf8_alpha(pTHX_ U8 *p)
1244 {
1245     if (!is_utf8_char(p))
1246         return FALSE;
1247     if (!PL_utf8_alpha)
1248         PL_utf8_alpha = swash_init("utf8", "IsAlpha", &PL_sv_undef, 0, 0);
1249     return swash_fetch(PL_utf8_alpha, p, TRUE) != 0;
1250 }
1251
1252 bool
1253 Perl_is_utf8_ascii(pTHX_ U8 *p)
1254 {
1255     if (!is_utf8_char(p))
1256         return FALSE;
1257     if (!PL_utf8_ascii)
1258         PL_utf8_ascii = swash_init("utf8", "IsAscii", &PL_sv_undef, 0, 0);
1259     return swash_fetch(PL_utf8_ascii, p, TRUE) != 0;
1260 }
1261
1262 bool
1263 Perl_is_utf8_space(pTHX_ U8 *p)
1264 {
1265     if (!is_utf8_char(p))
1266         return FALSE;
1267     if (!PL_utf8_space)
1268         PL_utf8_space = swash_init("utf8", "IsSpacePerl", &PL_sv_undef, 0, 0);
1269     return swash_fetch(PL_utf8_space, p, TRUE) != 0;
1270 }
1271
1272 bool
1273 Perl_is_utf8_digit(pTHX_ U8 *p)
1274 {
1275     if (!is_utf8_char(p))
1276         return FALSE;
1277     if (!PL_utf8_digit)
1278         PL_utf8_digit = swash_init("utf8", "IsDigit", &PL_sv_undef, 0, 0);
1279     return swash_fetch(PL_utf8_digit, p, TRUE) != 0;
1280 }
1281
1282 bool
1283 Perl_is_utf8_upper(pTHX_ U8 *p)
1284 {
1285     if (!is_utf8_char(p))
1286         return FALSE;
1287     if (!PL_utf8_upper)
1288         PL_utf8_upper = swash_init("utf8", "IsUppercase", &PL_sv_undef, 0, 0);
1289     return swash_fetch(PL_utf8_upper, p, TRUE) != 0;
1290 }
1291
1292 bool
1293 Perl_is_utf8_lower(pTHX_ U8 *p)
1294 {
1295     if (!is_utf8_char(p))
1296         return FALSE;
1297     if (!PL_utf8_lower)
1298         PL_utf8_lower = swash_init("utf8", "IsLowercase", &PL_sv_undef, 0, 0);
1299     return swash_fetch(PL_utf8_lower, p, TRUE) != 0;
1300 }
1301
1302 bool
1303 Perl_is_utf8_cntrl(pTHX_ U8 *p)
1304 {
1305     if (!is_utf8_char(p))
1306         return FALSE;
1307     if (!PL_utf8_cntrl)
1308         PL_utf8_cntrl = swash_init("utf8", "IsCntrl", &PL_sv_undef, 0, 0);
1309     return swash_fetch(PL_utf8_cntrl, p, TRUE) != 0;
1310 }
1311
1312 bool
1313 Perl_is_utf8_graph(pTHX_ U8 *p)
1314 {
1315     if (!is_utf8_char(p))
1316         return FALSE;
1317     if (!PL_utf8_graph)
1318         PL_utf8_graph = swash_init("utf8", "IsGraph", &PL_sv_undef, 0, 0);
1319     return swash_fetch(PL_utf8_graph, p, TRUE) != 0;
1320 }
1321
1322 bool
1323 Perl_is_utf8_print(pTHX_ U8 *p)
1324 {
1325     if (!is_utf8_char(p))
1326         return FALSE;
1327     if (!PL_utf8_print)
1328         PL_utf8_print = swash_init("utf8", "IsPrint", &PL_sv_undef, 0, 0);
1329     return swash_fetch(PL_utf8_print, p, TRUE) != 0;
1330 }
1331
1332 bool
1333 Perl_is_utf8_punct(pTHX_ U8 *p)
1334 {
1335     if (!is_utf8_char(p))
1336         return FALSE;
1337     if (!PL_utf8_punct)
1338         PL_utf8_punct = swash_init("utf8", "IsPunct", &PL_sv_undef, 0, 0);
1339     return swash_fetch(PL_utf8_punct, p, TRUE) != 0;
1340 }
1341
1342 bool
1343 Perl_is_utf8_xdigit(pTHX_ U8 *p)
1344 {
1345     if (!is_utf8_char(p))
1346         return FALSE;
1347     if (!PL_utf8_xdigit)
1348         PL_utf8_xdigit = swash_init("utf8", "IsXDigit", &PL_sv_undef, 0, 0);
1349     return swash_fetch(PL_utf8_xdigit, p, TRUE) != 0;
1350 }
1351
1352 bool
1353 Perl_is_utf8_mark(pTHX_ U8 *p)
1354 {
1355     if (!is_utf8_char(p))
1356         return FALSE;
1357     if (!PL_utf8_mark)
1358         PL_utf8_mark = swash_init("utf8", "IsM", &PL_sv_undef, 0, 0);
1359     return swash_fetch(PL_utf8_mark, p, TRUE) != 0;
1360 }
1361
1362 /*
1363 =for apidoc A|UV|to_utf8_case|U8 *p|U8* ustrp|STRLEN *lenp|SV **swash|char *normal|char *special
1364
1365 The "p" contains the pointer to the UTF-8 string encoding
1366 the character that is being converted.
1367
1368 The "ustrp" is a pointer to the character buffer to put the
1369 conversion result to.  The "lenp" is a pointer to the length
1370 of the result.
1371
1372 The "swashp" is a pointer to the swash to use.
1373
1374 Both the special and normal mappings are stored lib/unicore/To/Foo.pl,
1375 and loaded by SWASHGET, using lib/utf8_heavy.pl.  The special (usually,
1376 but not always, a multicharacter mapping), is tried first.
1377
1378 The "special" is a string like "utf8::ToSpecLower", which means the
1379 hash %utf8::ToSpecLower.  The access to the hash is through
1380 Perl_to_utf8_case().
1381
1382 The "normal" is a string like "ToLower" which means the swash
1383 %utf8::ToLower.
1384
1385 =cut */
1386
1387 UV
1388 Perl_to_utf8_case(pTHX_ U8 *p, U8* ustrp, STRLEN *lenp, SV **swashp, char *normal, char *special)
1389 {
1390     UV uv0, uv1;
1391     U8 tmpbuf[UTF8_MAXLEN_FOLD+1];
1392     STRLEN len = 0;
1393
1394     uv0 = utf8_to_uvchr(p, 0);
1395     /* The NATIVE_TO_UNI() and UNI_TO_NATIVE() mappings
1396      * are necessary in EBCDIC, they are redundant no-ops
1397      * in ASCII-ish platforms, and hopefully optimized away. */
1398     uv1 = NATIVE_TO_UNI(uv0);
1399     uvuni_to_utf8(tmpbuf, uv1);
1400
1401     if (!*swashp) /* load on-demand */
1402          *swashp = swash_init("utf8", normal, &PL_sv_undef, 4, 0);
1403
1404     /* The 0xDF is the only special casing Unicode code point below 0x100. */
1405     if (special && (uv1 == 0xDF || uv1 > 0xFF)) {
1406          /* It might be "special" (sometimes, but not always,
1407           * a multicharacter mapping) */
1408          HV *hv;
1409          SV **svp;
1410
1411          if ((hv  = get_hv(special, FALSE)) &&
1412              (svp = hv_fetch(hv, (const char*)tmpbuf, UNISKIP(uv1), FALSE)) &&
1413              (*svp)) {
1414               char *s;
1415
1416               s = SvPV(*svp, len);
1417               if (len == 1)
1418                    len = uvuni_to_utf8(ustrp, NATIVE_TO_UNI(*(U8*)s)) - ustrp;
1419               else {
1420 #ifdef EBCDIC
1421                    /* If we have EBCDIC we need to remap the characters
1422                     * since any characters in the low 256 are Unicode
1423                     * code points, not EBCDIC. */
1424                    U8 *t = (U8*)s, *tend = t + len, *d;
1425                 
1426                    d = tmpbuf;
1427                    if (SvUTF8(*svp)) {
1428                         STRLEN tlen = 0;
1429                         
1430                         while (t < tend) {
1431                              UV c = utf8_to_uvchr(t, &tlen);
1432                              if (tlen > 0) {
1433                                   d = uvchr_to_utf8(d, UNI_TO_NATIVE(c));
1434                                   t += tlen;
1435                              }
1436                              else
1437                                   break;
1438                         }
1439                    }
1440                    else {
1441                         while (t < tend) {
1442                              d = uvchr_to_utf8(d, UNI_TO_NATIVE(*t));
1443                              t++;
1444                         }
1445                    }
1446                    len = d - tmpbuf;
1447                    Copy(tmpbuf, ustrp, len, U8);
1448 #else
1449                    Copy(s, ustrp, len, U8);
1450 #endif
1451               }
1452          }
1453     }
1454
1455     if (!len && *swashp) {
1456          UV uv2 = swash_fetch(*swashp, tmpbuf, TRUE);
1457          
1458          if (uv2) {
1459               /* It was "normal" (a single character mapping). */
1460               UV uv3 = UNI_TO_NATIVE(uv2);
1461               
1462               len = uvchr_to_utf8(ustrp, uv3) - ustrp;
1463          }
1464     }
1465
1466     if (!len) /* Neither: just copy. */
1467          len = uvchr_to_utf8(ustrp, uv0) - ustrp;
1468
1469     if (lenp)
1470          *lenp = len;
1471
1472     return len ? utf8_to_uvchr(ustrp, 0) : 0;
1473 }
1474
1475 /*
1476 =for apidoc A|UV|to_utf8_upper|U8 *p|U8 *ustrp|STRLEN *lenp
1477
1478 Convert the UTF-8 encoded character at p to its uppercase version and
1479 store that in UTF-8 in ustrp and its length in bytes in lenp.  Note
1480 that the ustrp needs to be at least UTF8_MAXLEN_UCLC+1 bytes since the
1481 uppercase version may be longer than the original character (up to two
1482 characters).
1483
1484 The first character of the uppercased version is returned
1485 (but note, as explained above, that there may be more.)
1486
1487 =cut */
1488
1489 UV
1490 Perl_to_utf8_upper(pTHX_ U8 *p, U8* ustrp, STRLEN *lenp)
1491 {
1492     return Perl_to_utf8_case(aTHX_ p, ustrp, lenp,
1493                              &PL_utf8_toupper, "ToUpper", "utf8::ToSpecUpper");
1494 }
1495
1496 /*
1497 =for apidoc A|UV|to_utf8_title|U8 *p|U8 *ustrp|STRLEN *lenp
1498
1499 Convert the UTF-8 encoded character at p to its titlecase version and
1500 store that in UTF-8 in ustrp and its length in bytes in lenp.  Note
1501 that the ustrp needs to be at least UTF8_MAXLEN_UCLC+1 bytes since the
1502 titlecase version may be longer than the original character (up to two
1503 characters).
1504
1505 The first character of the titlecased version is returned
1506 (but note, as explained above, that there may be more.)
1507
1508 =cut */
1509
1510 UV
1511 Perl_to_utf8_title(pTHX_ U8 *p, U8* ustrp, STRLEN *lenp)
1512 {
1513     return Perl_to_utf8_case(aTHX_ p, ustrp, lenp,
1514                              &PL_utf8_totitle, "ToTitle", "utf8::ToSpecTitle");
1515 }
1516
1517 /*
1518 =for apidoc A|UV|to_utf8_lower|U8 *p|U8 *ustrp|STRLEN *lenp
1519
1520 Convert the UTF-8 encoded character at p to its lowercase version and
1521 store that in UTF-8 in ustrp and its length in bytes in lenp.  Note
1522 that the ustrp needs to be at least UTF8_MAXLEN_UCLC+1 bytes since the
1523 lowercase version may be longer than the original character (up to two
1524 characters).
1525
1526 The first character of the lowercased version is returned
1527 (but note, as explained above, that there may be more.)
1528
1529 =cut */
1530
1531 UV
1532 Perl_to_utf8_lower(pTHX_ U8 *p, U8* ustrp, STRLEN *lenp)
1533 {
1534     return Perl_to_utf8_case(aTHX_ p, ustrp, lenp,
1535                              &PL_utf8_tolower, "ToLower", "utf8::ToSpecLower");
1536 }
1537
1538 /*
1539 =for apidoc A|UV|to_utf8_fold|U8 *p|U8 *ustrp|STRLEN *lenp
1540
1541 Convert the UTF-8 encoded character at p to its foldcase version and
1542 store that in UTF-8 in ustrp and its length in bytes in lenp.  Note
1543 that the ustrp needs to be at least UTF8_MAXLEN_FOLD+1 bytes since the
1544 foldcase version may be longer than the original character (up to
1545 three characters).
1546
1547 The first character of the foldcased version is returned
1548 (but note, as explained above, that there may be more.)
1549
1550 =cut */
1551
1552 UV
1553 Perl_to_utf8_fold(pTHX_ U8 *p, U8* ustrp, STRLEN *lenp)
1554 {
1555     return Perl_to_utf8_case(aTHX_ p, ustrp, lenp,
1556                              &PL_utf8_tofold, "ToFold", "utf8::ToSpecFold");
1557 }
1558
1559 /* a "swash" is a swatch hash */
1560
1561 SV*
1562 Perl_swash_init(pTHX_ char* pkg, char* name, SV *listsv, I32 minbits, I32 none)
1563 {
1564     SV* retval;
1565     SV* tokenbufsv = sv_2mortal(NEWSV(0,0));
1566     dSP;
1567     size_t pkg_len = strlen(pkg);
1568     size_t name_len = strlen(name);
1569     HV *stash = gv_stashpvn(pkg, pkg_len, FALSE);
1570     SV* errsv_save;
1571
1572     if (!gv_fetchmeth(stash, "SWASHNEW", 8, -1)) {      /* demand load utf8 */
1573         ENTER;
1574         errsv_save = newSVsv(ERRSV);
1575         Perl_load_module(aTHX_ PERL_LOADMOD_NOIMPORT, newSVpvn(pkg,pkg_len),
1576                          Nullsv);
1577         if (!SvTRUE(ERRSV))
1578             sv_setsv(ERRSV, errsv_save);
1579         SvREFCNT_dec(errsv_save);
1580         LEAVE;
1581     }
1582     SPAGAIN;
1583     PUSHSTACKi(PERLSI_MAGIC);
1584     PUSHMARK(SP);
1585     EXTEND(SP,5);
1586     PUSHs(sv_2mortal(newSVpvn(pkg, pkg_len)));
1587     PUSHs(sv_2mortal(newSVpvn(name, name_len)));
1588     PUSHs(listsv);
1589     PUSHs(sv_2mortal(newSViv(minbits)));
1590     PUSHs(sv_2mortal(newSViv(none)));
1591     PUTBACK;
1592     ENTER;
1593     SAVEI32(PL_hints);
1594     PL_hints = 0;
1595     save_re_context();
1596     if (IN_PERL_COMPILETIME) {
1597         /* XXX ought to be handled by lex_start */
1598         SAVEI32(PL_in_my);
1599         PL_in_my = 0;
1600         sv_setpv(tokenbufsv, PL_tokenbuf);
1601     }
1602     errsv_save = newSVsv(ERRSV);
1603     if (call_method("SWASHNEW", G_SCALAR))
1604         retval = newSVsv(*PL_stack_sp--);
1605     else
1606         retval = &PL_sv_undef;
1607     if (!SvTRUE(ERRSV))
1608         sv_setsv(ERRSV, errsv_save);
1609     SvREFCNT_dec(errsv_save);
1610     LEAVE;
1611     POPSTACK;
1612     if (IN_PERL_COMPILETIME) {
1613         STRLEN len;
1614         char* pv = SvPV(tokenbufsv, len);
1615
1616         Copy(pv, PL_tokenbuf, len+1, char);
1617         PL_curcop->op_private = (U8)(PL_hints & HINT_PRIVATE_MASK);
1618     }
1619     if (!SvROK(retval) || SvTYPE(SvRV(retval)) != SVt_PVHV) {
1620         if (SvPOK(retval))
1621             Perl_croak(aTHX_ "Can't find Unicode property definition \"%"SVf"\"",
1622                        retval);
1623         Perl_croak(aTHX_ "SWASHNEW didn't return an HV ref");
1624     }
1625     return retval;
1626 }
1627
1628
1629 /* This API is wrong for special case conversions since we may need to
1630  * return several Unicode characters for a single Unicode character
1631  * (see lib/unicore/SpecCase.txt) The SWASHGET in lib/utf8_heavy.pl is
1632  * the lower-level routine, and it is similarly broken for returning
1633  * multiple values.  --jhi */
1634 UV
1635 Perl_swash_fetch(pTHX_ SV *sv, U8 *ptr, bool do_utf8)
1636 {
1637     HV* hv = (HV*)SvRV(sv);
1638     U32 klen;
1639     U32 off;
1640     STRLEN slen;
1641     STRLEN needents;
1642     U8 *tmps = NULL;
1643     U32 bit;
1644     SV *retval;
1645     U8 tmputf8[2];
1646     UV c = NATIVE_TO_ASCII(*ptr);
1647
1648     if (!do_utf8 && !UNI_IS_INVARIANT(c)) {
1649         tmputf8[0] = (U8)UTF8_EIGHT_BIT_HI(c);
1650         tmputf8[1] = (U8)UTF8_EIGHT_BIT_LO(c);
1651         ptr = tmputf8;
1652     }
1653     /* Given a UTF-X encoded char 0xAA..0xYY,0xZZ
1654      * then the "swatch" is a vec() for al the chars which start
1655      * with 0xAA..0xYY
1656      * So the key in the hash (klen) is length of encoded char -1
1657      */
1658     klen = UTF8SKIP(ptr) - 1;
1659     off  = ptr[klen];
1660
1661     if (klen == 0)
1662      {
1663       /* If char in invariant then swatch is for all the invariant chars
1664        * In both UTF-8 and UTF-8-MOD that happens to be UTF_CONTINUATION_MARK
1665        */
1666       needents = UTF_CONTINUATION_MARK;
1667       off      = NATIVE_TO_UTF(ptr[klen]);
1668      }
1669     else
1670      {
1671       /* If char is encoded then swatch is for the prefix */
1672       needents = (1 << UTF_ACCUMULATION_SHIFT);
1673       off      = NATIVE_TO_UTF(ptr[klen]) & UTF_CONTINUATION_MASK;
1674      }
1675
1676     /*
1677      * This single-entry cache saves about 1/3 of the utf8 overhead in test
1678      * suite.  (That is, only 7-8% overall over just a hash cache.  Still,
1679      * it's nothing to sniff at.)  Pity we usually come through at least
1680      * two function calls to get here...
1681      *
1682      * NB: this code assumes that swatches are never modified, once generated!
1683      */
1684
1685     if (hv   == PL_last_swash_hv &&
1686         klen == PL_last_swash_klen &&
1687         (!klen || memEQ((char *)ptr, (char *)PL_last_swash_key, klen)) )
1688     {
1689         tmps = PL_last_swash_tmps;
1690         slen = PL_last_swash_slen;
1691     }
1692     else {
1693         /* Try our second-level swatch cache, kept in a hash. */
1694         SV** svp = hv_fetch(hv, (char*)ptr, klen, FALSE);
1695
1696         /* If not cached, generate it via utf8::SWASHGET */
1697         if (!svp || !SvPOK(*svp) || !(tmps = (U8*)SvPV(*svp, slen))) {
1698             dSP;
1699             /* We use utf8n_to_uvuni() as we want an index into
1700                Unicode tables, not a native character number.
1701              */
1702             UV code_point = utf8n_to_uvuni(ptr, UTF8_MAXLEN, 0,
1703                                            ckWARN(WARN_UTF8) ?
1704                                            0 : UTF8_ALLOW_ANY);
1705             SV *errsv_save;
1706             ENTER;
1707             SAVETMPS;
1708             save_re_context();
1709             PUSHSTACKi(PERLSI_MAGIC);
1710             PUSHMARK(SP);
1711             EXTEND(SP,3);
1712             PUSHs((SV*)sv);
1713             /* On EBCDIC & ~(0xA0-1) isn't a useful thing to do */
1714             PUSHs(sv_2mortal(newSViv((klen) ?
1715                                      (code_point & ~(needents - 1)) : 0)));
1716             PUSHs(sv_2mortal(newSViv(needents)));
1717             PUTBACK;
1718             errsv_save = newSVsv(ERRSV);
1719             if (call_method("SWASHGET", G_SCALAR))
1720                 retval = newSVsv(*PL_stack_sp--);
1721             else
1722                 retval = &PL_sv_undef;
1723             if (!SvTRUE(ERRSV))
1724                 sv_setsv(ERRSV, errsv_save);
1725             SvREFCNT_dec(errsv_save);
1726             POPSTACK;
1727             FREETMPS;
1728             LEAVE;
1729             if (IN_PERL_COMPILETIME)
1730                 PL_curcop->op_private = (U8)(PL_hints & HINT_PRIVATE_MASK);
1731
1732             svp = hv_store(hv, (char*)ptr, klen, retval, 0);
1733
1734             if (!svp || !(tmps = (U8*)SvPV(*svp, slen)) || (slen << 3) < needents)
1735                 Perl_croak(aTHX_ "SWASHGET didn't return result of proper length");
1736         }
1737
1738         PL_last_swash_hv = hv;
1739         PL_last_swash_klen = klen;
1740         PL_last_swash_tmps = tmps;
1741         PL_last_swash_slen = slen;
1742         if (klen)
1743             Copy(ptr, PL_last_swash_key, klen, U8);
1744     }
1745
1746     switch ((int)((slen << 3) / needents)) {
1747     case 1:
1748         bit = 1 << (off & 7);
1749         off >>= 3;
1750         return (tmps[off] & bit) != 0;
1751     case 8:
1752         return tmps[off];
1753     case 16:
1754         off <<= 1;
1755         return (tmps[off] << 8) + tmps[off + 1] ;
1756     case 32:
1757         off <<= 2;
1758         return (tmps[off] << 24) + (tmps[off+1] << 16) + (tmps[off+2] << 8) + tmps[off + 3] ;
1759     }
1760     Perl_croak(aTHX_ "panic: swash_fetch");
1761     return 0;
1762 }
1763
1764
1765 /*
1766 =for apidoc A|U8 *|uvchr_to_utf8|U8 *d|UV uv
1767
1768 Adds the UTF-8 representation of the Native codepoint C<uv> to the end
1769 of the string C<d>; C<d> should be have at least C<UTF8_MAXLEN+1> free
1770 bytes available. The return value is the pointer to the byte after the
1771 end of the new character. In other words,
1772
1773     d = uvchr_to_utf8(d, uv);
1774
1775 is the recommended wide native character-aware way of saying
1776
1777     *(d++) = uv;
1778
1779 =cut
1780 */
1781
1782 /* On ASCII machines this is normally a macro but we want a
1783    real function in case XS code wants it
1784 */
1785 #undef Perl_uvchr_to_utf8
1786 U8 *
1787 Perl_uvchr_to_utf8(pTHX_ U8 *d, UV uv)
1788 {
1789     return Perl_uvuni_to_utf8_flags(aTHX_ d, NATIVE_TO_UNI(uv), 0);
1790 }
1791
1792 U8 *
1793 Perl_uvchr_to_utf8_flags(pTHX_ U8 *d, UV uv, UV flags)
1794 {
1795     return Perl_uvuni_to_utf8_flags(aTHX_ d, NATIVE_TO_UNI(uv), flags);
1796 }
1797
1798 /*
1799 =for apidoc A|UV|utf8n_to_uvchr|U8 *s|STRLEN curlen|STRLEN *retlen|U32 flags
1800
1801 Returns the native character value of the first character in the string C<s>
1802 which is assumed to be in UTF-8 encoding; C<retlen> will be set to the
1803 length, in bytes, of that character.
1804
1805 Allows length and flags to be passed to low level routine.
1806
1807 =cut
1808 */
1809 /* On ASCII machines this is normally a macro but we want
1810    a real function in case XS code wants it
1811 */
1812 #undef Perl_utf8n_to_uvchr
1813 UV
1814 Perl_utf8n_to_uvchr(pTHX_ U8 *s, STRLEN curlen, STRLEN *retlen, U32 flags)
1815 {
1816     UV uv = Perl_utf8n_to_uvuni(aTHX_ s, curlen, retlen, flags);
1817     return UNI_TO_NATIVE(uv);
1818 }
1819
1820 /*
1821 =for apidoc A|char *|pv_uni_display|SV *dsv|U8 *spv|STRLEN len|STRLEN pvlim|UV flags
1822
1823 Build to the scalar dsv a displayable version of the string spv,
1824 length len, the displayable version being at most pvlim bytes long
1825 (if longer, the rest is truncated and "..." will be appended).
1826
1827 The flags argument can have UNI_DISPLAY_ISPRINT set to display
1828 isPRINT()able characters as themselves, UNI_DISPLAY_BACKSLASH
1829 to display the \\[nrfta\\] as the backslashed versions (like '\n')
1830 (UNI_DISPLAY_BACKSLASH is preferred over UNI_DISPLAY_ISPRINT for \\).
1831 UNI_DISPLAY_QQ (and its alias UNI_DISPLAY_REGEX) have both
1832 UNI_DISPLAY_BACKSLASH and UNI_DISPLAY_ISPRINT turned on.
1833
1834 The pointer to the PV of the dsv is returned.
1835
1836 =cut */
1837 char *
1838 Perl_pv_uni_display(pTHX_ SV *dsv, U8 *spv, STRLEN len, STRLEN pvlim, UV flags)
1839 {
1840     int truncated = 0;
1841     char *s, *e;
1842
1843     sv_setpvn(dsv, "", 0);
1844     for (s = (char *)spv, e = s + len; s < e; s += UTF8SKIP(s)) {
1845          UV u;
1846          bool ok = FALSE;
1847
1848          if (pvlim && SvCUR(dsv) >= pvlim) {
1849               truncated++;
1850               break;
1851          }
1852          u = utf8_to_uvchr((U8*)s, 0);
1853          if (u < 256) {
1854              if (!ok && (flags & UNI_DISPLAY_BACKSLASH)) {
1855                  switch (u & 0xFF) {
1856                  case '\n':
1857                      Perl_sv_catpvf(aTHX_ dsv, "\\n"); ok = TRUE; break;
1858                  case '\r':
1859                      Perl_sv_catpvf(aTHX_ dsv, "\\r"); ok = TRUE; break;
1860                  case '\t':
1861                      Perl_sv_catpvf(aTHX_ dsv, "\\t"); ok = TRUE; break;
1862                  case '\f':
1863                      Perl_sv_catpvf(aTHX_ dsv, "\\f"); ok = TRUE; break;
1864                  case '\a':
1865                      Perl_sv_catpvf(aTHX_ dsv, "\\a"); ok = TRUE; break;
1866                  case '\\':
1867                      Perl_sv_catpvf(aTHX_ dsv, "\\\\" ); ok = TRUE; break;
1868                  default: break;
1869                  }
1870              }
1871              /* isPRINT() is the locale-blind version. */
1872              if (!ok && (flags & UNI_DISPLAY_ISPRINT) && isPRINT(u & 0xFF)) {
1873                  Perl_sv_catpvf(aTHX_ dsv, "%c", (char)(u & 0xFF));
1874                  ok = TRUE;
1875              }
1876          }
1877          if (!ok)
1878              Perl_sv_catpvf(aTHX_ dsv, "\\x{%"UVxf"}", u);
1879     }
1880     if (truncated)
1881          sv_catpvn(dsv, "...", 3);
1882     
1883     return SvPVX(dsv);
1884 }
1885
1886 /*
1887 =for apidoc A|char *|sv_uni_display|SV *dsv|SV *ssv|STRLEN pvlim|UV flags
1888
1889 Build to the scalar dsv a displayable version of the scalar sv,
1890 the displayable version being at most pvlim bytes long
1891 (if longer, the rest is truncated and "..." will be appended).
1892
1893 The flags argument is as in pv_uni_display().
1894
1895 The pointer to the PV of the dsv is returned.
1896
1897 =cut */
1898 char *
1899 Perl_sv_uni_display(pTHX_ SV *dsv, SV *ssv, STRLEN pvlim, UV flags)
1900 {
1901      return Perl_pv_uni_display(aTHX_ dsv, (U8*)SvPVX(ssv), SvCUR(ssv),
1902                                 pvlim, flags);
1903 }
1904
1905 /*
1906 =for apidoc A|I32|ibcmp_utf8|const char *s1|char **pe1|register UV l1|bool u1|const char *s2|char **pe2|register UV l2|bool u2
1907
1908 Return true if the strings s1 and s2 differ case-insensitively, false
1909 if not (if they are equal case-insensitively).  If u1 is true, the
1910 string s1 is assumed to be in UTF-8-encoded Unicode.  If u2 is true,
1911 the string s2 is assumed to be in UTF-8-encoded Unicode.  If u1 or u2
1912 are false, the respective string is assumed to be in native 8-bit
1913 encoding.
1914
1915 If the pe1 and pe2 are non-NULL, the scanning pointers will be copied
1916 in there (they will point at the beginning of the I<next> character).
1917 If the pointers behind pe1 or pe2 are non-NULL, they are the end
1918 pointers beyond which scanning will not continue under any
1919 circustances.  If the byte lengths l1 and l2 are non-zero, s1+l1 and
1920 s2+l2 will be used as goal end pointers that will also stop the scan,
1921 and which qualify towards defining a successful match: all the scans
1922 that define an explicit length must reach their goal pointers for
1923 a match to succeed).
1924
1925 For case-insensitiveness, the "casefolding" of Unicode is used
1926 instead of upper/lowercasing both the characters, see
1927 http://www.unicode.org/unicode/reports/tr21/ (Case Mappings).
1928
1929 =cut */
1930 I32
1931 Perl_ibcmp_utf8(pTHX_ const char *s1, char **pe1, register UV l1, bool u1, const char *s2, char **pe2, register UV l2, bool u2)
1932 {
1933      register U8 *p1  = (U8*)s1;
1934      register U8 *p2  = (U8*)s2;
1935      register U8 *e1 = 0, *f1 = 0, *q1 = 0;
1936      register U8 *e2 = 0, *f2 = 0, *q2 = 0;
1937      STRLEN n1 = 0, n2 = 0;
1938      U8 foldbuf1[UTF8_MAXLEN_FOLD+1];
1939      U8 foldbuf2[UTF8_MAXLEN_FOLD+1];
1940      U8 natbuf[1+1];
1941      STRLEN foldlen1, foldlen2;
1942      bool match;
1943      
1944      if (pe1)
1945           e1 = *(U8**)pe1;
1946      if (e1 == 0 || (l1 && l1 < (UV)(e1 - (U8*)s1)))
1947           f1 = (U8*)s1 + l1;
1948      if (pe2)
1949           e2 = *(U8**)pe2;
1950      if (e2 == 0 || (l2 && l2 < (UV)(e2 - (U8*)s2)))
1951           f2 = (U8*)s2 + l2;
1952
1953      if ((e1 == 0 && f1 == 0) || (e2 == 0 && f2 == 0) || (f1 == 0 && f2 == 0))
1954           return 1; /* mismatch; possible infinite loop or false positive */
1955
1956      if (!u1 || !u2)
1957           natbuf[1] = 0; /* Need to terminate the buffer. */
1958
1959      while ((e1 == 0 || p1 < e1) &&
1960             (f1 == 0 || p1 < f1) &&
1961             (e2 == 0 || p2 < e2) &&
1962             (f2 == 0 || p2 < f2)) {
1963           if (n1 == 0) {
1964                if (u1)
1965                     to_utf8_fold(p1, foldbuf1, &foldlen1);
1966                else {
1967                     natbuf[0] = *p1;
1968                     to_utf8_fold(natbuf, foldbuf1, &foldlen1);
1969                }
1970                q1 = foldbuf1;
1971                n1 = foldlen1;
1972           }
1973           if (n2 == 0) {
1974                if (u2)
1975                     to_utf8_fold(p2, foldbuf2, &foldlen2);
1976                else {
1977                     natbuf[0] = *p2;
1978                     to_utf8_fold(natbuf, foldbuf2, &foldlen2);
1979                }
1980                q2 = foldbuf2;
1981                n2 = foldlen2;
1982           }
1983           while (n1 && n2) {
1984                if ( UTF8SKIP(q1) != UTF8SKIP(q2) ||
1985                    (UTF8SKIP(q1) == 1 && *q1 != *q2) ||
1986                     memNE((char*)q1, (char*)q2, UTF8SKIP(q1)) )
1987                    return 1; /* mismatch */
1988                n1 -= UTF8SKIP(q1);
1989                q1 += UTF8SKIP(q1);
1990                n2 -= UTF8SKIP(q2);
1991                q2 += UTF8SKIP(q2);
1992           }
1993           if (n1 == 0)
1994                p1 += u1 ? UTF8SKIP(p1) : 1;
1995           if (n2 == 0)
1996                p2 += u2 ? UTF8SKIP(p2) : 1;
1997
1998      }
1999
2000      /* A match is defined by all the scans that specified
2001       * an explicit length reaching their final goals. */
2002      match = (f1 == 0 || p1 == f1) && (f2 == 0 || p2 == f2);
2003
2004      if (match) {
2005           if (pe1)
2006                *pe1 = (char*)p1;
2007           if (pe2)
2008                *pe2 = (char*)p2;
2009      }
2010
2011      return match ? 0 : 1; /* 0 match, 1 mismatch */
2012 }
2013