utf8.h

   1 /*    utf8.h
   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 START_EXTERN_C
  11
  12 #include "handy.h"
  13
  14 #ifdef DOINIT
  15 EXTCONST unsigned char PL_utf8skip[] = {
  16 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, /* ascii */
  17 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, /* ascii */
  18 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, /* ascii */
  19 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, /* ascii */
  20 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, /* bogus */
  21 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, /* bogus */
  22 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2, /* scripts */
  23 3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,4,4,4,4,4,4,4,4,5,5,5,5,6,6,     /* cjk etc. */
  24 7,13, /* Perl extended (not UTF-8).  Up to 72bit allowed (64-bit + reserved). */
  25 };
  26 #else
  27 EXTCONST unsigned char PL_utf8skip[];
  28 #endif
  29
  30 END_EXTERN_C
  31
  32 #define UTF8_MAXLEN 13 /* how wide can a single UTF8 encoded character become */
  33
  34 /* #define IN_UTF8 (PL_curcop->op_private & HINT_UTF8) */
  35 #define IN_BYTE (PL_curcop->op_private & HINT_BYTE)
  36 #define DO_UTF8(sv) (SvUTF8(sv) && !IN_BYTE)
  37
  38 #define UTF8_ALLOW_CONTINUATION         0x0001
  39 #define UTF8_ALLOW_NON_CONTINUATION     0x0002
  40 #define UTF8_ALLOW_FE_FF                0x0004
  41 #define UTF8_ALLOW_SHORT                0x0008
  42 #define UTF8_ALLOW_SURROGATE            0x0010
  43 #define UTF8_ALLOW_BOM                  0x0020
  44 #define UTF8_ALLOW_FFFF                 0x0040
  45 #define UTF8_ALLOW_LONG                 0x0080
  46 #define UTF8_ALLOW_ANYUV                (UTF8_ALLOW_FE_FF|UTF8_ALLOW_FFFF \
  47                                         |UTF8_ALLOW_BOM|UTF8_ALLOW_SURROGATE)
  48 #define UTF8_ALLOW_ANY                  0x00ff
  49 #define UTF8_CHECK_ONLY                 0x0100
  50
  51 #define UTF8SKIP(s) PL_utf8skip[*(U8*)s]
  52
  53 #define UTF8_QUAD_MAX   UINT64_C(0x1000000000)
  54
  55 #ifdef HAS_QUAD
  56 #define UNISKIP(uv) ( (uv) < 0x80           ? 1 : \
  57                       (uv) < 0x800          ? 2 : \
  58                       (uv) < 0x10000        ? 3 : \
  59                       (uv) < 0x200000       ? 4 : \
  60                       (uv) < 0x4000000      ? 5 : \
  61                       (uv) < 0x80000000     ? 6 : \
  62                       (uv) < UTF8_QUAD_MAX ? 7 : 13 )
  63 #else
  64 /* No, I'm not even going to *TRY* putting #ifdef inside a #define */
  65 #define UNISKIP(uv) ( (uv) < 0x80           ? 1 : \
  66                       (uv) < 0x800          ? 2 : \
  67                       (uv) < 0x10000        ? 3 : \
  68                       (uv) < 0x200000       ? 4 : \
  69                       (uv) < 0x4000000      ? 5 : \
  70                       (uv) < 0x80000000     ? 6 : 7 )
  71 #endif
  72
  73 #define UNICODE_REPLACEMENT_CHARACTER   0xfffd
  74
  75 /*
  76  * Note: we try to be careful never to call the isXXX_utf8() functions
  77  * unless we're pretty sure we've seen the beginning of a UTF-8 character
  78  * (that is, the two high bits are set).  Otherwise we risk loading in the
  79  * heavy-duty SWASHINIT and SWASHGET routines unnecessarily.
  80  */
  81 #ifdef EBCDIC
  82 #define isIDFIRST_lazy_if(p,c) isIDFIRST(*(p))
  83 #define isALNUM_lazy_if(p,c)   isALNUM(*(p))
  84 #else
  85 #define isIDFIRST_lazy_if(p,c) ((IN_BYTE || (!c || (*((U8*)p) < 0xc0))) \
  86                                 ? isIDFIRST(*(p)) \
  87                                 : isIDFIRST_utf8((U8*)p))
  88 #define isALNUM_lazy_if(p,c)   ((IN_BYTE || (!c || (*((U8*)p) < 0xc0))) \
  89                                 ? isALNUM(*(p)) \
  90                                 : isALNUM_utf8((U8*)p))
  91 #endif
  92 #define isIDFIRST_lazy(p)       isIDFIRST_lazy_if(p,1)
  93 #define isALNUM_lazy(p)         isALNUM_lazy_if(p,1)