granicus.if.org Git - onig/blob - src/utf32_be.c

   1 /**********************************************************************
   2   utf32_be.c -  Oniguruma (regular expression library)
   3 **********************************************************************/
   4 /*-
   5  * Copyright (c) 2002-2016  K.Kosako  <sndgk393 AT ybb DOT ne DOT jp>
   6  * All rights reserved.
   7  *
   8  * Redistribution and use in source and binary forms, with or without
   9  * modification, are permitted provided that the following conditions
  10  * are met:
  11  * 1. Redistributions of source code must retain the above copyright
  12  *    notice, this list of conditions and the following disclaimer.
  13  * 2. Redistributions in binary form must reproduce the above copyright
  14  *    notice, this list of conditions and the following disclaimer in the
  15  *    documentation and/or other materials provided with the distribution.
  16  *
  17  * THIS SOFTWARE IS PROVIDED BY THE AUTHOR AND CONTRIBUTORS ``AS IS'' AND
  18  * ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE
  19  * IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE
  20  * ARE DISCLAIMED.  IN NO EVENT SHALL THE AUTHOR OR CONTRIBUTORS BE LIABLE
  21  * FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL
  22  * DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS
  23  * OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION)
  24  * HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT
  25  * LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY
  26  * OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF
  27  * SUCH DAMAGE.
  28  */
  29
  30 #include "regenc.h"
  31
  32 static int
  33 utf32be_mbc_enc_len(const UChar* p ARG_UNUSED)
  34 {
  35   return 4;
  36 }
  37
  38 static int
  39 is_valid_mbc_string(const UChar* s, const UChar* end)
  40 {
  41   return onigenc_length_check_is_valid_mbc_string(ONIG_ENCODING_UTF32_BE, s, end);
  42 }
  43
  44 static int
  45 utf32be_is_mbc_newline(const UChar* p, const UChar* end)
  46 {
  47   if (p + 3 < end) {
  48     if (*(p+3) == 0x0a && *(p+2) == 0 && *(p+1) == 0 && *p == 0)
  49       return 1;
  50 #ifdef USE_UNICODE_ALL_LINE_TERMINATORS
  51     if ((
  52 #ifndef USE_CRNL_AS_LINE_TERMINATOR
  53          *(p+3) == 0x0d ||
  54 #endif
  55          *(p+3) == 0x85)
  56         && *(p+2) == 0 && *(p+1) == 0 && *p == 0x00)
  57       return 1;
  58
  59     if (*(p+2) == 0x20 && (*(p+3) == 0x29 || *(p+3) == 0x28)
  60         && *(p+1) == 0 && *p == 0)
  61       return 1;
  62 #endif
  63   }
  64   return 0;
  65 }
  66
  67 static OnigCodePoint
  68 utf32be_mbc_to_code(const UChar* p, const UChar* end ARG_UNUSED)
  69 {
  70   return (OnigCodePoint )(((p[0] * 256 + p[1]) * 256 + p[2]) * 256 + p[3]);
  71 }
  72
  73 static int
  74 utf32be_code_to_mbclen(OnigCodePoint code ARG_UNUSED)
  75 {
  76   return 4;
  77 }
  78
  79 static int
  80 utf32be_code_to_mbc(OnigCodePoint code, UChar *buf)
  81 {
  82   UChar* p = buf;
  83
  84   *p++ = (UChar )((code & 0xff000000) >>24);
  85   *p++ = (UChar )((code & 0xff0000)   >>16);
  86   *p++ = (UChar )((code & 0xff00)     >> 8);
  87   *p++ = (UChar ) (code & 0xff);
  88   return 4;
  89 }
  90
  91 static int
  92 utf32be_mbc_case_fold(OnigCaseFoldType flag,
  93                       const UChar** pp, const UChar* end, UChar* fold)
  94 {
  95   const UChar* p = *pp;
  96
  97   if (ONIGENC_IS_ASCII_CODE(*(p+3)) && *(p+2) == 0 && *(p+1) == 0 && *p == 0) {
  98     *fold++ = 0;
  99     *fold++ = 0;
 100
 101 #ifdef USE_UNICODE_CASE_FOLD_TURKISH_AZERI
 102     if ((flag & ONIGENC_CASE_FOLD_TURKISH_AZERI) != 0) {
 103       if (*(p+3) == 0x49) {
 104         *fold++ = 0x01;
 105         *fold   = 0x31;
 106         (*pp) += 4;
 107         return 4;
 108       }
 109     }
 110 #endif
 111
 112     *fold++ = 0;
 113     *fold   = ONIGENC_ASCII_CODE_TO_LOWER_CASE(*(p+3));
 114     *pp += 4;
 115     return 4;
 116   }
 117   else
 118     return onigenc_unicode_mbc_case_fold(ONIG_ENCODING_UTF32_BE, flag, pp, end,
 119                                          fold);
 120 }
 121
 122 #if 0
 123 static int
 124 utf32be_is_mbc_ambiguous(OnigCaseFoldType flag, const UChar** pp, const UChar* end)
 125 {
 126   const UChar* p = *pp;
 127
 128   (*pp) += 4;
 129
 130   if (*(p+2) == 0 && *(p+1) == 0 && *p == 0) {
 131     int c, v;
 132
 133     p += 3;
 134     if (*p == 0xdf && (flag & INTERNAL_ONIGENC_CASE_FOLD_MULTI_CHAR) != 0) {
 135       return TRUE;
 136     }
 137
 138     c = *p;
 139     v = ONIGENC_IS_UNICODE_ISO_8859_1_BIT_CTYPE(c,
 140                        (BIT_CTYPE_UPPER | BIT_CTYPE_LOWER));
 141     if ((v | BIT_CTYPE_LOWER) != 0) {
 142       /* 0xaa, 0xb5, 0xba are lower case letter, but can't convert. */
 143       if (c >= 0xaa && c <= 0xba)
 144         return FALSE;
 145       else
 146         return TRUE;
 147     }
 148     return (v != 0 ? TRUE : FALSE);
 149   }
 150
 151   return FALSE;
 152 }
 153 #endif
 154
 155 static UChar*
 156 utf32be_left_adjust_char_head(const UChar* start, const UChar* s)
 157 {
 158   int rem;
 159
 160   if (s <= start) return (UChar* )s;
 161
 162   rem = (s - start) % 4;
 163   return (UChar* )(s - rem);
 164 }
 165
 166 static int
 167 utf32be_get_case_fold_codes_by_str(OnigCaseFoldType flag,
 168     const OnigUChar* p, const OnigUChar* end, OnigCaseFoldCodeItem items[])
 169 {
 170   return onigenc_unicode_get_case_fold_codes_by_str(ONIG_ENCODING_UTF32_BE,
 171                                                     flag, p, end, items);
 172 }
 173
 174 OnigEncodingType OnigEncodingUTF32_BE = {
 175   utf32be_mbc_enc_len,
 176   "UTF-32BE",   /* name */
 177   4,            /* max byte length */
 178   4,            /* min byte length */
 179   utf32be_is_mbc_newline,
 180   utf32be_mbc_to_code,
 181   utf32be_code_to_mbclen,
 182   utf32be_code_to_mbc,
 183   utf32be_mbc_case_fold,
 184   onigenc_unicode_apply_all_case_fold,
 185   utf32be_get_case_fold_codes_by_str,
 186   onigenc_unicode_property_name_to_ctype,
 187   onigenc_unicode_is_code_ctype,
 188   onigenc_utf16_32_get_ctype_code_range,
 189   utf32be_left_adjust_char_head,
 190   onigenc_always_false_is_allowed_reverse_match,
 191   NULL, /* init */
 192   NULL, /* is_initialized */
 193   is_valid_mbc_string
 194 };