lib/unistr/u8-strmbtouc.c

   1 /* Look at first character in UTF-8 string.
   2    Copyright (C) 1999-2000, 2002, 2006-2007 Free Software Foundation, Inc.
   3    Written by Bruno Haible <bruno@clisp.org>, 2002.
   4
   5    This program is free software: you can redistribute it and/or modify it
   6    under the terms of the GNU Lesser General Public License as published
   7    by the Free Software Foundation; either version 3 of the License, or
   8    (at your option) any later version.
   9
  10    This program is distributed in the hope that it will be useful,
  11    but WITHOUT ANY WARRANTY; without even the implied warranty of
  12    MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  13    Lesser General Public License for more details.
  14
  15    You should have received a copy of the GNU Lesser General Public License
  16    along with this program.  If not, see <http://www.gnu.org/licenses/>.  */
  17
  18 #include <config.h>
  19
  20 /* Specification.  */
  21 #include "unistr.h"
  22
  23 int
  24 u8_strmbtouc (ucs4_t *puc, const uint8_t *s)
  25 {
  26   /* Keep in sync with unistr.h and utf8-ucs4.c.  */
  27   uint8_t c = *s;
  28
  29   if (c < 0x80)
  30     {
  31       *puc = c;
  32       return (c != 0 ? 1 : 0);
  33     }
  34   if (c >= 0xc2)
  35     {
  36       if (c < 0xe0)
  37         {
  38 #if CONFIG_UNICODE_SAFETY
  39           if ((s[1] ^ 0x80) < 0x40)
  40 #else
  41           if (s[1] != 0)
  42 #endif
  43             {
  44               *puc = ((unsigned int) (c & 0x1f) << 6)
  45                      | (unsigned int) (s[1] ^ 0x80);
  46               return 2;
  47             }
  48         }
  49       else if (c < 0xf0)
  50         {
  51 #if CONFIG_UNICODE_SAFETY
  52           if ((s[1] ^ 0x80) < 0x40 && (s[2] ^ 0x80) < 0x40
  53               && (c >= 0xe1 || s[1] >= 0xa0)
  54               && (c != 0xed || s[1] < 0xa0))
  55 #else
  56           if (s[1] != 0 && s[2] != 0)
  57 #endif
  58             {
  59               *puc = ((unsigned int) (c & 0x0f) << 12)
  60                      | ((unsigned int) (s[1] ^ 0x80) << 6)
  61                      | (unsigned int) (s[2] ^ 0x80);
  62               return 3;
  63             }
  64         }
  65       else if (c < 0xf8)
  66         {
  67 #if CONFIG_UNICODE_SAFETY
  68           if ((s[1] ^ 0x80) < 0x40 && (s[2] ^ 0x80) < 0x40
  69               && (s[3] ^ 0x80) < 0x40
  70               && (c >= 0xf1 || s[1] >= 0x90)
  71 #if 1
  72               && (c < 0xf4 || (c == 0xf4 && s[1] < 0x90))
  73 #endif
  74              )
  75 #else
  76           if (s[1] != 0 && s[2] != 0 && s[3] != 0)
  77 #endif
  78             {
  79               *puc = ((unsigned int) (c & 0x07) << 18)
  80                      | ((unsigned int) (s[1] ^ 0x80) << 12)
  81                      | ((unsigned int) (s[2] ^ 0x80) << 6)
  82                      | (unsigned int) (s[3] ^ 0x80);
  83               return 4;
  84             }
  85         }
  86 #if 0
  87       else if (c < 0xfc)
  88         {
  89 #if CONFIG_UNICODE_SAFETY
  90           if ((s[1] ^ 0x80) < 0x40 && (s[2] ^ 0x80) < 0x40
  91               && (s[3] ^ 0x80) < 0x40 && (s[4] ^ 0x80) < 0x40
  92               && (c >= 0xf9 || s[1] >= 0x88))
  93 #else
  94           if (s[1] != 0 && s[2] != 0 && s[3] != 0 && s[4] != 0)
  95 #endif
  96             {
  97               *puc = ((unsigned int) (c & 0x03) << 24)
  98                      | ((unsigned int) (s[1] ^ 0x80) << 18)
  99                      | ((unsigned int) (s[2] ^ 0x80) << 12)
 100                      | ((unsigned int) (s[3] ^ 0x80) << 6)
 101                      | (unsigned int) (s[4] ^ 0x80);
 102               return 5;
 103             }
 104         }
 105       else if (c < 0xfe)
 106         {
 107 #if CONFIG_UNICODE_SAFETY
 108           if ((s[1] ^ 0x80) < 0x40 && (s[2] ^ 0x80) < 0x40
 109               && (s[3] ^ 0x80) < 0x40 && (s[4] ^ 0x80) < 0x40
 110               && (s[5] ^ 0x80) < 0x40
 111               && (c >= 0xfd || s[1] >= 0x84))
 112 #else
 113           if (s[1] != 0 && s[2] != 0 && s[3] != 0 && s[4] != 0 && s[5] != 0)
 114 #endif
 115             {
 116               *puc = ((unsigned int) (c & 0x01) << 30)
 117                      | ((unsigned int) (s[1] ^ 0x80) << 24)
 118                      | ((unsigned int) (s[2] ^ 0x80) << 18)
 119                      | ((unsigned int) (s[3] ^ 0x80) << 12)
 120                      | ((unsigned int) (s[4] ^ 0x80) << 6)
 121                      | (unsigned int) (s[5] ^ 0x80);
 122               return 6;
 123             }
 124         }
 125 #endif
 126     }
 127   /* invalid or incomplete multibyte character */
 128   return -1;
 129 }