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 Library General Public License as published
   7    by the Free Software Foundation; either version 2, or (at your option)
   8    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    Library General Public License for more details.
  14
  15    You should have received a copy of the GNU Library General Public
  16    License along with this program; if not, write to the Free Software
  17    Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301,
  18    USA.  */
  19
  20 #include <config.h>
  21
  22 /* Specification.  */
  23 #include "unistr.h"
  24
  25 int
  26 u8_strmbtouc (ucs4_t *puc, const uint8_t *s)
  27 {
  28   /* Keep in sync with utf8-ucs4.h and utf8-ucs4.c.  */
  29   uint8_t c = *s;
  30
  31   if (c < 0x80)
  32     {
  33       *puc = c;
  34       return (c != 0 ? 1 : 0);
  35     }
  36   if (c >= 0xc2)
  37     {
  38       if (c < 0xe0)
  39         {
  40 #if CONFIG_UNICODE_SAFETY
  41           if ((s[1] ^ 0x80) < 0x40)
  42 #else
  43           if (s[1] != 0)
  44 #endif
  45             {
  46               *puc = ((unsigned int) (c & 0x1f) << 6)
  47                      | (unsigned int) (s[1] ^ 0x80);
  48               return 2;
  49             }
  50         }
  51       else if (c < 0xf0)
  52         {
  53 #if CONFIG_UNICODE_SAFETY
  54           if ((s[1] ^ 0x80) < 0x40 && (s[2] ^ 0x80) < 0x40
  55               && (c >= 0xe1 || s[1] >= 0xa0)
  56               && (c != 0xed || s[1] < 0xa0))
  57 #else
  58           if (s[1] != 0 && s[2] != 0)
  59 #endif
  60             {
  61               *puc = ((unsigned int) (c & 0x0f) << 12)
  62                      | ((unsigned int) (s[1] ^ 0x80) << 6)
  63                      | (unsigned int) (s[2] ^ 0x80);
  64               return 3;
  65             }
  66         }
  67       else if (c < 0xf8)
  68         {
  69 #if CONFIG_UNICODE_SAFETY
  70           if ((s[1] ^ 0x80) < 0x40 && (s[2] ^ 0x80) < 0x40
  71               && (s[3] ^ 0x80) < 0x40
  72               && (c >= 0xf1 || s[1] >= 0x90)
  73 #if 1
  74               && (c < 0xf4 || (c == 0xf4 && s[1] < 0x90))
  75 #endif
  76              )
  77 #else
  78           if (s[1] != 0 && s[2] != 0 && s[3] != 0)
  79 #endif
  80             {
  81               *puc = ((unsigned int) (c & 0x07) << 18)
  82                      | ((unsigned int) (s[1] ^ 0x80) << 12)
  83                      | ((unsigned int) (s[2] ^ 0x80) << 6)
  84                      | (unsigned int) (s[3] ^ 0x80);
  85               return 4;
  86             }
  87         }
  88 #if 0
  89       else if (c < 0xfc)
  90         {
  91 #if CONFIG_UNICODE_SAFETY
  92           if ((s[1] ^ 0x80) < 0x40 && (s[2] ^ 0x80) < 0x40
  93               && (s[3] ^ 0x80) < 0x40 && (s[4] ^ 0x80) < 0x40
  94               && (c >= 0xf9 || s[1] >= 0x88))
  95 #else
  96           if (s[1] != 0 && s[2] != 0 && s[3] != 0 && s[4] != 0)
  97 #endif
  98             {
  99               *puc = ((unsigned int) (c & 0x03) << 24)
 100                      | ((unsigned int) (s[1] ^ 0x80) << 18)
 101                      | ((unsigned int) (s[2] ^ 0x80) << 12)
 102                      | ((unsigned int) (s[3] ^ 0x80) << 6)
 103                      | (unsigned int) (s[4] ^ 0x80);
 104               return 5;
 105             }
 106         }
 107       else if (c < 0xfe)
 108         {
 109 #if CONFIG_UNICODE_SAFETY
 110           if ((s[1] ^ 0x80) < 0x40 && (s[2] ^ 0x80) < 0x40
 111               && (s[3] ^ 0x80) < 0x40 && (s[4] ^ 0x80) < 0x40
 112               && (s[5] ^ 0x80) < 0x40
 113               && (c >= 0xfd || s[1] >= 0x84))
 114 #else
 115           if (s[1] != 0 && s[2] != 0 && s[3] != 0 && s[4] != 0 && s[5] != 0)
 116 #endif
 117             {
 118               *puc = ((unsigned int) (c & 0x01) << 30)
 119                      | ((unsigned int) (s[1] ^ 0x80) << 24)
 120                      | ((unsigned int) (s[2] ^ 0x80) << 18)
 121                      | ((unsigned int) (s[3] ^ 0x80) << 12)
 122                      | ((unsigned int) (s[4] ^ 0x80) << 6)
 123                      | (unsigned int) (s[5] ^ 0x80);
 124               return 6;
 125             }
 126         }
 127 #endif
 128     }
 129   /* invalid or incomplete multibyte character */
 130   return -1;
 131 }