tests/unicase/test-u32-casecmp.c

   1 /* Test of case and normalization insensitive comparison of UTF-32 strings.
   2    Copyright (C) 2009 Free Software Foundation, Inc.
   3
   4    This program is free software: you can redistribute it and/or modify
   5    it under the terms of the GNU General Public License as published by
   6    the Free Software Foundation; either version 3 of the License, or
   7    (at your option) any later version.
   8
   9    This program is distributed in the hope that it will be useful,
  10    but WITHOUT ANY WARRANTY; without even the implied warranty of
  11    MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  12    GNU General Public License for more details.
  13
  14    You should have received a copy of the GNU General Public License
  15    along with this program.  If not, see <http://www.gnu.org/licenses/>.  */
  16
  17 /* Written by Bruno Haible <bruno@clisp.org>, 2009.  */
  18
  19 #include <config.h>
  20
  21 #include "unicase.h"
  22
  23 #include <stdio.h>
  24 #include <stdlib.h>
  25
  26 #include "uninorm.h"
  27
  28 #define SIZEOF(array) (sizeof (array) / sizeof (array[0]))
  29 #define ASSERT(expr) \
  30   do                                                                         \
  31     {                                                                        \
  32       if (!(expr))                                                           \
  33         {                                                                    \
  34           fprintf (stderr, "%s:%d: assertion failed\n", __FILE__, __LINE__); \
  35           fflush (stderr);                                                   \
  36           abort ();                                                          \
  37         }                                                                    \
  38     }                                                                        \
  39   while (0)
  40
  41 #define UNIT uint32_t
  42 #include "test-casecmp.h"
  43 #undef UNIT
  44
  45 static void
  46 test_nonascii (int (*my_casecmp) (const uint32_t *, size_t, const uint32_t *, size_t, const char *, uninorm_t, int *))
  47 {
  48   /* Normalization effects.  */
  49   {
  50     static const uint32_t input1[] = { 'H', 0x00F6, 'h', 'l', 'e' };
  51     static const uint32_t input2[] = { 'H', 'O', 0x0308, 'h', 'L', 'e' };
  52     static const uint32_t input3[] = { 'H', 0x00F6, 'h', 'l', 'e', 'n' };
  53     static const uint32_t input4[] = { 'H', 'O', 0x0308, 'h', 'L', 'e', 'n' };
  54     static const uint32_t input5[] = { 'H', 'u', 'r', 'z' };
  55     int cmp;
  56
  57     ASSERT (my_casecmp (input1, SIZEOF (input1), input2, SIZEOF (input2), NULL, UNINORM_NFD, &cmp) == 0);
  58     ASSERT (cmp == 0);
  59
  60     ASSERT (my_casecmp (input2, SIZEOF (input2), input1, SIZEOF (input1), NULL, UNINORM_NFD, &cmp) == 0);
  61     ASSERT (cmp == 0);
  62
  63     ASSERT (my_casecmp (input3, SIZEOF (input3), input4, SIZEOF (input4), NULL, UNINORM_NFD, &cmp) == 0);
  64     ASSERT (cmp == 0);
  65
  66     ASSERT (my_casecmp (input4, SIZEOF (input4), input3, SIZEOF (input3), NULL, UNINORM_NFD, &cmp) == 0);
  67     ASSERT (cmp == 0);
  68
  69     ASSERT (my_casecmp (input2, SIZEOF (input2), input3, SIZEOF (input3), NULL, UNINORM_NFD, &cmp) == 0);
  70     ASSERT (cmp == -1);
  71
  72     ASSERT (my_casecmp (input1, SIZEOF (input1), input4, SIZEOF (input4), NULL, UNINORM_NFD, &cmp) == 0);
  73     ASSERT (cmp == -1);
  74
  75     ASSERT (my_casecmp (input1, SIZEOF (input1), input5, SIZEOF (input5), NULL, UNINORM_NFD, &cmp) == 0);
  76     ASSERT (cmp == -1);
  77
  78     ASSERT (my_casecmp (input2, SIZEOF (input2), input5, SIZEOF (input5), NULL, UNINORM_NFD, &cmp) == 0);
  79     ASSERT (cmp == -1);
  80   }
  81   { /* LATIN CAPITAL LETTER A WITH DIAERESIS */
  82     static const uint32_t input1[] = { 0x00C4 };
  83     static const uint32_t input2[] = { 0x0041, 0x0308 };
  84     int cmp;
  85
  86     ASSERT (my_casecmp (input1, SIZEOF (input1), input2, SIZEOF (input2), NULL, UNINORM_NFD, &cmp) == 0);
  87     ASSERT (cmp == 0);
  88   }
  89   { /* LATIN CAPITAL LETTER A WITH DIAERESIS AND MACRON */
  90     static const uint32_t input1[] = { 0x01DE };
  91     static const uint32_t input2[] = { 0x0041, 0x0308, 0x0304 };
  92     int cmp;
  93
  94     ASSERT (my_casecmp (input1, SIZEOF (input1), input2, SIZEOF (input2), NULL, UNINORM_NFD, &cmp) == 0);
  95     ASSERT (cmp == 0);
  96   }
  97   { /* GREEK DIALYTIKA AND PERISPOMENI */
  98     static const uint32_t input1[] = { 0x1FC1 };
  99     static const uint32_t input2[] = { 0x00A8, 0x0342 };
 100     int cmp;
 101
 102     ASSERT (my_casecmp (input1, SIZEOF (input1), input2, SIZEOF (input2), NULL, UNINORM_NFD, &cmp) == 0);
 103     ASSERT (cmp == 0);
 104   }
 105   { /* HANGUL SYLLABLE GEUL */
 106     static const uint32_t input1[] = { 0xAE00 };
 107     static const uint32_t input2[] = { 0xADF8, 0x11AF };
 108     static const uint32_t input3[] = { 0x1100, 0x1173, 0x11AF };
 109     int cmp;
 110
 111     ASSERT (my_casecmp (input1, SIZEOF (input1), input2, SIZEOF (input2), NULL, UNINORM_NFD, &cmp) == 0);
 112     ASSERT (cmp == 0);
 113
 114     ASSERT (my_casecmp (input1, SIZEOF (input1), input3, SIZEOF (input3), NULL, UNINORM_NFD, &cmp) == 0);
 115     ASSERT (cmp == 0);
 116   }
 117   { /* HANGUL SYLLABLE GEU */
 118     static const uint32_t input1[] = { 0xADF8 };
 119     static const uint32_t input2[] = { 0x1100, 0x1173 };
 120     int cmp;
 121
 122     ASSERT (my_casecmp (input1, SIZEOF (input1), input2, SIZEOF (input2), NULL, UNINORM_NFD, &cmp) == 0);
 123     ASSERT (cmp == 0);
 124   }
 125
 126   /* Simple string.  */
 127   { /* "Grüß Gott. Здравствуйте! x=(-b±sqrt(b²-4ac))/(2a)  日本語,中文,한글" */
 128     static const uint32_t input1[] =
 129       { 'G', 'r', 0x00FC, 0x00DF, ' ', 'G', 'o', 't', 't', '.', ' ',
 130         0x0417, 0x0434, 0x0440, 0x0430, 0x0432, 0x0441, 0x0442, 0x0432, 0x0443,
 131         0x0439, 0x0442, 0x0435, '!', ' ',
 132         'x', '=', '(', '-', 'b', 0x00B1, 's', 'q', 'r', 't', '(', 'b', 0x00B2,
 133         '-', '4', 'a', 'c', ')', ')', '/', '(', '2', 'a', ')', ' ', ' ',
 134         0x65E5, 0x672C, 0x8A9E, ',', 0x4E2D, 0x6587, ',', 0xD55C, 0xAE00, '\n'
 135       };
 136     static const uint32_t input2[] =
 137       { 'g', 'r', 0x00FC, 0x0073, 0x0073, ' ', 'g', 'o', 't', 't', '.', ' ',
 138         0x0437, 0x0434, 0x0440, 0x0430, 0x0432, 0x0441, 0x0442, 0x0432, 0x0443,
 139         0x0439, 0x0442, 0x0435, '!', ' ',
 140         'x', '=', '(', '-', 'b', 0x00B1, 's', 'q', 'r', 't', '(', 'b', 0x00B2,
 141         '-', '4', 'a', 'c', ')', ')', '/', '(', '2', 'a', ')', ' ', ' ',
 142         0x65E5, 0x672C, 0x8A9E, ',', 0x4E2D, 0x6587, ',', 0xD55C, 0xAE00, '\n'
 143       };
 144     static const uint32_t input3[] =
 145       { 'G', 'R', 0x00DC, 0x0053, 0x0053, ' ', 'G', 'O', 'T', 'T', '.', ' ',
 146         0x0417, 0x0414, 0x0420, 0x0410, 0x0412, 0x0421, 0x0422, 0x0412, 0x0423,
 147         0x0419, 0x0422, 0x0415, '!', ' ',
 148         'X', '=', '(', '-', 'B', 0x00B1, 'S', 'Q', 'R', 'T', '(', 'B', 0x00B2,
 149         '-', '4', 'A', 'C', ')', ')', '/', '(', '2', 'A', ')', ' ', ' ',
 150         0x65E5, 0x672C, 0x8A9E, ',', 0x4E2D, 0x6587, ',', 0xD55C, 0xAE00, '\n'
 151       };
 152     int cmp;
 153
 154     ASSERT (my_casecmp (input1, SIZEOF (input1), input2, SIZEOF (input2), NULL, NULL, &cmp) == 0);
 155     ASSERT (cmp == 0);
 156
 157     ASSERT (my_casecmp (input1, SIZEOF (input1), input2, SIZEOF (input2), NULL, UNINORM_NFD, &cmp) == 0);
 158     ASSERT (cmp == 0);
 159
 160     ASSERT (my_casecmp (input1, SIZEOF (input1), input3, SIZEOF (input3), NULL, NULL, &cmp) == 0);
 161     ASSERT (cmp == 0);
 162
 163     ASSERT (my_casecmp (input1, SIZEOF (input1), input3, SIZEOF (input3), NULL, UNINORM_NFD, &cmp) == 0);
 164     ASSERT (cmp == 0);
 165
 166     ASSERT (my_casecmp (input2, SIZEOF (input2), input3, SIZEOF (input3), NULL, NULL, &cmp) == 0);
 167     ASSERT (cmp == 0);
 168
 169     ASSERT (my_casecmp (input2, SIZEOF (input2), input3, SIZEOF (input3), NULL, UNINORM_NFD, &cmp) == 0);
 170     ASSERT (cmp == 0);
 171   }
 172
 173   /* Case mapping can increase the number of Unicode characters.  */
 174   { /* LATIN SMALL LETTER N PRECEDED BY APOSTROPHE */
 175     static const uint32_t input1[] = { 0x0149 };
 176     static const uint32_t input2[] = { 0x02BC, 0x006E };
 177     static const uint32_t input3[] = { 0x02BC, 0x004E };
 178     int cmp;
 179
 180     ASSERT (my_casecmp (input1, SIZEOF (input1), input2, SIZEOF (input2), NULL, NULL, &cmp) == 0);
 181     ASSERT (cmp == 0);
 182
 183     ASSERT (my_casecmp (input1, SIZEOF (input1), input2, SIZEOF (input2), NULL, UNINORM_NFD, &cmp) == 0);
 184     ASSERT (cmp == 0);
 185
 186     ASSERT (my_casecmp (input1, SIZEOF (input1), input3, SIZEOF (input3), NULL, NULL, &cmp) == 0);
 187     ASSERT (cmp == 0);
 188
 189     ASSERT (my_casecmp (input1, SIZEOF (input1), input3, SIZEOF (input3), NULL, UNINORM_NFD, &cmp) == 0);
 190     ASSERT (cmp == 0);
 191   }
 192   { /* GREEK SMALL LETTER IOTA WITH DIALYTIKA AND TONOS */
 193     static const uint32_t input1[] = { 0x0390 };
 194     static const uint32_t input2[] = { 0x03B9, 0x0308, 0x0301 };
 195     int cmp;
 196
 197     ASSERT (my_casecmp (input1, SIZEOF (input1), input2, SIZEOF (input2), NULL, NULL, &cmp) == 0);
 198     ASSERT (cmp == 0);
 199
 200     ASSERT (my_casecmp (input1, SIZEOF (input1), input2, SIZEOF (input2), NULL, UNINORM_NFD, &cmp) == 0);
 201     ASSERT (cmp == 0);
 202   }
 203
 204   /* Turkish letters i İ ı I */
 205   { /* LATIN CAPITAL LETTER I */
 206     static const uint32_t input[]         = { 0x0049 };
 207     static const uint32_t casefolded[]    = { 0x0069 };
 208     static const uint32_t casefolded_tr[] = { 0x0131 };
 209     int cmp;
 210
 211     ASSERT (my_casecmp (input, SIZEOF (input), casefolded, SIZEOF (casefolded), NULL, NULL, &cmp) == 0);
 212     ASSERT (cmp == 0);
 213
 214     ASSERT (my_casecmp (input, SIZEOF (input), casefolded_tr, SIZEOF (casefolded_tr), "tr", NULL, &cmp) == 0);
 215     ASSERT (cmp == 0);
 216   }
 217   { /* LATIN SMALL LETTER I */
 218     static const uint32_t input[]         = { 0x0069 };
 219     static const uint32_t casefolded[]    = { 0x0049 };
 220     static const uint32_t casefolded_tr[] = { 0x0130 };
 221     int cmp;
 222
 223     ASSERT (my_casecmp (input, SIZEOF (input), casefolded, SIZEOF (casefolded), NULL, NULL, &cmp) == 0);
 224     ASSERT (cmp == 0);
 225
 226     ASSERT (my_casecmp (input, SIZEOF (input), casefolded_tr, SIZEOF (casefolded_tr), "tr", NULL, &cmp) == 0);
 227     ASSERT (cmp == 0);
 228   }
 229   { /* LATIN CAPITAL LETTER I WITH DOT ABOVE */
 230     static const uint32_t input[]         = { 0x0130 };
 231     static const uint32_t casefolded[]    = { 0x0069, 0x0307 };
 232     static const uint32_t casefolded_tr[] = { 0x0069 };
 233     int cmp;
 234
 235     ASSERT (my_casecmp (input, SIZEOF (input), casefolded, SIZEOF (casefolded), NULL, NULL, &cmp) == 0);
 236     ASSERT (cmp == 0);
 237
 238     ASSERT (my_casecmp (input, SIZEOF (input), casefolded_tr, SIZEOF (casefolded_tr), "tr", NULL, &cmp) == 0);
 239     ASSERT (cmp == 0);
 240   }
 241   { /* LATIN SMALL LETTER DOTLESS I */
 242     static const uint32_t input[]      = { 0x0131 };
 243     static const uint32_t casefolded[] = { 0x0049 };
 244     int cmp;
 245
 246     ASSERT (my_casecmp (input, SIZEOF (input), casefolded, SIZEOF (casefolded), NULL, NULL, &cmp) == 0);
 247     ASSERT (cmp == 1);
 248
 249     ASSERT (my_casecmp (input, SIZEOF (input), casefolded, SIZEOF (casefolded), "tr", NULL, &cmp) == 0);
 250     ASSERT (cmp == 0);
 251   }
 252   { /* "topkapı" */
 253     static const uint32_t input[] =
 254       { 0x0054, 0x004F, 0x0050, 0x004B, 0x0041, 0x0050, 0x0049 };
 255     static const uint32_t casefolded[] =
 256       { 0x0074, 0x006F, 0x0070, 0x006B, 0x0061, 0x0070, 0x0131 };
 257     int cmp;
 258
 259     ASSERT (my_casecmp (input, SIZEOF (input), casefolded, SIZEOF (casefolded), NULL, NULL, &cmp) == 0);
 260     ASSERT (cmp == -1);
 261
 262     ASSERT (my_casecmp (input, SIZEOF (input), casefolded, SIZEOF (casefolded), "tr", NULL, &cmp) == 0);
 263     ASSERT (cmp == 0);
 264   }
 265
 266   /* Uppercasing can increase the number of Unicode characters.  */
 267   { /* "heiß" */
 268     static const uint32_t input1[] = { 0x0068, 0x0065, 0x0069, 0x00DF };
 269     static const uint32_t input2[] = { 0x0068, 0x0065, 0x0069, 0x0073, 0x0073 };
 270     int cmp;
 271
 272     ASSERT (my_casecmp (input1, SIZEOF (input1), input2, SIZEOF (input2), NULL, NULL, &cmp) == 0);
 273     ASSERT (cmp == 0);
 274   }
 275
 276   /* Case mappings for some characters can depend on the surrounding characters.  */
 277   { /* "περισσότερες πληροφορίες" */
 278     static const uint32_t input1[] =
 279       {
 280         0x03C0, 0x03B5, 0x03C1, 0x03B9, 0x03C3, 0x03C3, 0x03CC, 0x03C4,
 281         0x03B5, 0x03C1, 0x03B5, 0x03C2, 0x0020, 0x03C0, 0x03BB, 0x03B7,
 282         0x03C1, 0x03BF, 0x03C6, 0x03BF, 0x03C1, 0x03AF, 0x03B5, 0x03C2
 283       };
 284     static const uint32_t input2[] =
 285       {
 286         0x03C0, 0x03B5, 0x03C1, 0x03B9, 0x03C3, 0x03C3, 0x03CC, 0x03C4,
 287         0x03B5, 0x03C1, 0x03B5, 0x03C3, 0x0020, 0x03C0, 0x03BB, 0x03B7,
 288         0x03C1, 0x03BF, 0x03C6, 0x03BF, 0x03C1, 0x03AF, 0x03B5, 0x03C3
 289       };
 290     static const uint32_t input3[] =
 291       {
 292         0x03A0, 0x0395, 0x03A1, 0x0399, 0x03A3, 0x03A3, 0x038C, 0x03A4,
 293         0x0395, 0x03A1, 0x0395, 0x03A3, 0x0020, 0x03A0, 0x039B, 0x0397,
 294         0x03A1, 0x039F, 0x03A6, 0x039F, 0x03A1, 0x038A, 0x0395, 0x03A3
 295       };
 296     int cmp;
 297
 298     ASSERT (my_casecmp (input1, SIZEOF (input1), input2, SIZEOF (input2), NULL, NULL, &cmp) == 0);
 299     ASSERT (cmp == 0);
 300
 301     ASSERT (my_casecmp (input1, SIZEOF (input1), input3, SIZEOF (input3), NULL, NULL, &cmp) == 0);
 302     ASSERT (cmp == 0);
 303
 304     ASSERT (my_casecmp (input2, SIZEOF (input2), input3, SIZEOF (input3), NULL, NULL, &cmp) == 0);
 305     ASSERT (cmp == 0);
 306   }
 307
 308   /* Case mapping can require subsequent normalization.  */
 309   { /* LATIN SMALL LETTER J WITH CARON, COMBINING DOT BELOW */
 310     static const uint32_t input[]                 = { 0x01F0, 0x0323 };
 311     static const uint32_t casefolded[]            = { 0x006A, 0x030C, 0x0323 };
 312     static const uint32_t casefolded_decomposed[] = { 0x006A, 0x0323, 0x030C };
 313     int cmp;
 314
 315     ASSERT (my_casecmp (input, SIZEOF (input), casefolded, SIZEOF (casefolded), NULL, NULL, &cmp) == 0);
 316     ASSERT (cmp == 0);
 317
 318     ASSERT (my_casecmp (input, SIZEOF (input), casefolded_decomposed, SIZEOF (casefolded_decomposed), NULL, NULL, &cmp) == 0);
 319     ASSERT (cmp != 0);
 320
 321     ASSERT (my_casecmp (input, SIZEOF (input), casefolded, SIZEOF (casefolded), NULL, UNINORM_NFD, &cmp) == 0);
 322     ASSERT (cmp == 0);
 323
 324     ASSERT (my_casecmp (input, SIZEOF (input), casefolded_decomposed, SIZEOF (casefolded_decomposed), NULL, UNINORM_NFD, &cmp) == 0);
 325     ASSERT (cmp == 0);
 326   }
 327 }
 328
 329 int
 330 main ()
 331 {
 332   test_ascii (u32_casecmp, UNINORM_NFD);
 333   test_nonascii (u32_casecmp);
 334
 335   return 0;
 336 }