lib/unictype.in.h

   1 /* Unicode character classification and properties.
   2    Copyright (C) 2002, 2005-2010 Free Software Foundation, Inc.
   3
   4    This program is free software: you can redistribute it and/or modify it
   5    under the terms of the GNU Lesser General Public License as published
   6    by 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 GNU
  12    Lesser General Public License for more details.
  13
  14    You should have received a copy of the GNU Lesser General Public License
  15    along with this program.  If not, see <http://www.gnu.org/licenses/>.  */
  16
  17 #ifndef _UNICTYPE_H
  18 #define _UNICTYPE_H
  19
  20 #include "unitypes.h"
  21
  22 /* Get bool.  */
  23 #include <stdbool.h>
  24
  25 /* Get size_t.  */
  26 #include <stddef.h>
  27
  28 #ifdef __cplusplus
  29 extern "C" {
  30 #endif
  31
  32 /* ========================================================================= */
  33
  34 /* Field 1 of Unicode Character Database: Character name.
  35    See "uniname.h".  */
  36
  37 /* ========================================================================= */
  38
  39 /* Field 2 of Unicode Character Database: General category.  */
  40
  41 /* Data type denoting a General category value.  This is not just a bitmask,
  42    but rather a bitmask and a pointer to the lookup table, so that programs
  43    that use only the predefined bitmasks (i.e. don't combine bitmasks with &
  44    and |) don't have a link-time dependency towards the big general table.  */
  45 typedef struct
  46 {
  47   uint32_t bitmask : 31;
  48   /*bool*/ unsigned int generic : 1;
  49   union
  50   {
  51     const void *table;                               /* when generic is 0 */
  52     bool (*lookup_fn) (ucs4_t uc, uint32_t bitmask); /* when generic is 1 */
  53   } lookup;
  54 }
  55 uc_general_category_t;
  56
  57 /* Bits and bit masks denoting General category values.  UnicodeData-3.2.0.html
  58    says a 32-bit integer will always suffice to represent them.
  59    These bit masks can only be used with the uc_is_general_category_withtable
  60    function.  */
  61 enum
  62 {
  63   UC_CATEGORY_MASK_L  = 0x0000001f,
  64   UC_CATEGORY_MASK_Lu = 0x00000001,
  65   UC_CATEGORY_MASK_Ll = 0x00000002,
  66   UC_CATEGORY_MASK_Lt = 0x00000004,
  67   UC_CATEGORY_MASK_Lm = 0x00000008,
  68   UC_CATEGORY_MASK_Lo = 0x00000010,
  69   UC_CATEGORY_MASK_M  = 0x000000e0,
  70   UC_CATEGORY_MASK_Mn = 0x00000020,
  71   UC_CATEGORY_MASK_Mc = 0x00000040,
  72   UC_CATEGORY_MASK_Me = 0x00000080,
  73   UC_CATEGORY_MASK_N  = 0x00000700,
  74   UC_CATEGORY_MASK_Nd = 0x00000100,
  75   UC_CATEGORY_MASK_Nl = 0x00000200,
  76   UC_CATEGORY_MASK_No = 0x00000400,
  77   UC_CATEGORY_MASK_P  = 0x0003f800,
  78   UC_CATEGORY_MASK_Pc = 0x00000800,
  79   UC_CATEGORY_MASK_Pd = 0x00001000,
  80   UC_CATEGORY_MASK_Ps = 0x00002000,
  81   UC_CATEGORY_MASK_Pe = 0x00004000,
  82   UC_CATEGORY_MASK_Pi = 0x00008000,
  83   UC_CATEGORY_MASK_Pf = 0x00010000,
  84   UC_CATEGORY_MASK_Po = 0x00020000,
  85   UC_CATEGORY_MASK_S  = 0x003c0000,
  86   UC_CATEGORY_MASK_Sm = 0x00040000,
  87   UC_CATEGORY_MASK_Sc = 0x00080000,
  88   UC_CATEGORY_MASK_Sk = 0x00100000,
  89   UC_CATEGORY_MASK_So = 0x00200000,
  90   UC_CATEGORY_MASK_Z  = 0x01c00000,
  91   UC_CATEGORY_MASK_Zs = 0x00400000,
  92   UC_CATEGORY_MASK_Zl = 0x00800000,
  93   UC_CATEGORY_MASK_Zp = 0x01000000,
  94   UC_CATEGORY_MASK_C  = 0x3e000000,
  95   UC_CATEGORY_MASK_Cc = 0x02000000,
  96   UC_CATEGORY_MASK_Cf = 0x04000000,
  97   UC_CATEGORY_MASK_Cs = 0x08000000,
  98   UC_CATEGORY_MASK_Co = 0x10000000,
  99   UC_CATEGORY_MASK_Cn = 0x20000000
 100 };
 101
 102 /* Predefined General category values.  */
 103 extern const uc_general_category_t UC_CATEGORY_L;
 104 extern const uc_general_category_t UC_CATEGORY_Lu;
 105 extern const uc_general_category_t UC_CATEGORY_Ll;
 106 extern const uc_general_category_t UC_CATEGORY_Lt;
 107 extern const uc_general_category_t UC_CATEGORY_Lm;
 108 extern const uc_general_category_t UC_CATEGORY_Lo;
 109 extern const uc_general_category_t UC_CATEGORY_M;
 110 extern const uc_general_category_t UC_CATEGORY_Mn;
 111 extern const uc_general_category_t UC_CATEGORY_Mc;
 112 extern const uc_general_category_t UC_CATEGORY_Me;
 113 extern const uc_general_category_t UC_CATEGORY_N;
 114 extern const uc_general_category_t UC_CATEGORY_Nd;
 115 extern const uc_general_category_t UC_CATEGORY_Nl;
 116 extern const uc_general_category_t UC_CATEGORY_No;
 117 extern const uc_general_category_t UC_CATEGORY_P;
 118 extern const uc_general_category_t UC_CATEGORY_Pc;
 119 extern const uc_general_category_t UC_CATEGORY_Pd;
 120 extern const uc_general_category_t UC_CATEGORY_Ps;
 121 extern const uc_general_category_t UC_CATEGORY_Pe;
 122 extern const uc_general_category_t UC_CATEGORY_Pi;
 123 extern const uc_general_category_t UC_CATEGORY_Pf;
 124 extern const uc_general_category_t UC_CATEGORY_Po;
 125 extern const uc_general_category_t UC_CATEGORY_S;
 126 extern const uc_general_category_t UC_CATEGORY_Sm;
 127 extern const uc_general_category_t UC_CATEGORY_Sc;
 128 extern const uc_general_category_t UC_CATEGORY_Sk;
 129 extern const uc_general_category_t UC_CATEGORY_So;
 130 extern const uc_general_category_t UC_CATEGORY_Z;
 131 extern const uc_general_category_t UC_CATEGORY_Zs;
 132 extern const uc_general_category_t UC_CATEGORY_Zl;
 133 extern const uc_general_category_t UC_CATEGORY_Zp;
 134 extern const uc_general_category_t UC_CATEGORY_C;
 135 extern const uc_general_category_t UC_CATEGORY_Cc;
 136 extern const uc_general_category_t UC_CATEGORY_Cf;
 137 extern const uc_general_category_t UC_CATEGORY_Cs;
 138 extern const uc_general_category_t UC_CATEGORY_Co;
 139 extern const uc_general_category_t UC_CATEGORY_Cn;
 140 /* Non-public.  */
 141 extern const uc_general_category_t _UC_CATEGORY_NONE;
 142
 143 /* Alias names for predefined General category values.  */
 144 #define UC_LETTER                    UC_CATEGORY_L
 145 #define UC_UPPERCASE_LETTER          UC_CATEGORY_Lu
 146 #define UC_LOWERCASE_LETTER          UC_CATEGORY_Ll
 147 #define UC_TITLECASE_LETTER          UC_CATEGORY_Lt
 148 #define UC_MODIFIER_LETTER           UC_CATEGORY_Lm
 149 #define UC_OTHER_LETTER              UC_CATEGORY_Lo
 150 #define UC_MARK                      UC_CATEGORY_M
 151 #define UC_NON_SPACING_MARK          UC_CATEGORY_Mn
 152 #define UC_COMBINING_SPACING_MARK    UC_CATEGORY_Mc
 153 #define UC_ENCLOSING_MARK            UC_CATEGORY_Me
 154 #define UC_NUMBER                    UC_CATEGORY_N
 155 #define UC_DECIMAL_DIGIT_NUMBER      UC_CATEGORY_Nd
 156 #define UC_LETTER_NUMBER             UC_CATEGORY_Nl
 157 #define UC_OTHER_NUMBER              UC_CATEGORY_No
 158 #define UC_PUNCTUATION               UC_CATEGORY_P
 159 #define UC_CONNECTOR_PUNCTUATION     UC_CATEGORY_Pc
 160 #define UC_DASH_PUNCTUATION          UC_CATEGORY_Pd
 161 #define UC_OPEN_PUNCTUATION          UC_CATEGORY_Ps /* a.k.a. UC_START_PUNCTUATION */
 162 #define UC_CLOSE_PUNCTUATION         UC_CATEGORY_Pe /* a.k.a. UC_END_PUNCTUATION */
 163 #define UC_INITIAL_QUOTE_PUNCTUATION UC_CATEGORY_Pi
 164 #define UC_FINAL_QUOTE_PUNCTUATION   UC_CATEGORY_Pf
 165 #define UC_OTHER_PUNCTUATION         UC_CATEGORY_Po
 166 #define UC_SYMBOL                    UC_CATEGORY_S
 167 #define UC_MATH_SYMBOL               UC_CATEGORY_Sm
 168 #define UC_CURRENCY_SYMBOL           UC_CATEGORY_Sc
 169 #define UC_MODIFIER_SYMBOL           UC_CATEGORY_Sk
 170 #define UC_OTHER_SYMBOL              UC_CATEGORY_So
 171 #define UC_SEPARATOR                 UC_CATEGORY_Z
 172 #define UC_SPACE_SEPARATOR           UC_CATEGORY_Zs
 173 #define UC_LINE_SEPARATOR            UC_CATEGORY_Zl
 174 #define UC_PARAGRAPH_SEPARATOR       UC_CATEGORY_Zp
 175 #define UC_OTHER                     UC_CATEGORY_C
 176 #define UC_CONTROL                   UC_CATEGORY_Cc
 177 #define UC_FORMAT                    UC_CATEGORY_Cf
 178 #define UC_SURROGATE                 UC_CATEGORY_Cs /* all of them are invalid characters */
 179 #define UC_PRIVATE_USE               UC_CATEGORY_Co
 180 #define UC_UNASSIGNED                UC_CATEGORY_Cn /* some of them are invalid characters */
 181
 182 /* Return the union of two general categories.
 183    This corresponds to the unions of the two sets of characters.  */
 184 extern uc_general_category_t
 185        uc_general_category_or (uc_general_category_t category1,
 186                                uc_general_category_t category2);
 187
 188 /* Return the intersection of two general categories as bit masks.
 189    This *does*not* correspond to the intersection of the two sets of
 190    characters.  */
 191 extern uc_general_category_t
 192        uc_general_category_and (uc_general_category_t category1,
 193                                 uc_general_category_t category2);
 194
 195 /* Return the intersection of a general category with the complement of a
 196    second general category, as bit masks.
 197    This *does*not* correspond to the intersection with complement, when
 198    viewing the categories as sets of characters.  */
 199 extern uc_general_category_t
 200        uc_general_category_and_not (uc_general_category_t category1,
 201                                     uc_general_category_t category2);
 202
 203 /* Return the name of a general category.  */
 204 extern const char *
 205        uc_general_category_name (uc_general_category_t category);
 206
 207 /* Return the general category given by name, e.g. "Lu".  */
 208 extern uc_general_category_t
 209        uc_general_category_byname (const char *category_name);
 210
 211 /* Return the general category of a Unicode character.  */
 212 extern uc_general_category_t
 213        uc_general_category (ucs4_t uc);
 214
 215 /* Test whether a Unicode character belongs to a given category.
 216    The CATEGORY argument can be the combination of several predefined
 217    general categories.  */
 218 extern bool
 219        uc_is_general_category (ucs4_t uc, uc_general_category_t category);
 220 /* Likewise.  This function uses a big table comprising all categories.  */
 221 extern bool
 222        uc_is_general_category_withtable (ucs4_t uc, uint32_t bitmask);
 223
 224 /* ========================================================================= */
 225
 226 /* Field 3 of Unicode Character Database: Canonical combining class.  */
 227
 228 /* The possible results of uc_combining_class (0..255) are described in
 229    UCD.html.  The list here is not definitive; more values can be added
 230    in future versions.  */
 231 enum
 232 {
 233   UC_CCC_NR   =   0, /* Not Reordered */
 234   UC_CCC_OV   =   1, /* Overlay */
 235   UC_CCC_NK   =   7, /* Nukta */
 236   UC_CCC_KV   =   8, /* Kana Voicing */
 237   UC_CCC_VR   =   9, /* Virama */
 238   UC_CCC_ATBL = 200, /* Attached Below Left */
 239   UC_CCC_ATB  = 202, /* Attached Below */
 240   UC_CCC_ATAR = 216, /* Attached Above Right */
 241   UC_CCC_BL   = 218, /* Below Left */
 242   UC_CCC_B    = 220, /* Below */
 243   UC_CCC_BR   = 222, /* Below Right */
 244   UC_CCC_L    = 224, /* Left */
 245   UC_CCC_R    = 226, /* Right */
 246   UC_CCC_AL   = 228, /* Above Left */
 247   UC_CCC_A    = 230, /* Above */
 248   UC_CCC_AR   = 232, /* Above Right */
 249   UC_CCC_DB   = 233, /* Double Below */
 250   UC_CCC_DA   = 234, /* Double Above */
 251   UC_CCC_IS   = 240  /* Iota Subscript */
 252 };
 253
 254 /* Return the canonical combining class of a Unicode character.  */
 255 extern int
 256        uc_combining_class (ucs4_t uc);
 257
 258 /* ========================================================================= */
 259
 260 /* Field 4 of Unicode Character Database: Bidirectional category.  */
 261
 262 enum
 263 {
 264   UC_BIDI_L,   /* Left-to-Right */
 265   UC_BIDI_LRE, /* Left-to-Right Embedding */
 266   UC_BIDI_LRO, /* Left-to-Right Override */
 267   UC_BIDI_R,   /* Right-to-Left */
 268   UC_BIDI_AL,  /* Right-to-Left Arabic */
 269   UC_BIDI_RLE, /* Right-to-Left Embedding */
 270   UC_BIDI_RLO, /* Right-to-Left Override */
 271   UC_BIDI_PDF, /* Pop Directional Format */
 272   UC_BIDI_EN,  /* European Number */
 273   UC_BIDI_ES,  /* European Number Separator */
 274   UC_BIDI_ET,  /* European Number Terminator */
 275   UC_BIDI_AN,  /* Arabic Number */
 276   UC_BIDI_CS,  /* Common Number Separator */
 277   UC_BIDI_NSM, /* Non-Spacing Mark */
 278   UC_BIDI_BN,  /* Boundary Neutral */
 279   UC_BIDI_B,   /* Paragraph Separator */
 280   UC_BIDI_S,   /* Segment Separator */
 281   UC_BIDI_WS,  /* Whitespace */
 282   UC_BIDI_ON   /* Other Neutral */
 283 };
 284
 285 /* Return the name of a bidirectional category.  */
 286 extern const char *
 287        uc_bidi_category_name (int category);
 288
 289 /* Return the bidirectional category given by name, e.g. "LRE".  */
 290 extern int
 291        uc_bidi_category_byname (const char *category_name);
 292
 293 /* Return the bidirectional category of a Unicode character.  */
 294 extern int
 295        uc_bidi_category (ucs4_t uc);
 296
 297 /* Test whether a Unicode character belongs to a given bidirectional
 298    category.  */
 299 extern bool
 300        uc_is_bidi_category (ucs4_t uc, int category);
 301
 302 /* ========================================================================= */
 303
 304 /* Field 5 of Unicode Character Database: Character decomposition mapping.
 305    See "uninorm.h".  */
 306
 307 /* ========================================================================= */
 308
 309 /* Field 6 of Unicode Character Database: Decimal digit value.  */
 310
 311 /* Return the decimal digit value of a Unicode character.  */
 312 extern int
 313        uc_decimal_value (ucs4_t uc);
 314
 315 /* ========================================================================= */
 316
 317 /* Field 7 of Unicode Character Database: Digit value.  */
 318
 319 /* Return the digit value of a Unicode character.  */
 320 extern int
 321        uc_digit_value (ucs4_t uc);
 322
 323 /* ========================================================================= */
 324
 325 /* Field 8 of Unicode Character Database: Numeric value.  */
 326
 327 /* Return the numeric value of a Unicode character.  */
 328 typedef struct
 329 {
 330   int numerator;
 331   int denominator;
 332 }
 333 uc_fraction_t;
 334 extern uc_fraction_t
 335        uc_numeric_value (ucs4_t uc);
 336
 337 /* ========================================================================= */
 338
 339 /* Field 9 of Unicode Character Database: Mirrored.  */
 340
 341 /* Return the mirrored character of a Unicode character UC in *PUC.  */
 342 extern bool
 343        uc_mirror_char (ucs4_t uc, ucs4_t *puc);
 344
 345 /* ========================================================================= */
 346
 347 /* Field 10 of Unicode Character Database: Unicode 1.0 Name.
 348    Not available in this library.  */
 349
 350 /* ========================================================================= */
 351
 352 /* Field 11 of Unicode Character Database: ISO 10646 comment.
 353    Not available in this library.  */
 354
 355 /* ========================================================================= */
 356
 357 /* Field 12, 13, 14 of Unicode Character Database: Uppercase mapping,
 358    lowercase mapping, titlecase mapping.  See "unicase.h".  */
 359
 360 /* ========================================================================= */
 361
 362 /* Common API for properties.  */
 363
 364 /* Data type denoting a property.  This is not just a number, but rather a
 365    pointer to the test functions, so that programs that use only few of the
 366    properties don't have a link-time dependency towards all the tables.  */
 367 typedef struct
 368 {
 369   bool (*test_fn) (ucs4_t uc);
 370 }
 371 uc_property_t;
 372
 373 /* Predefined properties.  */
 374 /* General.  */
 375 extern const uc_property_t UC_PROPERTY_WHITE_SPACE;
 376 extern const uc_property_t UC_PROPERTY_ALPHABETIC;
 377 extern const uc_property_t UC_PROPERTY_OTHER_ALPHABETIC;
 378 extern const uc_property_t UC_PROPERTY_NOT_A_CHARACTER;
 379 extern const uc_property_t UC_PROPERTY_DEFAULT_IGNORABLE_CODE_POINT;
 380 extern const uc_property_t UC_PROPERTY_OTHER_DEFAULT_IGNORABLE_CODE_POINT;
 381 extern const uc_property_t UC_PROPERTY_DEPRECATED;
 382 extern const uc_property_t UC_PROPERTY_LOGICAL_ORDER_EXCEPTION;
 383 extern const uc_property_t UC_PROPERTY_VARIATION_SELECTOR;
 384 extern const uc_property_t UC_PROPERTY_PRIVATE_USE;
 385 extern const uc_property_t UC_PROPERTY_UNASSIGNED_CODE_VALUE;
 386 /* Case.  */
 387 extern const uc_property_t UC_PROPERTY_UPPERCASE;
 388 extern const uc_property_t UC_PROPERTY_OTHER_UPPERCASE;
 389 extern const uc_property_t UC_PROPERTY_LOWERCASE;
 390 extern const uc_property_t UC_PROPERTY_OTHER_LOWERCASE;
 391 extern const uc_property_t UC_PROPERTY_TITLECASE;
 392 extern const uc_property_t UC_PROPERTY_SOFT_DOTTED;
 393 /* Identifiers.  */
 394 extern const uc_property_t UC_PROPERTY_ID_START;
 395 extern const uc_property_t UC_PROPERTY_OTHER_ID_START;
 396 extern const uc_property_t UC_PROPERTY_ID_CONTINUE;
 397 extern const uc_property_t UC_PROPERTY_OTHER_ID_CONTINUE;
 398 extern const uc_property_t UC_PROPERTY_XID_START;
 399 extern const uc_property_t UC_PROPERTY_XID_CONTINUE;
 400 extern const uc_property_t UC_PROPERTY_PATTERN_WHITE_SPACE;
 401 extern const uc_property_t UC_PROPERTY_PATTERN_SYNTAX;
 402 /* Shaping and rendering.  */
 403 extern const uc_property_t UC_PROPERTY_JOIN_CONTROL;
 404 extern const uc_property_t UC_PROPERTY_GRAPHEME_BASE;
 405 extern const uc_property_t UC_PROPERTY_GRAPHEME_EXTEND;
 406 extern const uc_property_t UC_PROPERTY_OTHER_GRAPHEME_EXTEND;
 407 extern const uc_property_t UC_PROPERTY_GRAPHEME_LINK;
 408 /* Bidi.  */
 409 extern const uc_property_t UC_PROPERTY_BIDI_CONTROL;
 410 extern const uc_property_t UC_PROPERTY_BIDI_LEFT_TO_RIGHT;
 411 extern const uc_property_t UC_PROPERTY_BIDI_HEBREW_RIGHT_TO_LEFT;
 412 extern const uc_property_t UC_PROPERTY_BIDI_ARABIC_RIGHT_TO_LEFT;
 413 extern const uc_property_t UC_PROPERTY_BIDI_EUROPEAN_DIGIT;
 414 extern const uc_property_t UC_PROPERTY_BIDI_EUR_NUM_SEPARATOR;
 415 extern const uc_property_t UC_PROPERTY_BIDI_EUR_NUM_TERMINATOR;
 416 extern const uc_property_t UC_PROPERTY_BIDI_ARABIC_DIGIT;
 417 extern const uc_property_t UC_PROPERTY_BIDI_COMMON_SEPARATOR;
 418 extern const uc_property_t UC_PROPERTY_BIDI_BLOCK_SEPARATOR;
 419 extern const uc_property_t UC_PROPERTY_BIDI_SEGMENT_SEPARATOR;
 420 extern const uc_property_t UC_PROPERTY_BIDI_WHITESPACE;
 421 extern const uc_property_t UC_PROPERTY_BIDI_NON_SPACING_MARK;
 422 extern const uc_property_t UC_PROPERTY_BIDI_BOUNDARY_NEUTRAL;
 423 extern const uc_property_t UC_PROPERTY_BIDI_PDF;
 424 extern const uc_property_t UC_PROPERTY_BIDI_EMBEDDING_OR_OVERRIDE;
 425 extern const uc_property_t UC_PROPERTY_BIDI_OTHER_NEUTRAL;
 426 /* Numeric.  */
 427 extern const uc_property_t UC_PROPERTY_HEX_DIGIT;
 428 extern const uc_property_t UC_PROPERTY_ASCII_HEX_DIGIT;
 429 /* CJK.  */
 430 extern const uc_property_t UC_PROPERTY_IDEOGRAPHIC;
 431 extern const uc_property_t UC_PROPERTY_UNIFIED_IDEOGRAPH;
 432 extern const uc_property_t UC_PROPERTY_RADICAL;
 433 extern const uc_property_t UC_PROPERTY_IDS_BINARY_OPERATOR;
 434 extern const uc_property_t UC_PROPERTY_IDS_TRINARY_OPERATOR;
 435 /* Misc.  */
 436 extern const uc_property_t UC_PROPERTY_ZERO_WIDTH;
 437 extern const uc_property_t UC_PROPERTY_SPACE;
 438 extern const uc_property_t UC_PROPERTY_NON_BREAK;
 439 extern const uc_property_t UC_PROPERTY_ISO_CONTROL;
 440 extern const uc_property_t UC_PROPERTY_FORMAT_CONTROL;
 441 extern const uc_property_t UC_PROPERTY_DASH;
 442 extern const uc_property_t UC_PROPERTY_HYPHEN;
 443 extern const uc_property_t UC_PROPERTY_PUNCTUATION;
 444 extern const uc_property_t UC_PROPERTY_LINE_SEPARATOR;
 445 extern const uc_property_t UC_PROPERTY_PARAGRAPH_SEPARATOR;
 446 extern const uc_property_t UC_PROPERTY_QUOTATION_MARK;
 447 extern const uc_property_t UC_PROPERTY_SENTENCE_TERMINAL;
 448 extern const uc_property_t UC_PROPERTY_TERMINAL_PUNCTUATION;
 449 extern const uc_property_t UC_PROPERTY_CURRENCY_SYMBOL;
 450 extern const uc_property_t UC_PROPERTY_MATH;
 451 extern const uc_property_t UC_PROPERTY_OTHER_MATH;
 452 extern const uc_property_t UC_PROPERTY_PAIRED_PUNCTUATION;
 453 extern const uc_property_t UC_PROPERTY_LEFT_OF_PAIR;
 454 extern const uc_property_t UC_PROPERTY_COMBINING;
 455 extern const uc_property_t UC_PROPERTY_COMPOSITE;
 456 extern const uc_property_t UC_PROPERTY_DECIMAL_DIGIT;
 457 extern const uc_property_t UC_PROPERTY_NUMERIC;
 458 extern const uc_property_t UC_PROPERTY_DIACRITIC;
 459 extern const uc_property_t UC_PROPERTY_EXTENDER;
 460 extern const uc_property_t UC_PROPERTY_IGNORABLE_CONTROL;
 461
 462 /* Return the property given by name, e.g. "White space".  */
 463 extern uc_property_t
 464        uc_property_byname (const char *property_name);
 465
 466 /* Test whether a property is valid.  */
 467 #define uc_property_is_valid(property) ((property).test_fn != NULL)
 468
 469 /* Test whether a Unicode character has a given property.  */
 470 extern bool
 471        uc_is_property (ucs4_t uc, uc_property_t property);
 472 extern bool uc_is_property_white_space (ucs4_t uc);
 473 extern bool uc_is_property_alphabetic (ucs4_t uc);
 474 extern bool uc_is_property_other_alphabetic (ucs4_t uc);
 475 extern bool uc_is_property_not_a_character (ucs4_t uc);
 476 extern bool uc_is_property_default_ignorable_code_point (ucs4_t uc);
 477 extern bool uc_is_property_other_default_ignorable_code_point (ucs4_t uc);
 478 extern bool uc_is_property_deprecated (ucs4_t uc);
 479 extern bool uc_is_property_logical_order_exception (ucs4_t uc);
 480 extern bool uc_is_property_variation_selector (ucs4_t uc);
 481 extern bool uc_is_property_private_use (ucs4_t uc);
 482 extern bool uc_is_property_unassigned_code_value (ucs4_t uc);
 483 extern bool uc_is_property_uppercase (ucs4_t uc);
 484 extern bool uc_is_property_other_uppercase (ucs4_t uc);
 485 extern bool uc_is_property_lowercase (ucs4_t uc);
 486 extern bool uc_is_property_other_lowercase (ucs4_t uc);
 487 extern bool uc_is_property_titlecase (ucs4_t uc);
 488 extern bool uc_is_property_soft_dotted (ucs4_t uc);
 489 extern bool uc_is_property_id_start (ucs4_t uc);
 490 extern bool uc_is_property_other_id_start (ucs4_t uc);
 491 extern bool uc_is_property_id_continue (ucs4_t uc);
 492 extern bool uc_is_property_other_id_continue (ucs4_t uc);
 493 extern bool uc_is_property_xid_start (ucs4_t uc);
 494 extern bool uc_is_property_xid_continue (ucs4_t uc);
 495 extern bool uc_is_property_pattern_white_space (ucs4_t uc);
 496 extern bool uc_is_property_pattern_syntax (ucs4_t uc);
 497 extern bool uc_is_property_join_control (ucs4_t uc);
 498 extern bool uc_is_property_grapheme_base (ucs4_t uc);
 499 extern bool uc_is_property_grapheme_extend (ucs4_t uc);
 500 extern bool uc_is_property_other_grapheme_extend (ucs4_t uc);
 501 extern bool uc_is_property_grapheme_link (ucs4_t uc);
 502 extern bool uc_is_property_bidi_control (ucs4_t uc);
 503 extern bool uc_is_property_bidi_left_to_right (ucs4_t uc);
 504 extern bool uc_is_property_bidi_hebrew_right_to_left (ucs4_t uc);
 505 extern bool uc_is_property_bidi_arabic_right_to_left (ucs4_t uc);
 506 extern bool uc_is_property_bidi_european_digit (ucs4_t uc);
 507 extern bool uc_is_property_bidi_eur_num_separator (ucs4_t uc);
 508 extern bool uc_is_property_bidi_eur_num_terminator (ucs4_t uc);
 509 extern bool uc_is_property_bidi_arabic_digit (ucs4_t uc);
 510 extern bool uc_is_property_bidi_common_separator (ucs4_t uc);
 511 extern bool uc_is_property_bidi_block_separator (ucs4_t uc);
 512 extern bool uc_is_property_bidi_segment_separator (ucs4_t uc);
 513 extern bool uc_is_property_bidi_whitespace (ucs4_t uc);
 514 extern bool uc_is_property_bidi_non_spacing_mark (ucs4_t uc);
 515 extern bool uc_is_property_bidi_boundary_neutral (ucs4_t uc);
 516 extern bool uc_is_property_bidi_pdf (ucs4_t uc);
 517 extern bool uc_is_property_bidi_embedding_or_override (ucs4_t uc);
 518 extern bool uc_is_property_bidi_other_neutral (ucs4_t uc);
 519 extern bool uc_is_property_hex_digit (ucs4_t uc);
 520 extern bool uc_is_property_ascii_hex_digit (ucs4_t uc);
 521 extern bool uc_is_property_ideographic (ucs4_t uc);
 522 extern bool uc_is_property_unified_ideograph (ucs4_t uc);
 523 extern bool uc_is_property_radical (ucs4_t uc);
 524 extern bool uc_is_property_ids_binary_operator (ucs4_t uc);
 525 extern bool uc_is_property_ids_trinary_operator (ucs4_t uc);
 526 extern bool uc_is_property_zero_width (ucs4_t uc);
 527 extern bool uc_is_property_space (ucs4_t uc);
 528 extern bool uc_is_property_non_break (ucs4_t uc);
 529 extern bool uc_is_property_iso_control (ucs4_t uc);
 530 extern bool uc_is_property_format_control (ucs4_t uc);
 531 extern bool uc_is_property_dash (ucs4_t uc);
 532 extern bool uc_is_property_hyphen (ucs4_t uc);
 533 extern bool uc_is_property_punctuation (ucs4_t uc);
 534 extern bool uc_is_property_line_separator (ucs4_t uc);
 535 extern bool uc_is_property_paragraph_separator (ucs4_t uc);
 536 extern bool uc_is_property_quotation_mark (ucs4_t uc);
 537 extern bool uc_is_property_sentence_terminal (ucs4_t uc);
 538 extern bool uc_is_property_terminal_punctuation (ucs4_t uc);
 539 extern bool uc_is_property_currency_symbol (ucs4_t uc);
 540 extern bool uc_is_property_math (ucs4_t uc);
 541 extern bool uc_is_property_other_math (ucs4_t uc);
 542 extern bool uc_is_property_paired_punctuation (ucs4_t uc);
 543 extern bool uc_is_property_left_of_pair (ucs4_t uc);
 544 extern bool uc_is_property_combining (ucs4_t uc);
 545 extern bool uc_is_property_composite (ucs4_t uc);
 546 extern bool uc_is_property_decimal_digit (ucs4_t uc);
 547 extern bool uc_is_property_numeric (ucs4_t uc);
 548 extern bool uc_is_property_diacritic (ucs4_t uc);
 549 extern bool uc_is_property_extender (ucs4_t uc);
 550 extern bool uc_is_property_ignorable_control (ucs4_t uc);
 551
 552 /* ========================================================================= */
 553
 554 /* Subdivision of the Unicode characters into scripts.  */
 555
 556 typedef struct
 557 {
 558   unsigned int code : 21;
 559   unsigned int start : 1;
 560   unsigned int end : 1;
 561 }
 562 uc_interval_t;
 563 typedef struct
 564 {
 565   unsigned int nintervals;
 566   const uc_interval_t *intervals;
 567   const char *name;
 568 }
 569 uc_script_t;
 570
 571 /* Return the script of a Unicode character.  */
 572 extern const uc_script_t *
 573        uc_script (ucs4_t uc);
 574
 575 /* Return the script given by name, e.g. "HAN".  */
 576 extern const uc_script_t *
 577        uc_script_byname (const char *script_name);
 578
 579 /* Test whether a Unicode character belongs to a given script.  */
 580 extern bool
 581        uc_is_script (ucs4_t uc, const uc_script_t *script);
 582
 583 /* Get the list of all scripts.  */
 584 extern void
 585        uc_all_scripts (const uc_script_t **scripts, size_t *count);
 586
 587 /* ========================================================================= */
 588
 589 /* Subdivision of the Unicode character range into blocks.  */
 590
 591 typedef struct
 592 {
 593   ucs4_t start;
 594   ucs4_t end;
 595   const char *name;
 596 }
 597 uc_block_t;
 598
 599 /* Return the block a character belongs to.  */
 600 extern const uc_block_t *
 601        uc_block (ucs4_t uc);
 602
 603 /* Test whether a Unicode character belongs to a given block.  */
 604 extern bool
 605        uc_is_block (ucs4_t uc, const uc_block_t *block);
 606
 607 /* Get the list of all blocks.  */
 608 extern void
 609        uc_all_blocks (const uc_block_t **blocks, size_t *count);
 610
 611 /* ========================================================================= */
 612
 613 /* Properties taken from language standards.  */
 614
 615 /* Test whether a Unicode character is considered whitespace in ISO C 99.  */
 616 extern bool
 617        uc_is_c_whitespace (ucs4_t uc);
 618
 619 /* Test whether a Unicode character is considered whitespace in Java.  */
 620 extern bool
 621        uc_is_java_whitespace (ucs4_t uc);
 622
 623 enum
 624 {
 625   UC_IDENTIFIER_START,    /* valid as first or subsequent character */
 626   UC_IDENTIFIER_VALID,    /* valid as subsequent character only */
 627   UC_IDENTIFIER_INVALID,  /* not valid */
 628   UC_IDENTIFIER_IGNORABLE /* ignorable (Java only) */
 629 };
 630
 631 /* Return the categorization of a Unicode character w.r.t. the ISO C 99
 632    identifier syntax.  */
 633 extern int
 634        uc_c_ident_category (ucs4_t uc);
 635
 636 /* Return the categorization of a Unicode character w.r.t. the Java
 637    identifier syntax.  */
 638 extern int
 639        uc_java_ident_category (ucs4_t uc);
 640
 641 /* ========================================================================= */
 642
 643 /* Like ISO C <ctype.h> and <wctype.h>.  These functions are deprecated,
 644    because this set of functions was designed with ASCII in mind and cannot
 645    reflect the more diverse reality of the Unicode character set.  But they
 646    can be a quick-and-dirty porting aid when migrating from wchar_t APIs
 647    to Unicode strings.  */
 648
 649 /* Test for any character for which 'uc_is_alpha' or 'uc_is_digit' is true.  */
 650 extern bool
 651        uc_is_alnum (ucs4_t uc);
 652
 653 /* Test for any character for which 'uc_is_upper' or 'uc_is_lower' is true,
 654    or any character that is one of a locale-specific set of characters for
 655    which none of 'uc_is_cntrl', 'uc_is_digit', 'uc_is_punct', or 'uc_is_space'
 656    is true.  */
 657 extern bool
 658        uc_is_alpha (ucs4_t uc);
 659
 660 /* Test for any control character.  */
 661 extern bool
 662        uc_is_cntrl (ucs4_t uc);
 663
 664 /* Test for any character that corresponds to a decimal-digit character.  */
 665 extern bool
 666        uc_is_digit (ucs4_t uc);
 667
 668 /* Test for any character for which 'uc_is_print' is true and 'uc_is_space'
 669    is false.  */
 670 extern bool
 671        uc_is_graph (ucs4_t uc);
 672
 673 /* Test for any character that corresponds to a lowercase letter or is one
 674    of a locale-specific set of characters for which none of 'uc_is_cntrl',
 675    'uc_is_digit', 'uc_is_punct', or 'uc_is_space' is true.  */
 676 extern bool
 677        uc_is_lower (ucs4_t uc);
 678
 679 /* Test for any printing character.  */
 680 extern bool
 681        uc_is_print (ucs4_t uc);
 682
 683 /* Test for any printing character that is one of a locale-specific set of
 684    characters for which neither 'uc_is_space' nor 'uc_is_alnum' is true.  */
 685 extern bool
 686        uc_is_punct (ucs4_t uc);
 687
 688 /* Test for any character that corresponds to a locale-specific set of
 689    characters for which none of 'uc_is_alnum', 'uc_is_graph', or 'uc_is_punct'
 690    is true.  */
 691 extern bool
 692        uc_is_space (ucs4_t uc);
 693
 694 /* Test for any character that corresponds to an uppercase letter or is one
 695    of a locale-specific set of character for which none of 'uc_is_cntrl',
 696    'uc_is_digit', 'uc_is_punct', or 'uc_is_space' is true.  */
 697 extern bool
 698        uc_is_upper (ucs4_t uc);
 699
 700 /* Test for any character that corresponds to a hexadecimal-digit
 701    character.  */
 702 extern bool
 703        uc_is_xdigit (ucs4_t uc);
 704
 705 /* GNU extension. */
 706 /* Test for any character that corresponds to a standard blank character or
 707    a locale-specific set of characters for which 'uc_is_alnum' is false.  */
 708 extern bool
 709        uc_is_blank (ucs4_t uc);
 710
 711 /* ========================================================================= */
 712
 713 #ifdef __cplusplus
 714 }
 715 #endif
 716
 717 #endif /* _UNICTYPE_H */