lib/unictype.in.h

   1 /* Unicode character classification and properties.
   2    Copyright (C) 2002, 2005-2011 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_LC = 0x00000007,
  65   UC_CATEGORY_MASK_Lu = 0x00000001,
  66   UC_CATEGORY_MASK_Ll = 0x00000002,
  67   UC_CATEGORY_MASK_Lt = 0x00000004,
  68   UC_CATEGORY_MASK_Lm = 0x00000008,
  69   UC_CATEGORY_MASK_Lo = 0x00000010,
  70   UC_CATEGORY_MASK_M  = 0x000000e0,
  71   UC_CATEGORY_MASK_Mn = 0x00000020,
  72   UC_CATEGORY_MASK_Mc = 0x00000040,
  73   UC_CATEGORY_MASK_Me = 0x00000080,
  74   UC_CATEGORY_MASK_N  = 0x00000700,
  75   UC_CATEGORY_MASK_Nd = 0x00000100,
  76   UC_CATEGORY_MASK_Nl = 0x00000200,
  77   UC_CATEGORY_MASK_No = 0x00000400,
  78   UC_CATEGORY_MASK_P  = 0x0003f800,
  79   UC_CATEGORY_MASK_Pc = 0x00000800,
  80   UC_CATEGORY_MASK_Pd = 0x00001000,
  81   UC_CATEGORY_MASK_Ps = 0x00002000,
  82   UC_CATEGORY_MASK_Pe = 0x00004000,
  83   UC_CATEGORY_MASK_Pi = 0x00008000,
  84   UC_CATEGORY_MASK_Pf = 0x00010000,
  85   UC_CATEGORY_MASK_Po = 0x00020000,
  86   UC_CATEGORY_MASK_S  = 0x003c0000,
  87   UC_CATEGORY_MASK_Sm = 0x00040000,
  88   UC_CATEGORY_MASK_Sc = 0x00080000,
  89   UC_CATEGORY_MASK_Sk = 0x00100000,
  90   UC_CATEGORY_MASK_So = 0x00200000,
  91   UC_CATEGORY_MASK_Z  = 0x01c00000,
  92   UC_CATEGORY_MASK_Zs = 0x00400000,
  93   UC_CATEGORY_MASK_Zl = 0x00800000,
  94   UC_CATEGORY_MASK_Zp = 0x01000000,
  95   UC_CATEGORY_MASK_C  = 0x3e000000,
  96   UC_CATEGORY_MASK_Cc = 0x02000000,
  97   UC_CATEGORY_MASK_Cf = 0x04000000,
  98   UC_CATEGORY_MASK_Cs = 0x08000000,
  99   UC_CATEGORY_MASK_Co = 0x10000000,
 100   UC_CATEGORY_MASK_Cn = 0x20000000
 101 };
 102
 103 /* Predefined General category values.  */
 104 extern const uc_general_category_t UC_CATEGORY_L;
 105 extern const uc_general_category_t UC_CATEGORY_LC;
 106 extern const uc_general_category_t UC_CATEGORY_Lu;
 107 extern const uc_general_category_t UC_CATEGORY_Ll;
 108 extern const uc_general_category_t UC_CATEGORY_Lt;
 109 extern const uc_general_category_t UC_CATEGORY_Lm;
 110 extern const uc_general_category_t UC_CATEGORY_Lo;
 111 extern const uc_general_category_t UC_CATEGORY_M;
 112 extern const uc_general_category_t UC_CATEGORY_Mn;
 113 extern const uc_general_category_t UC_CATEGORY_Mc;
 114 extern const uc_general_category_t UC_CATEGORY_Me;
 115 extern const uc_general_category_t UC_CATEGORY_N;
 116 extern const uc_general_category_t UC_CATEGORY_Nd;
 117 extern const uc_general_category_t UC_CATEGORY_Nl;
 118 extern const uc_general_category_t UC_CATEGORY_No;
 119 extern const uc_general_category_t UC_CATEGORY_P;
 120 extern const uc_general_category_t UC_CATEGORY_Pc;
 121 extern const uc_general_category_t UC_CATEGORY_Pd;
 122 extern const uc_general_category_t UC_CATEGORY_Ps;
 123 extern const uc_general_category_t UC_CATEGORY_Pe;
 124 extern const uc_general_category_t UC_CATEGORY_Pi;
 125 extern const uc_general_category_t UC_CATEGORY_Pf;
 126 extern const uc_general_category_t UC_CATEGORY_Po;
 127 extern const uc_general_category_t UC_CATEGORY_S;
 128 extern const uc_general_category_t UC_CATEGORY_Sm;
 129 extern const uc_general_category_t UC_CATEGORY_Sc;
 130 extern const uc_general_category_t UC_CATEGORY_Sk;
 131 extern const uc_general_category_t UC_CATEGORY_So;
 132 extern const uc_general_category_t UC_CATEGORY_Z;
 133 extern const uc_general_category_t UC_CATEGORY_Zs;
 134 extern const uc_general_category_t UC_CATEGORY_Zl;
 135 extern const uc_general_category_t UC_CATEGORY_Zp;
 136 extern const uc_general_category_t UC_CATEGORY_C;
 137 extern const uc_general_category_t UC_CATEGORY_Cc;
 138 extern const uc_general_category_t UC_CATEGORY_Cf;
 139 extern const uc_general_category_t UC_CATEGORY_Cs;
 140 extern const uc_general_category_t UC_CATEGORY_Co;
 141 extern const uc_general_category_t UC_CATEGORY_Cn;
 142 /* Non-public.  */
 143 extern const uc_general_category_t _UC_CATEGORY_NONE;
 144
 145 /* Alias names for predefined General category values.  */
 146 #define UC_LETTER                    UC_CATEGORY_L
 147 #define UC_CASED_LETTER              UC_CATEGORY_LC
 148 #define UC_UPPERCASE_LETTER          UC_CATEGORY_Lu
 149 #define UC_LOWERCASE_LETTER          UC_CATEGORY_Ll
 150 #define UC_TITLECASE_LETTER          UC_CATEGORY_Lt
 151 #define UC_MODIFIER_LETTER           UC_CATEGORY_Lm
 152 #define UC_OTHER_LETTER              UC_CATEGORY_Lo
 153 #define UC_MARK                      UC_CATEGORY_M
 154 #define UC_NON_SPACING_MARK          UC_CATEGORY_Mn
 155 #define UC_COMBINING_SPACING_MARK    UC_CATEGORY_Mc
 156 #define UC_ENCLOSING_MARK            UC_CATEGORY_Me
 157 #define UC_NUMBER                    UC_CATEGORY_N
 158 #define UC_DECIMAL_DIGIT_NUMBER      UC_CATEGORY_Nd
 159 #define UC_LETTER_NUMBER             UC_CATEGORY_Nl
 160 #define UC_OTHER_NUMBER              UC_CATEGORY_No
 161 #define UC_PUNCTUATION               UC_CATEGORY_P
 162 #define UC_CONNECTOR_PUNCTUATION     UC_CATEGORY_Pc
 163 #define UC_DASH_PUNCTUATION          UC_CATEGORY_Pd
 164 #define UC_OPEN_PUNCTUATION          UC_CATEGORY_Ps /* a.k.a. UC_START_PUNCTUATION */
 165 #define UC_CLOSE_PUNCTUATION         UC_CATEGORY_Pe /* a.k.a. UC_END_PUNCTUATION */
 166 #define UC_INITIAL_QUOTE_PUNCTUATION UC_CATEGORY_Pi
 167 #define UC_FINAL_QUOTE_PUNCTUATION   UC_CATEGORY_Pf
 168 #define UC_OTHER_PUNCTUATION         UC_CATEGORY_Po
 169 #define UC_SYMBOL                    UC_CATEGORY_S
 170 #define UC_MATH_SYMBOL               UC_CATEGORY_Sm
 171 #define UC_CURRENCY_SYMBOL           UC_CATEGORY_Sc
 172 #define UC_MODIFIER_SYMBOL           UC_CATEGORY_Sk
 173 #define UC_OTHER_SYMBOL              UC_CATEGORY_So
 174 #define UC_SEPARATOR                 UC_CATEGORY_Z
 175 #define UC_SPACE_SEPARATOR           UC_CATEGORY_Zs
 176 #define UC_LINE_SEPARATOR            UC_CATEGORY_Zl
 177 #define UC_PARAGRAPH_SEPARATOR       UC_CATEGORY_Zp
 178 #define UC_OTHER                     UC_CATEGORY_C
 179 #define UC_CONTROL                   UC_CATEGORY_Cc
 180 #define UC_FORMAT                    UC_CATEGORY_Cf
 181 #define UC_SURROGATE                 UC_CATEGORY_Cs /* all of them are invalid characters */
 182 #define UC_PRIVATE_USE               UC_CATEGORY_Co
 183 #define UC_UNASSIGNED                UC_CATEGORY_Cn /* some of them are invalid characters */
 184
 185 /* Return the union of two general categories.
 186    This corresponds to the unions of the two sets of characters.  */
 187 extern uc_general_category_t
 188        uc_general_category_or (uc_general_category_t category1,
 189                                uc_general_category_t category2);
 190
 191 /* Return the intersection of two general categories as bit masks.
 192    This *does*not* correspond to the intersection of the two sets of
 193    characters.  */
 194 extern uc_general_category_t
 195        uc_general_category_and (uc_general_category_t category1,
 196                                 uc_general_category_t category2);
 197
 198 /* Return the intersection of a general category with the complement of a
 199    second general category, as bit masks.
 200    This *does*not* correspond to the intersection with complement, when
 201    viewing the categories as sets of characters.  */
 202 extern uc_general_category_t
 203        uc_general_category_and_not (uc_general_category_t category1,
 204                                     uc_general_category_t category2);
 205
 206 /* Return the name of a general category.  */
 207 extern const char *
 208        uc_general_category_name (uc_general_category_t category);
 209
 210 /* Return the long name of a general category.  */
 211 extern const char *
 212        uc_general_category_long_name (uc_general_category_t category);
 213
 214 /* Return the general category given by name, e.g. "Lu", or by long name,
 215    e.g. "Uppercase Letter".  */
 216 extern uc_general_category_t
 217        uc_general_category_byname (const char *category_name);
 218
 219 /* Return the general category of a Unicode character.  */
 220 extern uc_general_category_t
 221        uc_general_category (ucs4_t uc);
 222
 223 /* Test whether a Unicode character belongs to a given category.
 224    The CATEGORY argument can be the combination of several predefined
 225    general categories.  */
 226 extern bool
 227        uc_is_general_category (ucs4_t uc, uc_general_category_t category);
 228 /* Likewise.  This function uses a big table comprising all categories.  */
 229 extern bool
 230        uc_is_general_category_withtable (ucs4_t uc, uint32_t bitmask);
 231
 232 /* ========================================================================= */
 233
 234 /* Field 3 of Unicode Character Database: Canonical combining class.  */
 235
 236 /* The possible results of uc_combining_class (0..255) are described in
 237    UCD.html.  The list here is not definitive; more values can be added
 238    in future versions.  */
 239 enum
 240 {
 241   UC_CCC_NR   =   0, /* Not Reordered */
 242   UC_CCC_OV   =   1, /* Overlay */
 243   UC_CCC_NK   =   7, /* Nukta */
 244   UC_CCC_KV   =   8, /* Kana Voicing */
 245   UC_CCC_VR   =   9, /* Virama */
 246   UC_CCC_ATBL = 200, /* Attached Below Left */
 247   UC_CCC_ATB  = 202, /* Attached Below */
 248   UC_CCC_ATA  = 214, /* Attached Above */
 249   UC_CCC_ATAR = 216, /* Attached Above Right */
 250   UC_CCC_BL   = 218, /* Below Left */
 251   UC_CCC_B    = 220, /* Below */
 252   UC_CCC_BR   = 222, /* Below Right */
 253   UC_CCC_L    = 224, /* Left */
 254   UC_CCC_R    = 226, /* Right */
 255   UC_CCC_AL   = 228, /* Above Left */
 256   UC_CCC_A    = 230, /* Above */
 257   UC_CCC_AR   = 232, /* Above Right */
 258   UC_CCC_DB   = 233, /* Double Below */
 259   UC_CCC_DA   = 234, /* Double Above */
 260   UC_CCC_IS   = 240  /* Iota Subscript */
 261 };
 262
 263 /* Return the canonical combining class of a Unicode character.  */
 264 extern int
 265        uc_combining_class (ucs4_t uc);
 266
 267 /* Return the name of a canonical combining class.  */
 268 extern const char *
 269        uc_combining_class_name (int ccc);
 270
 271 /* Return the long name of a canonical combining class.  */
 272 extern const char *
 273        uc_combining_class_long_name (int ccc);
 274
 275 /* Return the canonical combining class given by name, e.g. "BL", or by long
 276    name, e.g. "Below Left".  */
 277 extern int
 278        uc_combining_class_byname (const char *ccc_name);
 279
 280 /* ========================================================================= */
 281
 282 /* Field 4 of Unicode Character Database: Bidi class.
 283    Before Unicode 4.0, this field was called "Bidirectional category".  */
 284
 285 enum
 286 {
 287   UC_BIDI_L,   /* Left-to-Right */
 288   UC_BIDI_LRE, /* Left-to-Right Embedding */
 289   UC_BIDI_LRO, /* Left-to-Right Override */
 290   UC_BIDI_R,   /* Right-to-Left */
 291   UC_BIDI_AL,  /* Right-to-Left Arabic */
 292   UC_BIDI_RLE, /* Right-to-Left Embedding */
 293   UC_BIDI_RLO, /* Right-to-Left Override */
 294   UC_BIDI_PDF, /* Pop Directional Format */
 295   UC_BIDI_EN,  /* European Number */
 296   UC_BIDI_ES,  /* European Number Separator */
 297   UC_BIDI_ET,  /* European Number Terminator */
 298   UC_BIDI_AN,  /* Arabic Number */
 299   UC_BIDI_CS,  /* Common Number Separator */
 300   UC_BIDI_NSM, /* Non-Spacing Mark */
 301   UC_BIDI_BN,  /* Boundary Neutral */
 302   UC_BIDI_B,   /* Paragraph Separator */
 303   UC_BIDI_S,   /* Segment Separator */
 304   UC_BIDI_WS,  /* Whitespace */
 305   UC_BIDI_ON   /* Other Neutral */
 306 };
 307
 308 /* Return the name of a bidi class.  */
 309 extern const char *
 310        uc_bidi_class_name (int bidi_class);
 311 /* Same; obsolete function name.  */
 312 extern const char *
 313        uc_bidi_category_name (int category);
 314
 315 /* Return the long name of a bidi class.  */
 316 extern const char *
 317        uc_bidi_class_long_name (int bidi_class);
 318
 319 /* Return the bidi class given by name, e.g. "LRE".  */
 320 extern int
 321        uc_bidi_class_byname (const char *bidi_class_name);
 322 /* Same; obsolete function name.  */
 323 extern int
 324        uc_bidi_category_byname (const char *category_name);
 325
 326 /* Return the bidi class of a Unicode character.  */
 327 extern int
 328        uc_bidi_class (ucs4_t uc);
 329 /* Same; obsolete function name.  */
 330 extern int
 331        uc_bidi_category (ucs4_t uc);
 332
 333 /* Test whether a Unicode character belongs to a given bidi class.  */
 334 extern bool
 335        uc_is_bidi_class (ucs4_t uc, int bidi_class);
 336 /* Same; obsolete function name.  */
 337 extern bool
 338        uc_is_bidi_category (ucs4_t uc, int category);
 339
 340 /* ========================================================================= */
 341
 342 /* Field 5 of Unicode Character Database: Character decomposition mapping.
 343    See "uninorm.h".  */
 344
 345 /* ========================================================================= */
 346
 347 /* Field 6 of Unicode Character Database: Decimal digit value.  */
 348
 349 /* Return the decimal digit value of a Unicode character.  */
 350 extern int
 351        uc_decimal_value (ucs4_t uc);
 352
 353 /* ========================================================================= */
 354
 355 /* Field 7 of Unicode Character Database: Digit value.  */
 356
 357 /* Return the digit value of a Unicode character.  */
 358 extern int
 359        uc_digit_value (ucs4_t uc);
 360
 361 /* ========================================================================= */
 362
 363 /* Field 8 of Unicode Character Database: Numeric value.  */
 364
 365 /* Return the numeric value of a Unicode character.  */
 366 typedef struct
 367 {
 368   int numerator;
 369   int denominator;
 370 }
 371 uc_fraction_t;
 372 extern uc_fraction_t
 373        uc_numeric_value (ucs4_t uc);
 374
 375 /* ========================================================================= */
 376
 377 /* Field 9 of Unicode Character Database: Mirrored.  */
 378
 379 /* Return the mirrored character of a Unicode character UC in *PUC.  */
 380 extern bool
 381        uc_mirror_char (ucs4_t uc, ucs4_t *puc);
 382
 383 /* ========================================================================= */
 384
 385 /* Field 10 of Unicode Character Database: Unicode 1.0 Name.
 386    Not available in this library.  */
 387
 388 /* ========================================================================= */
 389
 390 /* Field 11 of Unicode Character Database: ISO 10646 comment.
 391    Not available in this library.  */
 392
 393 /* ========================================================================= */
 394
 395 /* Field 12, 13, 14 of Unicode Character Database: Uppercase mapping,
 396    lowercase mapping, titlecase mapping.  See "unicase.h".  */
 397
 398 /* ========================================================================= */
 399
 400 /* Field 2 of the file ArabicShaping.txt in the Unicode Character Database.  */
 401
 402 /* Possible joining types.  */
 403 enum
 404 {
 405   UC_JOINING_TYPE_U, /* Non_Joining */
 406   UC_JOINING_TYPE_T, /* Transparent */
 407   UC_JOINING_TYPE_C, /* Join_Causing */
 408   UC_JOINING_TYPE_L, /* Left_Joining */
 409   UC_JOINING_TYPE_R, /* Right_Joining */
 410   UC_JOINING_TYPE_D  /* Dual_Joining */
 411 };
 412
 413 /* Return the name of a joining type.  */
 414 extern const char *
 415        uc_joining_type_name (int joining_type);
 416
 417 /* Return the joining type given by name, e.g. "D".  */
 418 extern int
 419        uc_joining_type_byname (const char *joining_type_name);
 420
 421 /* Return the joining type of a Unicode character.  */
 422 extern int
 423        uc_joining_type (ucs4_t uc);
 424
 425 /* ========================================================================= */
 426
 427 /* Field 3 of the file ArabicShaping.txt in the Unicode Character Database.  */
 428
 429 /* Possible joining groups.
 430    This enumeration may be extended in the future.  */
 431 enum
 432 {
 433   UC_JOINING_GROUP_NONE,                  /* No_Joining_Group */
 434   UC_JOINING_GROUP_AIN,                   /* Ain */
 435   UC_JOINING_GROUP_ALAPH,                 /* Alaph */
 436   UC_JOINING_GROUP_ALEF,                  /* Alef */
 437   UC_JOINING_GROUP_BEH,                   /* Beh */
 438   UC_JOINING_GROUP_BETH,                  /* Beth */
 439   UC_JOINING_GROUP_BURUSHASKI_YEH_BARREE, /* Burushaski_Yeh_Barree */
 440   UC_JOINING_GROUP_DAL,                   /* Dal */
 441   UC_JOINING_GROUP_DALATH_RISH,           /* Dalath_Rish */
 442   UC_JOINING_GROUP_E,                     /* E */
 443   UC_JOINING_GROUP_FARSI_YEH,             /* Farsi_Yeh */
 444   UC_JOINING_GROUP_FE,                    /* Fe */
 445   UC_JOINING_GROUP_FEH,                   /* Feh */
 446   UC_JOINING_GROUP_FINAL_SEMKATH,         /* Final_Semkath */
 447   UC_JOINING_GROUP_GAF,                   /* Gaf */
 448   UC_JOINING_GROUP_GAMAL,                 /* Gamal */
 449   UC_JOINING_GROUP_HAH,                   /* Hah */
 450   UC_JOINING_GROUP_HE,                    /* He */
 451   UC_JOINING_GROUP_HEH,                   /* Heh */
 452   UC_JOINING_GROUP_HEH_GOAL,              /* Heh_Goal */
 453   UC_JOINING_GROUP_HETH,                  /* Heth */
 454   UC_JOINING_GROUP_KAF,                   /* Kaf */
 455   UC_JOINING_GROUP_KAPH,                  /* Kaph */
 456   UC_JOINING_GROUP_KHAPH,                 /* Khaph */
 457   UC_JOINING_GROUP_KNOTTED_HEH,           /* Knotted_Heh */
 458   UC_JOINING_GROUP_LAM,                   /* Lam */
 459   UC_JOINING_GROUP_LAMADH,                /* Lamadh */
 460   UC_JOINING_GROUP_MEEM,                  /* Meem */
 461   UC_JOINING_GROUP_MIM,                   /* Mim */
 462   UC_JOINING_GROUP_NOON,                  /* Noon */
 463   UC_JOINING_GROUP_NUN,                   /* Nun */
 464   UC_JOINING_GROUP_NYA,                   /* Nya */
 465   UC_JOINING_GROUP_PE,                    /* Pe */
 466   UC_JOINING_GROUP_QAF,                   /* Qaf */
 467   UC_JOINING_GROUP_QAPH,                  /* Qaph */
 468   UC_JOINING_GROUP_REH,                   /* Reh */
 469   UC_JOINING_GROUP_REVERSED_PE,           /* Reversed_Pe */
 470   UC_JOINING_GROUP_SAD,                   /* Sad */
 471   UC_JOINING_GROUP_SADHE,                 /* Sadhe */
 472   UC_JOINING_GROUP_SEEN,                  /* Seen */
 473   UC_JOINING_GROUP_SEMKATH,               /* Semkath */
 474   UC_JOINING_GROUP_SHIN,                  /* Shin */
 475   UC_JOINING_GROUP_SWASH_KAF,             /* Swash_Kaf */
 476   UC_JOINING_GROUP_SYRIAC_WAW,            /* Syriac_Waw */
 477   UC_JOINING_GROUP_TAH,                   /* Tah */
 478   UC_JOINING_GROUP_TAW,                   /* Taw */
 479   UC_JOINING_GROUP_TEH_MARBUTA,           /* Teh_Marbuta */
 480   UC_JOINING_GROUP_TEH_MARBUTA_GOAL,      /* Teh_Marbuta_Goal */
 481   UC_JOINING_GROUP_TETH,                  /* Teth */
 482   UC_JOINING_GROUP_WAW,                   /* Waw */
 483   UC_JOINING_GROUP_YEH,                   /* Yeh */
 484   UC_JOINING_GROUP_YEH_BARREE,            /* Yeh_Barree */
 485   UC_JOINING_GROUP_YEH_WITH_TAIL,         /* Yeh_With_Tail */
 486   UC_JOINING_GROUP_YUDH,                  /* Yudh */
 487   UC_JOINING_GROUP_YUDH_HE,               /* Yudh_He */
 488   UC_JOINING_GROUP_ZAIN,                  /* Zain */
 489   UC_JOINING_GROUP_ZHAIN                  /* Zhain */
 490 };
 491
 492 /* Return the name of a joining group.  */
 493 extern const char *
 494        uc_joining_group_name (int joining_group);
 495
 496 /* Return the joining group given by name, e.g. "Teh_Marbuta".  */
 497 extern int
 498        uc_joining_group_byname (const char *joining_group_name);
 499
 500 /* Return the joining group of a Unicode character.  */
 501 extern int
 502        uc_joining_group (ucs4_t uc);
 503
 504 /* ========================================================================= */
 505
 506 /* Common API for properties.  */
 507
 508 /* Data type denoting a property.  This is not just a number, but rather a
 509    pointer to the test functions, so that programs that use only few of the
 510    properties don't have a link-time dependency towards all the tables.  */
 511 typedef struct
 512 {
 513   bool (*test_fn) (ucs4_t uc);
 514 }
 515 uc_property_t;
 516
 517 /* Predefined properties.  */
 518 /* General.  */
 519 extern const uc_property_t UC_PROPERTY_WHITE_SPACE;
 520 extern const uc_property_t UC_PROPERTY_ALPHABETIC;
 521 extern const uc_property_t UC_PROPERTY_OTHER_ALPHABETIC;
 522 extern const uc_property_t UC_PROPERTY_NOT_A_CHARACTER;
 523 extern const uc_property_t UC_PROPERTY_DEFAULT_IGNORABLE_CODE_POINT;
 524 extern const uc_property_t UC_PROPERTY_OTHER_DEFAULT_IGNORABLE_CODE_POINT;
 525 extern const uc_property_t UC_PROPERTY_DEPRECATED;
 526 extern const uc_property_t UC_PROPERTY_LOGICAL_ORDER_EXCEPTION;
 527 extern const uc_property_t UC_PROPERTY_VARIATION_SELECTOR;
 528 extern const uc_property_t UC_PROPERTY_PRIVATE_USE;
 529 extern const uc_property_t UC_PROPERTY_UNASSIGNED_CODE_VALUE;
 530 /* Case.  */
 531 extern const uc_property_t UC_PROPERTY_UPPERCASE;
 532 extern const uc_property_t UC_PROPERTY_OTHER_UPPERCASE;
 533 extern const uc_property_t UC_PROPERTY_LOWERCASE;
 534 extern const uc_property_t UC_PROPERTY_OTHER_LOWERCASE;
 535 extern const uc_property_t UC_PROPERTY_TITLECASE;
 536 extern const uc_property_t UC_PROPERTY_CASED;
 537 extern const uc_property_t UC_PROPERTY_CASE_IGNORABLE;
 538 extern const uc_property_t UC_PROPERTY_CHANGES_WHEN_LOWERCASED;
 539 extern const uc_property_t UC_PROPERTY_CHANGES_WHEN_UPPERCASED;
 540 extern const uc_property_t UC_PROPERTY_CHANGES_WHEN_TITLECASED;
 541 extern const uc_property_t UC_PROPERTY_CHANGES_WHEN_CASEFOLDED;
 542 extern const uc_property_t UC_PROPERTY_CHANGES_WHEN_CASEMAPPED;
 543 extern const uc_property_t UC_PROPERTY_SOFT_DOTTED;
 544 /* Identifiers.  */
 545 extern const uc_property_t UC_PROPERTY_ID_START;
 546 extern const uc_property_t UC_PROPERTY_OTHER_ID_START;
 547 extern const uc_property_t UC_PROPERTY_ID_CONTINUE;
 548 extern const uc_property_t UC_PROPERTY_OTHER_ID_CONTINUE;
 549 extern const uc_property_t UC_PROPERTY_XID_START;
 550 extern const uc_property_t UC_PROPERTY_XID_CONTINUE;
 551 extern const uc_property_t UC_PROPERTY_PATTERN_WHITE_SPACE;
 552 extern const uc_property_t UC_PROPERTY_PATTERN_SYNTAX;
 553 /* Shaping and rendering.  */
 554 extern const uc_property_t UC_PROPERTY_JOIN_CONTROL;
 555 extern const uc_property_t UC_PROPERTY_GRAPHEME_BASE;
 556 extern const uc_property_t UC_PROPERTY_GRAPHEME_EXTEND;
 557 extern const uc_property_t UC_PROPERTY_OTHER_GRAPHEME_EXTEND;
 558 extern const uc_property_t UC_PROPERTY_GRAPHEME_LINK;
 559 /* Bidi.  */
 560 extern const uc_property_t UC_PROPERTY_BIDI_CONTROL;
 561 extern const uc_property_t UC_PROPERTY_BIDI_LEFT_TO_RIGHT;
 562 extern const uc_property_t UC_PROPERTY_BIDI_HEBREW_RIGHT_TO_LEFT;
 563 extern const uc_property_t UC_PROPERTY_BIDI_ARABIC_RIGHT_TO_LEFT;
 564 extern const uc_property_t UC_PROPERTY_BIDI_EUROPEAN_DIGIT;
 565 extern const uc_property_t UC_PROPERTY_BIDI_EUR_NUM_SEPARATOR;
 566 extern const uc_property_t UC_PROPERTY_BIDI_EUR_NUM_TERMINATOR;
 567 extern const uc_property_t UC_PROPERTY_BIDI_ARABIC_DIGIT;
 568 extern const uc_property_t UC_PROPERTY_BIDI_COMMON_SEPARATOR;
 569 extern const uc_property_t UC_PROPERTY_BIDI_BLOCK_SEPARATOR;
 570 extern const uc_property_t UC_PROPERTY_BIDI_SEGMENT_SEPARATOR;
 571 extern const uc_property_t UC_PROPERTY_BIDI_WHITESPACE;
 572 extern const uc_property_t UC_PROPERTY_BIDI_NON_SPACING_MARK;
 573 extern const uc_property_t UC_PROPERTY_BIDI_BOUNDARY_NEUTRAL;
 574 extern const uc_property_t UC_PROPERTY_BIDI_PDF;
 575 extern const uc_property_t UC_PROPERTY_BIDI_EMBEDDING_OR_OVERRIDE;
 576 extern const uc_property_t UC_PROPERTY_BIDI_OTHER_NEUTRAL;
 577 /* Numeric.  */
 578 extern const uc_property_t UC_PROPERTY_HEX_DIGIT;
 579 extern const uc_property_t UC_PROPERTY_ASCII_HEX_DIGIT;
 580 /* CJK.  */
 581 extern const uc_property_t UC_PROPERTY_IDEOGRAPHIC;
 582 extern const uc_property_t UC_PROPERTY_UNIFIED_IDEOGRAPH;
 583 extern const uc_property_t UC_PROPERTY_RADICAL;
 584 extern const uc_property_t UC_PROPERTY_IDS_BINARY_OPERATOR;
 585 extern const uc_property_t UC_PROPERTY_IDS_TRINARY_OPERATOR;
 586 /* Misc.  */
 587 extern const uc_property_t UC_PROPERTY_ZERO_WIDTH;
 588 extern const uc_property_t UC_PROPERTY_SPACE;
 589 extern const uc_property_t UC_PROPERTY_NON_BREAK;
 590 extern const uc_property_t UC_PROPERTY_ISO_CONTROL;
 591 extern const uc_property_t UC_PROPERTY_FORMAT_CONTROL;
 592 extern const uc_property_t UC_PROPERTY_DASH;
 593 extern const uc_property_t UC_PROPERTY_HYPHEN;
 594 extern const uc_property_t UC_PROPERTY_PUNCTUATION;
 595 extern const uc_property_t UC_PROPERTY_LINE_SEPARATOR;
 596 extern const uc_property_t UC_PROPERTY_PARAGRAPH_SEPARATOR;
 597 extern const uc_property_t UC_PROPERTY_QUOTATION_MARK;
 598 extern const uc_property_t UC_PROPERTY_SENTENCE_TERMINAL;
 599 extern const uc_property_t UC_PROPERTY_TERMINAL_PUNCTUATION;
 600 extern const uc_property_t UC_PROPERTY_CURRENCY_SYMBOL;
 601 extern const uc_property_t UC_PROPERTY_MATH;
 602 extern const uc_property_t UC_PROPERTY_OTHER_MATH;
 603 extern const uc_property_t UC_PROPERTY_PAIRED_PUNCTUATION;
 604 extern const uc_property_t UC_PROPERTY_LEFT_OF_PAIR;
 605 extern const uc_property_t UC_PROPERTY_COMBINING;
 606 extern const uc_property_t UC_PROPERTY_COMPOSITE;
 607 extern const uc_property_t UC_PROPERTY_DECIMAL_DIGIT;
 608 extern const uc_property_t UC_PROPERTY_NUMERIC;
 609 extern const uc_property_t UC_PROPERTY_DIACRITIC;
 610 extern const uc_property_t UC_PROPERTY_EXTENDER;
 611 extern const uc_property_t UC_PROPERTY_IGNORABLE_CONTROL;
 612
 613 /* Return the property given by name, e.g. "White space".  */
 614 extern uc_property_t
 615        uc_property_byname (const char *property_name);
 616
 617 /* Test whether a property is valid.  */
 618 #define uc_property_is_valid(property) ((property).test_fn != NULL)
 619
 620 /* Test whether a Unicode character has a given property.  */
 621 extern bool
 622        uc_is_property (ucs4_t uc, uc_property_t property);
 623 extern bool uc_is_property_white_space (ucs4_t uc);
 624 extern bool uc_is_property_alphabetic (ucs4_t uc);
 625 extern bool uc_is_property_other_alphabetic (ucs4_t uc);
 626 extern bool uc_is_property_not_a_character (ucs4_t uc);
 627 extern bool uc_is_property_default_ignorable_code_point (ucs4_t uc);
 628 extern bool uc_is_property_other_default_ignorable_code_point (ucs4_t uc);
 629 extern bool uc_is_property_deprecated (ucs4_t uc);
 630 extern bool uc_is_property_logical_order_exception (ucs4_t uc);
 631 extern bool uc_is_property_variation_selector (ucs4_t uc);
 632 extern bool uc_is_property_private_use (ucs4_t uc);
 633 extern bool uc_is_property_unassigned_code_value (ucs4_t uc);
 634 extern bool uc_is_property_uppercase (ucs4_t uc);
 635 extern bool uc_is_property_other_uppercase (ucs4_t uc);
 636 extern bool uc_is_property_lowercase (ucs4_t uc);
 637 extern bool uc_is_property_other_lowercase (ucs4_t uc);
 638 extern bool uc_is_property_titlecase (ucs4_t uc);
 639 extern bool uc_is_property_cased (ucs4_t uc);
 640 extern bool uc_is_property_case_ignorable (ucs4_t uc);
 641 extern bool uc_is_property_changes_when_lowercased (ucs4_t uc);
 642 extern bool uc_is_property_changes_when_uppercased (ucs4_t uc);
 643 extern bool uc_is_property_changes_when_titlecased (ucs4_t uc);
 644 extern bool uc_is_property_changes_when_casefolded (ucs4_t uc);
 645 extern bool uc_is_property_changes_when_casemapped (ucs4_t uc);
 646 extern bool uc_is_property_soft_dotted (ucs4_t uc);
 647 extern bool uc_is_property_id_start (ucs4_t uc);
 648 extern bool uc_is_property_other_id_start (ucs4_t uc);
 649 extern bool uc_is_property_id_continue (ucs4_t uc);
 650 extern bool uc_is_property_other_id_continue (ucs4_t uc);
 651 extern bool uc_is_property_xid_start (ucs4_t uc);
 652 extern bool uc_is_property_xid_continue (ucs4_t uc);
 653 extern bool uc_is_property_pattern_white_space (ucs4_t uc);
 654 extern bool uc_is_property_pattern_syntax (ucs4_t uc);
 655 extern bool uc_is_property_join_control (ucs4_t uc);
 656 extern bool uc_is_property_grapheme_base (ucs4_t uc);
 657 extern bool uc_is_property_grapheme_extend (ucs4_t uc);
 658 extern bool uc_is_property_other_grapheme_extend (ucs4_t uc);
 659 extern bool uc_is_property_grapheme_link (ucs4_t uc);
 660 extern bool uc_is_property_bidi_control (ucs4_t uc);
 661 extern bool uc_is_property_bidi_left_to_right (ucs4_t uc);
 662 extern bool uc_is_property_bidi_hebrew_right_to_left (ucs4_t uc);
 663 extern bool uc_is_property_bidi_arabic_right_to_left (ucs4_t uc);
 664 extern bool uc_is_property_bidi_european_digit (ucs4_t uc);
 665 extern bool uc_is_property_bidi_eur_num_separator (ucs4_t uc);
 666 extern bool uc_is_property_bidi_eur_num_terminator (ucs4_t uc);
 667 extern bool uc_is_property_bidi_arabic_digit (ucs4_t uc);
 668 extern bool uc_is_property_bidi_common_separator (ucs4_t uc);
 669 extern bool uc_is_property_bidi_block_separator (ucs4_t uc);
 670 extern bool uc_is_property_bidi_segment_separator (ucs4_t uc);
 671 extern bool uc_is_property_bidi_whitespace (ucs4_t uc);
 672 extern bool uc_is_property_bidi_non_spacing_mark (ucs4_t uc);
 673 extern bool uc_is_property_bidi_boundary_neutral (ucs4_t uc);
 674 extern bool uc_is_property_bidi_pdf (ucs4_t uc);
 675 extern bool uc_is_property_bidi_embedding_or_override (ucs4_t uc);
 676 extern bool uc_is_property_bidi_other_neutral (ucs4_t uc);
 677 extern bool uc_is_property_hex_digit (ucs4_t uc);
 678 extern bool uc_is_property_ascii_hex_digit (ucs4_t uc);
 679 extern bool uc_is_property_ideographic (ucs4_t uc);
 680 extern bool uc_is_property_unified_ideograph (ucs4_t uc);
 681 extern bool uc_is_property_radical (ucs4_t uc);
 682 extern bool uc_is_property_ids_binary_operator (ucs4_t uc);
 683 extern bool uc_is_property_ids_trinary_operator (ucs4_t uc);
 684 extern bool uc_is_property_zero_width (ucs4_t uc);
 685 extern bool uc_is_property_space (ucs4_t uc);
 686 extern bool uc_is_property_non_break (ucs4_t uc);
 687 extern bool uc_is_property_iso_control (ucs4_t uc);
 688 extern bool uc_is_property_format_control (ucs4_t uc);
 689 extern bool uc_is_property_dash (ucs4_t uc);
 690 extern bool uc_is_property_hyphen (ucs4_t uc);
 691 extern bool uc_is_property_punctuation (ucs4_t uc);
 692 extern bool uc_is_property_line_separator (ucs4_t uc);
 693 extern bool uc_is_property_paragraph_separator (ucs4_t uc);
 694 extern bool uc_is_property_quotation_mark (ucs4_t uc);
 695 extern bool uc_is_property_sentence_terminal (ucs4_t uc);
 696 extern bool uc_is_property_terminal_punctuation (ucs4_t uc);
 697 extern bool uc_is_property_currency_symbol (ucs4_t uc);
 698 extern bool uc_is_property_math (ucs4_t uc);
 699 extern bool uc_is_property_other_math (ucs4_t uc);
 700 extern bool uc_is_property_paired_punctuation (ucs4_t uc);
 701 extern bool uc_is_property_left_of_pair (ucs4_t uc);
 702 extern bool uc_is_property_combining (ucs4_t uc);
 703 extern bool uc_is_property_composite (ucs4_t uc);
 704 extern bool uc_is_property_decimal_digit (ucs4_t uc);
 705 extern bool uc_is_property_numeric (ucs4_t uc);
 706 extern bool uc_is_property_diacritic (ucs4_t uc);
 707 extern bool uc_is_property_extender (ucs4_t uc);
 708 extern bool uc_is_property_ignorable_control (ucs4_t uc);
 709
 710 /* ========================================================================= */
 711
 712 /* Subdivision of the Unicode characters into scripts.  */
 713
 714 typedef struct
 715 {
 716   unsigned int code : 21;
 717   unsigned int start : 1;
 718   unsigned int end : 1;
 719 }
 720 uc_interval_t;
 721 typedef struct
 722 {
 723   unsigned int nintervals;
 724   const uc_interval_t *intervals;
 725   const char *name;
 726 }
 727 uc_script_t;
 728
 729 /* Return the script of a Unicode character.  */
 730 extern const uc_script_t *
 731        uc_script (ucs4_t uc);
 732
 733 /* Return the script given by name, e.g. "HAN".  */
 734 extern const uc_script_t *
 735        uc_script_byname (const char *script_name);
 736
 737 /* Test whether a Unicode character belongs to a given script.  */
 738 extern bool
 739        uc_is_script (ucs4_t uc, const uc_script_t *script);
 740
 741 /* Get the list of all scripts.  */
 742 extern void
 743        uc_all_scripts (const uc_script_t **scripts, size_t *count);
 744
 745 /* ========================================================================= */
 746
 747 /* Subdivision of the Unicode character range into blocks.  */
 748
 749 typedef struct
 750 {
 751   ucs4_t start;
 752   ucs4_t end;
 753   const char *name;
 754 }
 755 uc_block_t;
 756
 757 /* Return the block a character belongs to.  */
 758 extern const uc_block_t *
 759        uc_block (ucs4_t uc);
 760
 761 /* Test whether a Unicode character belongs to a given block.  */
 762 extern bool
 763        uc_is_block (ucs4_t uc, const uc_block_t *block);
 764
 765 /* Get the list of all blocks.  */
 766 extern void
 767        uc_all_blocks (const uc_block_t **blocks, size_t *count);
 768
 769 /* ========================================================================= */
 770
 771 /* Properties taken from language standards.  */
 772
 773 /* Test whether a Unicode character is considered whitespace in ISO C 99.  */
 774 extern bool
 775        uc_is_c_whitespace (ucs4_t uc);
 776
 777 /* Test whether a Unicode character is considered whitespace in Java.  */
 778 extern bool
 779        uc_is_java_whitespace (ucs4_t uc);
 780
 781 enum
 782 {
 783   UC_IDENTIFIER_START,    /* valid as first or subsequent character */
 784   UC_IDENTIFIER_VALID,    /* valid as subsequent character only */
 785   UC_IDENTIFIER_INVALID,  /* not valid */
 786   UC_IDENTIFIER_IGNORABLE /* ignorable (Java only) */
 787 };
 788
 789 /* Return the categorization of a Unicode character w.r.t. the ISO C 99
 790    identifier syntax.  */
 791 extern int
 792        uc_c_ident_category (ucs4_t uc);
 793
 794 /* Return the categorization of a Unicode character w.r.t. the Java
 795    identifier syntax.  */
 796 extern int
 797        uc_java_ident_category (ucs4_t uc);
 798
 799 /* ========================================================================= */
 800
 801 /* Like ISO C <ctype.h> and <wctype.h>.  These functions are deprecated,
 802    because this set of functions was designed with ASCII in mind and cannot
 803    reflect the more diverse reality of the Unicode character set.  But they
 804    can be a quick-and-dirty porting aid when migrating from wchar_t APIs
 805    to Unicode strings.  */
 806
 807 /* Test for any character for which 'uc_is_alpha' or 'uc_is_digit' is true.  */
 808 extern bool
 809        uc_is_alnum (ucs4_t uc);
 810
 811 /* Test for any character for which 'uc_is_upper' or 'uc_is_lower' is true,
 812    or any character that is one of a locale-specific set of characters for
 813    which none of 'uc_is_cntrl', 'uc_is_digit', 'uc_is_punct', or 'uc_is_space'
 814    is true.  */
 815 extern bool
 816        uc_is_alpha (ucs4_t uc);
 817
 818 /* Test for any control character.  */
 819 extern bool
 820        uc_is_cntrl (ucs4_t uc);
 821
 822 /* Test for any character that corresponds to a decimal-digit character.  */
 823 extern bool
 824        uc_is_digit (ucs4_t uc);
 825
 826 /* Test for any character for which 'uc_is_print' is true and 'uc_is_space'
 827    is false.  */
 828 extern bool
 829        uc_is_graph (ucs4_t uc);
 830
 831 /* Test for any character that corresponds to a lowercase letter or is one
 832    of a locale-specific set of characters for which none of 'uc_is_cntrl',
 833    'uc_is_digit', 'uc_is_punct', or 'uc_is_space' is true.  */
 834 extern bool
 835        uc_is_lower (ucs4_t uc);
 836
 837 /* Test for any printing character.  */
 838 extern bool
 839        uc_is_print (ucs4_t uc);
 840
 841 /* Test for any printing character that is one of a locale-specific set of
 842    characters for which neither 'uc_is_space' nor 'uc_is_alnum' is true.  */
 843 extern bool
 844        uc_is_punct (ucs4_t uc);
 845
 846 /* Test for any character that corresponds to a locale-specific set of
 847    characters for which none of 'uc_is_alnum', 'uc_is_graph', or 'uc_is_punct'
 848    is true.  */
 849 extern bool
 850        uc_is_space (ucs4_t uc);
 851
 852 /* Test for any character that corresponds to an uppercase letter or is one
 853    of a locale-specific set of character for which none of 'uc_is_cntrl',
 854    'uc_is_digit', 'uc_is_punct', or 'uc_is_space' is true.  */
 855 extern bool
 856        uc_is_upper (ucs4_t uc);
 857
 858 /* Test for any character that corresponds to a hexadecimal-digit
 859    character.  */
 860 extern bool
 861        uc_is_xdigit (ucs4_t uc);
 862
 863 /* GNU extension. */
 864 /* Test for any character that corresponds to a standard blank character or
 865    a locale-specific set of characters for which 'uc_is_alnum' is false.  */
 866 extern bool
 867        uc_is_blank (ucs4_t uc);
 868
 869 /* ========================================================================= */
 870
 871 #ifdef __cplusplus
 872 }
 873 #endif
 874
 875 #endif /* _UNICTYPE_H */