Perl_op_sibling_splice(0 remove dead code
[perl.git] / t / op / lc.t
1 #!./perl
2 use strict;
3
4 # This file is intentionally encoded in latin-1.
5 #
6 # Test uc(), lc(), fc(), ucfirst(), lcfirst(), quotemeta() etc
7
8 BEGIN {
9     chdir 't' if -d 't';
10     require './test.pl';
11     set_up_inc('../lib');
12     require Config; import Config;
13     skip_all_without_unicode_tables();
14     require './charset_tools.pl';
15     require './loc_tools.pl';   # Contains find_utf8_ctype_locale()
16 }
17
18 use feature qw( fc );
19
20 plan tests => 139 + 2 * (4 * 256) + 15;
21
22 is(lc(undef),      "", "lc(undef) is ''");
23 is(lcfirst(undef), "", "lcfirst(undef) is ''");
24 is(uc(undef),      "", "uc(undef) is ''");
25 is(ucfirst(undef), "", "ucfirst(undef) is ''");
26
27 {
28     no feature 'fc';
29     is(CORE::fc(undef), "", "fc(undef) is ''");
30     is(CORE::fc(''),    "", "fc('') is ''");
31
32     local $@;
33     eval { fc("eeyup") };
34     like($@, qr/Undefined subroutine &main::fc/, "fc() throws an exception,");
35
36     {
37         use feature 'fc';
38         local $@;
39         eval { fc("eeyup") };
40         ok(!$@, "...but works after requesting the feature");
41     }
42 }
43
44 $a = "HELLO.* world";
45 $b = "hello.* WORLD";
46
47 is("\Q$a\E."      , "HELLO\\.\\*\\ world.", '\Q\E HELLO.* world');
48 is("\u$a"         , "HELLO\.\* world",      '\u');
49 is("\l$a"         , "hELLO\.\* world",      '\l');
50 is("\U$a"         , "HELLO\.\* WORLD",      '\U');
51 is("\L$a"         , "hello\.\* world",      '\L');
52 is("\F$a"         , "hello\.\* world",      '\F');
53
54 is(quotemeta($a)  , "HELLO\\.\\*\\ world",  'quotemeta');
55 is(ucfirst($a)    , "HELLO\.\* world",      'ucfirst');
56 is(lcfirst($a)    , "hELLO\.\* world",      'lcfirst');
57 is(uc($a)         , "HELLO\.\* WORLD",      'uc');
58 is(lc($a)         , "hello\.\* world",      'lc');
59 is(fc($a)         , "hello\.\* world",      'fc');
60
61 is("\Q$b\E."      , "hello\\.\\*\\ WORLD.", '\Q\E hello.* WORLD');
62 is("\u$b"         , "Hello\.\* WORLD",      '\u');
63 is("\l$b"         , "hello\.\* WORLD",      '\l');
64 is("\U$b"         , "HELLO\.\* WORLD",      '\U');
65 is("\L$b"         , "hello\.\* world",      '\L');
66 is("\F$b"         , "hello\.\* world",      '\F');
67
68 is(quotemeta($b)  , "hello\\.\\*\\ WORLD",  'quotemeta');
69 is(ucfirst($b)    , "Hello\.\* WORLD",      'ucfirst');
70 is(lcfirst($b)    , "hello\.\* WORLD",      'lcfirst');
71 is(uc($b)         , "HELLO\.\* WORLD",      'uc');
72 is(lc($b)         , "hello\.\* world",      'lc');
73 is(fc($b)         , "hello\.\* world",      'fc');
74
75 # \x{100} is LATIN CAPITAL LETTER A WITH MACRON; its bijective lowercase is
76 # \x{101}, LATIN SMALL LETTER A WITH MACRON.
77 # Which is also its foldcase.
78
79 $a = "\x{100}\x{101}Aa";
80 $b = "\x{101}\x{100}aA";
81
82 is("\Q$a\E."      , "\x{100}\x{101}Aa.", '\Q\E \x{100}\x{101}Aa');
83 is("\u$a"         , "\x{100}\x{101}Aa",  '\u');
84 is("\l$a"         , "\x{101}\x{101}Aa",  '\l');
85 is("\U$a"         , "\x{100}\x{100}AA",  '\U');
86 is("\L$a"         , "\x{101}\x{101}aa",  '\L');
87 is("\F$a"         , "\x{101}\x{101}aa",  '\F');
88
89 is(quotemeta($a)  , "\x{100}\x{101}Aa",  'quotemeta');
90 is(ucfirst($a)    , "\x{100}\x{101}Aa",  'ucfirst');
91 is(lcfirst($a)    , "\x{101}\x{101}Aa",  'lcfirst');
92 is(uc($a)         , "\x{100}\x{100}AA",  'uc');
93 is(lc($a)         , "\x{101}\x{101}aa",  'lc');
94 is(fc($a)         , "\x{101}\x{101}aa",  'fc');
95
96 is("\Q$b\E."      , "\x{101}\x{100}aA.", '\Q\E \x{101}\x{100}aA');
97 is("\u$b"         , "\x{100}\x{100}aA",  '\u');
98 is("\l$b"         , "\x{101}\x{100}aA",  '\l');
99 is("\U$b"         , "\x{100}\x{100}AA",  '\U');
100 is("\L$b"         , "\x{101}\x{101}aa",  '\L');
101 is("\F$b"         , "\x{101}\x{101}aa",  '\F');
102
103 is(quotemeta($b)  , "\x{101}\x{100}aA",  'quotemeta');
104 is(ucfirst($b)    , "\x{100}\x{100}aA",  'ucfirst');
105 is(lcfirst($b)    , "\x{101}\x{100}aA",  'lcfirst');
106 is(uc($b)         , "\x{100}\x{100}AA",  'uc');
107 is(lc($b)         , "\x{101}\x{101}aa",  'lc');
108 is(fc($b)         , "\x{101}\x{101}aa",  'fc');
109
110 my $sharp_s = uni_to_native("\x{DF}");
111 # \x{DF} is LATIN SMALL LETTER SHARP S, its uppercase is SS or \x{53}\x{53};
112 # \x{149} is LATIN SMALL LETTER N PRECEDED BY APOSTROPHE, its uppercase is
113 # \x{2BC}\x{E4} or MODIFIER LETTER APOSTROPHE and N.
114
115 is("\U${sharp_s}aB\x{149}cD", "SSAB\x{2BC}NCD", "multicharacter uppercase");
116
117 # The \x{DF} is its own lowercase, ditto for \x{149}.
118 # There are no single character -> multiple characters lowercase mappings.
119
120 is("\L${sharp_s}aB\x{149}cD", "${sharp_s}ab\x{149}cd",
121        "multicharacter lowercase");
122
123 # \x{DF} is LATIN SMALL LETTER SHARP S, its foldcase is ss or \x{73}\x{73};
124 # \x{149} is LATIN SMALL LETTER N PRECEDED BY APOSTROPHE, its foldcase is
125 # \x{2BC}\x{6E} or MODIFIER LETTER APOSTROPHE and n.
126 # Note that is this further tested in t/uni/fold.t
127
128 is("\F${sharp_s}aB\x{149}cD", "ssab\x{2BC}ncd", "multicharacter foldcase");
129
130
131 # titlecase is used for \u / ucfirst.
132
133 # \x{587} is ARMENIAN SMALL LIGATURE ECH YIWN and its titlecase is
134 # \x{535}\x{582} ARMENIAN CAPITAL LETTER ECH + ARMENIAN SMALL LETTER YIWN
135 # while its lowercase is 
136 # \x{587} itself
137 # and its uppercase is
138 # \x{535}\x{552} ARMENIAN CAPITAL LETTER ECH + ARMENIAN CAPITAL LETTER YIWN
139 # The foldcase is \x{565}\x{582} ARMENIAN SMALL LETTER ECH + ARMENIAN SMALL LETTER YIWN
140
141 $a = "\x{587}";
142
143 is("\L\x{587}" , "\x{587}",        "ligature lowercase");
144 is("\u\x{587}" , "\x{535}\x{582}", "ligature titlecase");
145 is("\U\x{587}" , "\x{535}\x{552}", "ligature uppercase");
146 is("\F\x{587}" , "\x{565}\x{582}", "ligature foldcase");
147
148 # mktables had problems where many-to-one case mappings didn't work right.
149 # The lib/uni/fold.t should give the fourth folding, "casefolding", a good
150 # workout.
151 # \x{01C4} is LATIN CAPITAL LETTER DZ WITH CARON
152 # \x{01C5} is LATIN CAPITAL LETTER D WITH SMALL LETTER Z WITH CARON
153 # \x{01C6} is LATIN SMALL LETTER DZ WITH CARON
154 # \x{03A3} is GREEK CAPITAL LETTER SIGMA
155 # \x{03C2} is GREEK SMALL LETTER FINAL SIGMA
156 # \x{03C3} is GREEK SMALL LETTER SIGMA
157
158 is(lc("\x{1C4}") , "\x{1C6}",      "U+01C4 lc is U+01C6");
159 is(lc("\x{1C5}") , "\x{1C6}",      "U+01C5 lc is U+01C6, too");
160
161 is(ucfirst("\x{3C2}") , "\x{3A3}", "U+03C2 ucfirst is U+03A3");
162 is(ucfirst("\x{3C3}") , "\x{3A3}", "U+03C3 ucfirst is U+03A3, too");
163
164 is(uc("\x{1C5}") , "\x{1C4}",      "U+01C5 uc is U+01C4");
165 is(uc("\x{1C6}") , "\x{1C4}",      "U+01C6 uc is U+01C4, too");
166
167 # #18107: A host of bugs involving [ul]c{,first}. AMS 20021106
168 my $a = "\x{3c3}foo.bar"; # \x{3c3} == GREEK SMALL LETTER SIGMA.
169 my $b = "\x{3a3}FOO.BAR"; # \x{3a3} == GREEK CAPITAL LETTER SIGMA.
170
171 my $c;
172 ($c = $b) =~ s/(\w+)/lc($1)/ge;
173 is($c , $a, "Using s///e to change case.");
174
175 ($c = $a) =~ s/(\p{IsWord}+)/uc($1)/ge;
176 is($c , $b, "Using s///e to change case.");
177
178 ($c = $a) =~ s/(\p{IsWord}+)/fc($1)/ge;
179 is($c , $a, "Using s///e to foldcase.");
180
181 ($c = $b) =~ s/(\p{IsWord}+)/lcfirst($1)/ge;
182 is($c , "\x{3c3}FOO.bAR", "Using s///e to change case.");
183
184 ($c = $a) =~ s/(\p{IsWord}+)/ucfirst($1)/ge;
185 is($c , "\x{3a3}foo.Bar", "Using s///e to change case.");
186
187 # #18931: perl5.8.0 bug in \U..\E processing
188 # Test case from Nicholas Clark.
189 for my $a (0,1) {
190     $_ = 'abcdefgh';
191     $_ .= chr 256;
192     chop;
193     /(.*)/;
194     is(uc($1), "ABCDEFGH", "[perl #18931]");
195 }
196
197 {
198     foreach (0, 1) {
199         $a = v10.v257;
200         chop $a;
201         $a =~ s/^(\s*)(\w*)/$1\u$2/;
202         is($a, v10, "[perl #18857]");
203     } 
204 }
205
206
207 # [perl #38619] Bug in lc and uc (interaction between UTF-8, substr, and lc/uc)
208
209 for ("a\x{100}", "xyz\x{100}") {
210     is(substr(uc($_), 0), uc($_), "[perl #38619] uc");
211 }
212 for ("A\x{100}", "XYZ\x{100}") {
213     is(substr(lc($_), 0), lc($_), "[perl #38619] lc");
214 }
215 for ("a\x{100}", "�yz\x{100}") { # � to Ss (different length)
216     is(substr(ucfirst($_), 0), ucfirst($_), "[perl #38619] ucfirst");
217 }
218
219 #fc() didn't exist back then, but coverage is coverage.
220 for ("a\x{100}", "�yz\x{100}", "xyz\x{100}", "XYZ\x{100}") { # � to Ss (different length)
221     is(substr(fc($_), 0), fc($_), "[perl #38619] fc");
222 }
223
224 # Related to [perl #38619]
225 # the original report concerns PERL_MAGIC_utf8.
226 # these cases concern PERL_MAGIC_regex_global.
227
228 for (map { $_ } "a\x{100}", "abc\x{100}", "\x{100}") {
229     chop; # get ("a", "abc", "") in utf8
230     my $return =  uc($_) =~ /\G(.?)/g;
231     my $result = $return ? $1 : "not";
232     my $expect = (uc($_) =~ /(.?)/g)[0];
233     is($return, 1,       "[perl #38619]");
234     is($result, $expect, "[perl #38619]");
235 }
236
237 for (map { $_ } "A\x{100}", "ABC\x{100}", "\x{100}") {
238     chop; # get ("A", "ABC", "") in utf8
239     my $return =  lc($_) =~ /\G(.?)/g;
240     my $result = $return ? $1 : "not";
241     my $expect = (lc($_) =~ /(.?)/g)[0];
242     is($return, 1,       "[perl #38619]");
243     is($result, $expect, "[perl #38619]");
244 }
245
246 for (map { $_ } "A\x{100}", "ABC\x{100}", "\x{100}") {
247     chop; # get ("A", "ABC", "") in utf8
248     my $return =  fc($_) =~ /\G(.?)/g;
249     my $result = $return ? $1 : "not";
250     my $expect = (fc($_) =~ /(.?)/g)[0];
251     is($return, 1,       "[perl #38619]");
252     is($result, $expect, "[perl #38619]");
253 }
254
255 for (1, 4, 9, 16, 25) {
256     is(uc "\x{03B0}" x $_, "\x{3a5}\x{308}\x{301}" x $_,
257        'uc U+03B0 grows threefold');
258
259     is(lc "\x{0130}" x $_, "i\x{307}" x $_, 'lc U+0130 grows');
260
261     is(fc "\x{03B0}" x $_, "\x{3C5}\x{308}\x{301}" x $_,
262        'fc U+03B0 grows threefold');
263 }
264
265 # bug #43207
266 my $temp = "HellO";
267 for ("$temp") {
268     lc $_;
269     is($_, "HellO", '[perl #43207] lc($_) modifying $_');
270 }
271 for ("$temp") {
272     fc $_;
273     is($_, "HellO", '[perl #43207] fc($_) modifying $_');
274 }
275 for ("$temp") {
276     uc $_;
277     is($_, "HellO", '[perl #43207] uc($_) modifying $_');
278 }
279 for ("$temp") {
280     ucfirst $_;
281     is($_, "HellO", '[perl #43207] ucfirst($_) modifying $_');
282 }
283 for ("$temp") {
284     lcfirst $_;
285     is($_, "HellO", '[perl #43207] lcfirst($_) modifying $_');
286 }
287
288 # new in Unicode 5.1.0
289 is(lc("\x{1E9E}"), uni_to_native("\x{df}"), "lc(LATIN CAPITAL LETTER SHARP S)");
290
291 {
292     use feature 'unicode_strings';
293     use bytes;
294     is(lc(uni_to_native("\xc0")), uni_to_native("\xc0"), "lc of above-ASCII Latin1 is itself under use bytes");
295     is(lcfirst(uni_to_native("\xc0")), uni_to_native("\xc0"), "lcfirst of above-ASCII Latin1 is itself under use bytes");
296     is(uc(uni_to_native("\xe0")), uni_to_native("\xe0"), "uc of above-ASCII Latin1 is itself under use bytes");
297     is(ucfirst(uni_to_native("\xe0")), uni_to_native("\xe0"), "ucfirst of above-ASCII Latin1 is itself under use bytes");
298 }
299
300 # Brought up in ticket #117855: Constant folding applied to uc() should use
301 # the right set of hints.
302 fresh_perl_like(<<'constantfolding', qr/^(\d+),\1\z/, {},
303     my $function = "uc";
304     my $char = "\xff";
305     {
306         use feature 'unicode_strings';
307         print ord uc($char), ",",
308               ord eval "$function('$char')", "\n";
309     }
310 constantfolding
311     'folded uc() in string eval uses the right hints');
312
313 # In-place lc/uc should not corrupt string buffers when given a non-utf8-
314 # flagged thingy that stringifies to utf8
315 my %h;
316 $h{k} = bless[], "\x{3b0}\x{3b0}\x{3b0}bcde"; # U+03B0 grows with uc()
317    # using delete marks it as TEMP, so uc-in-place is permitted
318 like uc delete $h{k}, qr "^(?:\x{3a5}\x{308}\x{301}){3}BCDE=ARRAY\(.*\)",
319     'uc(TEMP ref) does not produce a corrupt string';
320 $h{k} = bless[], "\x{130}bcde"; # U+0130 grows with lc()
321    # using delete marks it as TEMP, so uc-in-place is permitted
322 like lc delete $h{k}, qr "^i\x{307}bcde=array\(.*\)",
323     'lc(TEMP ref) does not produce a corrupt string';
324
325 # List::Util::first() etc sets $_ to an SvTEMP without raising its
326 # refcount.  This was causing lc() etc to unsafely modify in-place.
327 # see http://nntp.perl.org/group/perl.perl5.porters/228213
328
329 SKIP: {
330     skip "no List::Util on miniperl", 5, if is_miniperl;
331     require List::Util;
332     my %hl = qw(a 1 b 2 c 3);
333     my %hu = qw(A 1 B 2 C 3);
334     my $x;
335     $x = List::Util::first(sub { uc      $_ eq 'A' }, keys %hl);
336     is($x, "a", "first { uc }");
337     $x = List::Util::first(sub { ucfirst $_ eq 'A' }, keys %hl);
338     is($x, "a", "first { ucfirst }");
339     $x = List::Util::first(sub { lc      $_ eq 'a' }, keys %hu);
340     is($x, "A", "first { lc }");
341     $x = List::Util::first(sub { lcfirst $_ eq 'a' }, keys %hu);
342     is($x, "A", "first { lcfirst }");
343     $x = List::Util::first(sub { fc      $_ eq 'a' }, keys %hu);
344     is($x, "A", "first { fc }");
345 }
346
347 my $non_turkic_locale = find_utf8_ctype_locale();
348 my $turkic_locale = find_utf8_turkic_locale();
349
350 foreach my $turkic (0 .. 1) {
351     my $type = ($turkic) ? "turkic" : "non-turkic";
352     my $locale = ($turkic) ? $turkic_locale : $non_turkic_locale;
353
354   SKIP: {
355     skip "Can't find a $type UTF-8 locale", 4*256 unless defined $locale;
356
357     use feature qw( unicode_strings );
358
359     no locale;
360
361     my @unicode_lc;
362     my @unicode_uc;
363     my @unicode_lcfirst;
364     my @unicode_ucfirst;
365
366     # Get all the values outside of 'locale'
367     for my $i (0 .. 255) {
368         push @unicode_lc, lc(chr $i);
369         push @unicode_uc, uc(chr $i);
370         push @unicode_lcfirst, lcfirst(chr $i);
371         push @unicode_ucfirst, ucfirst(chr $i);
372     }
373
374     if ($turkic) {
375         $unicode_lc[ord 'I'] = chr 0x131;
376         $unicode_lcfirst[ord 'I'] = chr 0x131;
377         $unicode_uc[ord 'i'] = chr 0x130;
378         $unicode_ucfirst[ord 'i'] = chr 0x130;
379     }
380
381     use locale;
382     setlocale(LC_CTYPE, $locale);
383
384     for my $i (0 .. 255) {
385         is(lc(chr $i), $unicode_lc[$i], "In a $type UTF-8 locale, lc(chr $i) is the same as official Unicode");
386         is(uc(chr $i), $unicode_uc[$i], "In a $type UTF-8 locale, uc(chr $i) is the same as official Unicode");
387         is(lcfirst(chr $i), $unicode_lcfirst[$i], "In a $type UTF-8 locale, lcfirst(chr $i) is the same as official Unicode");
388         is(ucfirst(chr $i), $unicode_ucfirst[$i], "In a $type UTF-8 locale, ucfirst(chr $i) is the same as official Unicode");
389     }
390   }
391 }
392
393 SKIP: {
394     skip "Can't find a turkic UTF-8 locale", 15 unless defined $turkic_locale;
395
396     # These are designed to stress the calculation of space needed for the
397     # strings.  $filler contains a variety of characters that have special
398     # handling in the casing functions, and some regular chars as well.
399     my $filler_length = 10000;
400     my $filler = uni_to_native("\x{df}\x{b5}\x{e0}\x{c1}\x{b6}\x{ff}") x $filler_length;
401
402     # These are the correct answers to what should happen when the given
403     # casing function is called on $filler;
404     my $filler_lc = uni_to_native("\x{df}\x{b5}\x{e0}\x{e1}\x{b6}\x{ff}") x $filler_length;
405     my $filler_fc = ("ss" . uni_to_native("\x{b5}\x{e0}\x{e1}\x{b6}\x{ff}")) x $filler_length;
406     my $filler_uc = ("SS" . uni_to_native("\x{39c}\x{c0}\x{c1}\x{b6}\x{178}")) x $filler_length;
407
408     use locale;
409     setlocale(LC_CTYPE, $turkic_locale);
410
411     is (lc "IIIIIII$filler", "\x{131}\x{131}\x{131}\x{131}\x{131}\x{131}\x{131}$filler_lc",
412         "lc non-UTF-8, in Turkic locale, beginning with a bunch of I's");
413     is (lc "${filler}IIIIIII$filler", "$filler_lc\x{131}\x{131}\x{131}\x{131}\x{131}\x{131}\x{131}$filler_lc",
414         "lc non-UTF-8, in Turkic locale, a bunch of I's, but not at the beginning");
415     is (lc "${filler}I\x{307}$filler", "${filler_lc}i$filler_lc",
416         "lc in Turkic locale with DOT ABOVE immediately following I");
417     is (lc "${filler}I\x{307}IIIIII$filler", "${filler_lc}i\x{131}\x{131}\x{131}\x{131}\x{131}\x{131}$filler_lc",
418         "lc in Turkic locale with DOT ABOVE immediately following I, then other I's ");
419     is (lc "${filler}I\x{316}\x{307}$filler", "${filler_lc}i\x{316}$filler_lc",
420         "lc in Turkic locale with DOT ABOVE after non-ABOVE");
421     is (lc "${filler}I\x{307}\x{300}$filler", "${filler_lc}i\x{300}$filler_lc",
422         "lc in Turkic locale with DOT ABOVE followed by ABOVE");
423     is (lc "${filler}I\x{300}\x{307}$filler", "$filler_lc\x{131}\x{300}\x{307}$filler_lc",
424         "lc in Turkic locale with with other ABOVE before DOT ABOVE");
425     is (lcfirst "IIIIIII$filler", "\x{131}IIIIII$filler",
426         "lcfirst in Turkic locale, only first I changed");
427     is (lcfirst "I\x{307}$filler", "i$filler",
428         "lcfirst in Turkic locale with DOT ABOVE immediately following I");
429     is (lcfirst "I\x{307}IIIIII$filler", "iIIIIII$filler",
430         "lcfirst in Turkic locale with DOT ABOVE immediately following I, then"
431       . " other I's ");
432     is (lcfirst "I\x{316}\x{307}IIIIII$filler", "i\x{316}IIIIII$filler",
433         "lcfirst in Turkic locale with DOT ABOVE after non-ABOVE");
434     is (lcfirst "I\x{307}\x{300}IIIIII$filler", "i\x{300}IIIIII$filler",
435         "lcfirst in Turkic locale with DOT ABOVE followed by ABOVE");
436     is (lcfirst "I\x{300}\x{307}IIIIII$filler", "\x{131}\x{300}\x{307}IIIIII$filler",
437         "lcfirst in Turkic locale with with other ABOVE before DOT ABOVE");
438     is (uc "${filler}i$filler", "$filler_uc\x{130}$filler_uc", "long string uc in Turkic locale");
439     is (ucfirst "ii$filler", "\x{130}i$filler", "long string ucfirst in Turkic locale; only first char changes");
440 }