t/uni/fold.t

   1 use strict;
   2 use warnings;
   3
   4 # re/fold_grind.t has more complex tests, but doesn't test every fold
   5 # This file also tests the fc() keyword.
   6
   7 BEGIN {
   8     chdir 't' if -d 't';
   9     require './test.pl';
  10     @INC = () unless is_miniperl();
  11     unshift @INC, '../lib';
  12     if (is_miniperl()) {
  13         skip_all_if_miniperl("Unicode tables not built yet")
  14             unless eval 'require "unicore/Heavy.pl"';
  15     }
  16     require Config; import Config;
  17     require './loc_tools.pl';   # Contains find_utf8_ctype_locale()
  18 }
  19
  20 use feature 'unicode_strings';
  21 use Unicode::UCD qw(all_casefolds);
  22
  23 binmode *STDOUT, ":utf8";
  24
  25 our $TODO;
  26
  27
  28 plan("no_plan");
  29 # Read in the official case folding definitions.
  30 my $casefolds = all_casefolds();
  31 my @folds;
  32 my @CF;
  33 my @simple_folds;
  34 my %reverse_fold;
  35 use Unicode::UCD;
  36 use charnames();
  37
  38 foreach my $decimal_code_point (sort { $a <=> $b } keys %$casefolds) {
  39     # We only use simple folds in fc(), since the regex engine uses full case
  40     # folding.
  41
  42     my $name = charnames::viacode($decimal_code_point);
  43     my $type = $casefolds->{$decimal_code_point}{'status'};
  44     my $code = $casefolds->{$decimal_code_point}{'code'};
  45     my $simple = $casefolds->{$decimal_code_point}{'simple'};
  46     my $full = $casefolds->{$decimal_code_point}{'full'};
  47
  48     if ($simple && $simple ne $full) { # If there is a distinction
  49         push @simple_folds, [ $code, $simple, $type, $name ];
  50     }
  51
  52     push @CF, [ $code, $full, $type, $name ];
  53
  54     # Get the inverse fold for single-char mappings.
  55     $reverse_fold{pack "U0U*", hex $simple} = pack "U0U*", $decimal_code_point if $simple;
  56 }
  57
  58 foreach my $test_ref ( @simple_folds ) {
  59     use feature 'fc';
  60     my ($code, $mapping, $type, $name) = @$test_ref;
  61     my $c = pack("U0U*", hex $code);
  62     my $f = pack("U0U*", map { hex } split " ", $mapping);
  63
  64     my $against = join "", "qq{", map("\\x{$_}", split " ", $mapping), "}";
  65     {
  66         isnt(fc($c), $f, "$code - $name - $mapping - $type - Full casefolding, fc(\\x{$code}) ne $against");
  67         isnt("\F$c", $f, "$code - $name - $mapping - $type - Full casefolding, qq{\\F\\x{$code}} ne $against");
  68     }
  69 }
  70
  71 foreach my $test_ref (@CF) {
  72     my ($code, $mapping, $type, $name) = @$test_ref;
  73     my $c = pack("U0U*", hex $code);
  74     my $f = pack("U0U*", map { hex } split " ", $mapping);
  75     my $f_length = length $f;
  76     foreach my $test (
  77             qq[":$c:" =~ /:$c:/],
  78             qq[":$c:" =~ /:$c:/i],
  79             qq[":$c:" =~ /:[_$c]:/], # Place two chars in [] so doesn't get
  80                                      # optimized to a non-charclass
  81             qq[":$c:" =~ /:[_$c]:/i],
  82             qq[":$c:" =~ /:$f:/i],
  83             qq[":$f:" =~ /:$c:/i],
  84     ) {
  85         ok eval $test, "$code - $name - $mapping - $type - $test";
  86     }
  87
  88     {
  89         # fc() tests
  90         my $against = join "", "qq{", map("\\x{$_}", split " ", $mapping), "}";
  91         is(CORE::fc($c), $f,
  92             "$code - $name - $mapping - $type - fc(\\x{$code}) eq $against");
  93         is("\F$c", $f, "$code - $name - $mapping - $type - qq{\\F\\x{$code}} eq $against");
  94
  95         # And here we test bytes. For [A-Za-z0-9], the fold is the same as lc under
  96         # bytes. For everything else, it's the bytes that formed the original string.
  97         if ( $c =~ /[A-Za-z0-9]/ ) {
  98             use bytes;
  99             is(CORE::fc($c), lc($c), "$code - $name - fc and use bytes, ascii");
 100         } else {
 101             my $copy = "" . $c;
 102             utf8::encode($copy);
 103             is($copy, do { use bytes; CORE::fc($c) }, "$code - $name - fc and use bytes");
 104         }
 105     }
 106     # Certain tests weren't convenient to put in the list above since they are
 107     # TODO's in multi-character folds.
 108     if ($f_length == 1) {
 109
 110         # The qq loses the utf8ness of ":$f:".  These tests are not about
 111         # finding bugs in utf8ness, so make sure it's utf8.
 112         my $test = qq[my \$s = ":$f:"; utf8::upgrade(\$s); \$s =~ /:[_$c]:/i];
 113         ok eval $test, "$code - $name - $mapping - $type - $test";
 114         $test = qq[":$c:" =~ /:[_$f]:/i];
 115         ok eval $test, "$code - $name - $mapping - $type - $test";
 116     }
 117     else {
 118
 119         # There are two classes of multi-char folds that need more work.  For
 120         # example,
 121         #   ":ß:" =~ /:[_s]{2}:/i
 122         #   ":ss:" =~ /:[_ß]:/i
 123         #
 124         # Some of the old tests for the second case happened to pass somewhat
 125         # coincidentally.  But none would pass if changed to this.
 126         #   ":SS:" =~ /:[_ß]:/i
 127         #
 128         # As the capital SS doesn't get folded.  When those pass, it means
 129         # that the code has been changed to take into account folding in the
 130         # string, and all should pass, capitalized or not (this wouldn't be
 131         # true for [^complemented character classes], for which the fold case
 132         # is better, but these aren't used in this .t currently.  So, what is
 133         # done is to essentially upper-case the string for this class (but use
 134         # the reverse fold not uc(), as that is more correct)
 135         my $u;
 136         for my $i (0 .. $f_length - 1) {
 137             my $cur_char = substr($f, $i, 1);
 138             $u .= $reverse_fold{$cur_char} || $cur_char;
 139         }
 140         my $test;
 141
 142         # A multi-char fold should not match just one char;
 143         # e.g., ":ß:" !~ /:[_s]:/i
 144         $test = qq[":$c:" !~ /:[_$f]:/i];
 145         ok eval $test, "$code - $name - $mapping - $type - $test";
 146
 147         TODO: { # e.g., ":ß:" =~ /:[_s]{2}:/i
 148             local $TODO = 'Multi-char fold in [character class]';
 149
 150             $test = qq[":$c:" =~ /:[_$f]{$f_length}:/i];
 151             ok eval $test, "$code - $name - $mapping - $type - $test";
 152         }
 153
 154         # e.g., ":SS:" =~ /:[_ß]:/i now pass, so TODO has been removed, but
 155         # since they use '$u', they are left out of the main loop
 156         $test = qq[ my \$s = ":$u:"; utf8::upgrade(\$s); \$s =~ /:[_$c]:/i];
 157         ok eval $test, "$code - $name - $mapping - $type - $test";
 158     }
 159 }
 160
 161 {
 162     use utf8;
 163     use feature qw(fc);
 164     # These three come from the ICU project's test suite, more especifically
 165     # http://icu.sourcearchive.com/documentation/4.4~rc1-1/strcase_8cpp-source.html
 166
 167     my $s = "A\N{U+00df}\N{U+00b5}\N{U+fb03}\N{U+1040C}\N{U+0130}\N{U+0131}";
 168     #\N{LATIN CAPITAL LETTER A}\N{LATIN SMALL LETTER SHARP S}\N{MICRO SIGN}\N{LATIN SMALL LIGATURE FFI}\N{DESERET CAPITAL LETTER AY}\N{LATIN CAPITAL LETTER I WITH DOT ABOVE}\N{LATIN SMALL LETTER DOTLESS I}
 169
 170     my $f = "ass\N{U+03bc}ffi\N{U+10434}i\N{U+0307}\N{U+0131}";
 171     #\N{LATIN SMALL LETTER A}\N{LATIN SMALL LETTER S}\N{LATIN SMALL LETTER S}\N{GREEK SMALL LETTER MU}\N{LATIN SMALL LETTER F}\N{LATIN SMALL LETTER F}\N{LATIN SMALL LETTER I}\N{DESERET SMALL LETTER AY}\N{LATIN SMALL LETTER I}\N{COMBINING DOT ABOVE}\N{LATIN SMALL LETTER DOTLESS I}
 172
 173     is(fc($s), $f, "ICU's casefold test passes");
 174     is("\F$s", $f, "ICU's casefold test passes");
 175
 176     is( fc("aBİIıϐßﬃ񟿿"), "abi̇iıβssffi񟿿" );
 177     is( "\FaBİIıϐßﬃ񟿿", "abi̇iıβssffi񟿿" );
 178 #    TODO: {
 179 #        local $::TODO = "turkic special cases";
 180 #        is( fc "aBİIıϐßﬃ񟿿", "abiııβssffi񟿿" );
 181 #    }
 182
 183     # The next batch come from http://www.devdaily.com/java/jwarehouse/lucene/contrib/icu/src/test/org/apache/lucene/analysis/icu/TestICUFoldingFilter.java.shtml
 184     # Except the article got most casings wrong. Or maybe Lucene does.
 185
 186     is( fc("This is a test"), "this is a test" );
 187     is( fc("Ruß"), "russ"    );
 188     is( fc("ΜΆΪΟΣ"), "μάϊοσ" );
 189     is( fc("Μάϊος"), "μάϊοσ" );
 190     is( fc("𐐖"), "𐐾"       );
 191     is( fc("r\xe9sum\xe9"), "r\xe9sum\xe9" );
 192     is( fc("re\x{0301}sume\x{0301}"), "re\x{301}sume\x{301}" );
 193     is( fc("ELİF"), "eli\x{307}f" );
 194     is( fc("eli\x{307}f"), "eli\x{307}f");
 195
 196     # This batch comes from
 197     # http://www.java2s.com/Open-Source/Java-Document/Internationalization-Localization/icu4j/com/ibm/icu/dev/test/lang/UCharacterCaseTest.java.htm
 198     # Which uses ICU as the backend.
 199
 200     my @folding_mixed = (
 201         "\x{61}\x{42}\x{130}\x{49}\x{131}\x{3d0}\x{df}\x{fb03}",
 202         "A\x{df}\x{b5}\x{fb03}\x{1040C}\x{130}\x{131}",
 203     );
 204
 205     my @folding_default = (
 206         "\x{61}\x{62}\x{69}\x{307}\x{69}\x{131}\x{3b2}\x{73}\x{73}\x{66}\x{66}\x{69}",
 207         "ass\x{3bc}ffi\x{10434}i\x{307}\x{131}",
 208     );
 209
 210     my @folding_exclude_turkic = (
 211         "\x{61}\x{62}\x{69}\x{131}\x{131}\x{3b2}\x{73}\x{73}\x{66}\x{66}\x{69}",
 212         "ass\x{3bc}ffi\x{10434}i\x{131}",
 213     );
 214
 215     is( fc($folding_mixed[1]), $folding_default[1] );
 216
 217     is( fc($folding_mixed[0]), $folding_default[0] );
 218
 219 }
 220
 221 {
 222     use utf8;
 223     # Table stolen from tchrist's mail in
 224     # http://bugs.python.org/file23051/casing-tests.py
 225     # and http://98.245.80.27/tcpc/OSCON2011/case-test.python3
 226     # For reference, it's a longer version of what he posted here:
 227     # http://stackoverflow.com/questions/6991038/case-insensitive-storage-and-unicode-compatibility
 228
 229     #Couple of repeats because I'm lazy, not tchrist's fault.
 230
 231     #This should probably go in t/op/lc.t
 232
 233     my @test_table = (
 234 # ORIG LC_SIMPLE TC_SIMPLE UC_SIMPLE LC_FULL TC_FULL UC_FULL FC_SIMPLE FC_TURKIC FC_FULL
 235 [ 'þǽr rihtes', 'þǽr rihtes', 'Þǽr Rihtes', 'ÞǼR RIHTES', 'þǽr rihtes', 'Þǽr Rihtes', 'ÞǼR RIHTES', 'þǽr rihtes', 'þǽr rihtes', 'þǽr rihtes',  ],
 236 [ 'duȝeðlice', 'duȝeðlice', 'Duȝeðlice', 'DUȜEÐLICE', 'duȝeðlice', 'Duȝeðlice', 'DUȜEÐLICE', 'duȝeðlice', 'duȝeðlice', 'duȝeðlice',  ],
 237 [ 'Ævar Arnfjörð Bjarmason', 'ævar arnfjörð bjarmason', 'Ævar Arnfjörð Bjarmason', 'ÆVAR ARNFJÖRÐ BJARMASON', 'ævar arnfjörð bjarmason', 'Ævar Arnfjörð Bjarmason', 'ÆVAR ARNFJÖRÐ BJARMASON', 'ævar arnfjörð bjarmason', 'ævar arnfjörð bjarmason', 'ævar arnfjörð bjarmason',  ],
 238 [ 'Кириллица', 'кириллица', 'Кириллица', 'КИРИЛЛИЦА', 'кириллица', 'Кириллица', 'КИРИЛЛИЦА', 'кириллица', 'кириллица', 'кириллица',  ],
 239 [ 'ĳ', 'ĳ', 'Ĳ', 'Ĳ', 'ĳ', 'Ĳ', 'Ĳ', 'ĳ', 'ĳ', 'ĳ',  ],
 240 [ 'Van Dĳke', 'van dĳke', 'Van Dĳke', 'VAN DĲKE', 'van dĳke', 'Van Dĳke', 'VAN DĲKE', 'van dĳke', 'van dĳke', 'van dĳke',  ],
 241 [ 'VAN DĲKE', 'van dĳke', 'Van Dĳke', 'VAN DĲKE', 'van dĳke', 'Van Dĳke', 'VAN DĲKE', 'van dĳke', 'van dĳke', 'van dĳke',  ],
 242 [ 'eﬃcient', 'eﬃcient', 'Eﬃcient', 'EﬃCIENT', 'eﬃcient', 'Eﬃcient', 'EFFICIENT', 'eﬃcient', 'efficient', 'efficient',  ],
 243 [ 'ﬂour', 'ﬂour', 'ﬂour', 'ﬂOUR', 'ﬂour', 'Flour', 'FLOUR', 'ﬂour', 'flour', 'flour',  ],
 244 [ 'ﬂour and water', 'ﬂour and water', 'ﬂour And Water', 'ﬂOUR AND WATER', 'ﬂour and water', 'Flour And Water', 'FLOUR AND WATER', 'ﬂour and water', 'flour and water', 'flour and water',  ],
 245 [ 'ǳur', 'ǳur', 'ǲur', 'ǱUR', 'ǳur', 'ǲur', 'ǱUR', 'ǳur', 'ǳur', 'ǳur',  ],
 246 [ 'ǲur', 'ǳur', 'ǲur', 'ǱUR', 'ǳur', 'ǲur', 'ǱUR', 'ǳur', 'ǳur', 'ǳur',  ],
 247 [ 'ǱUR', 'ǳur', 'ǲur', 'ǱUR', 'ǳur', 'ǲur', 'ǱUR', 'ǳur', 'ǳur', 'ǳur',  ],
 248 [ 'ǳur mountain', 'ǳur mountain', 'ǲur Mountain', 'ǱUR MOUNTAIN', 'ǳur mountain', 'ǲur Mountain', 'ǱUR MOUNTAIN', 'ǳur mountain', 'ǳur mountain', 'ǳur mountain',  ],
 249 [ 'ǲur Mountain', 'ǳur mountain', 'ǲur Mountain', 'ǱUR MOUNTAIN', 'ǳur mountain', 'ǲur Mountain', 'ǱUR MOUNTAIN', 'ǳur mountain', 'ǳur mountain', 'ǳur mountain',  ],
 250 [ 'ǱUR MOUNTAIN', 'ǳur mountain', 'ǲur Mountain', 'ǱUR MOUNTAIN', 'ǳur mountain', 'ǲur Mountain', 'ǱUR MOUNTAIN', 'ǳur mountain', 'ǳur mountaın', 'ǳur mountain',  ],
 251 [ 'poſt', 'poſt', 'Poſt', 'POST', 'poſt', 'Poſt', 'POST', 'post', 'post', 'post',  ],
 252 [ 'poﬅ', 'poﬅ', 'Poﬅ', 'POﬅ', 'poﬅ', 'Poﬅ', 'POST', 'poﬅ', 'post', 'post',  ],
 253 [ 'ﬅop', 'ﬅop', 'ﬅop', 'ﬅOP', 'ﬅop', 'Stop', 'STOP', 'ﬅop', 'stop', 'stop',  ],
 254 [ 'tschüß', 'tschüß', 'Tschüß', 'TSCHÜß', 'tschüß', 'Tschüß', 'TSCHÜSS', 'tschüß', 'tschüss', 'tschüss',  ],
 255 [ 'TSCHÜẞ', 'tschüß', 'Tschüß', 'TSCHÜẞ', 'tschüß', 'Tschüß', 'TSCHÜẞ', 'tschüß', 'tschüss', 'tschüss',  ],
 256 [ 'weiß', 'weiß', 'Weiß', 'WEIß', 'weiß', 'Weiß', 'WEISS', 'weiß', 'weiss', 'weiss',  ],
 257 [ 'WEIẞ', 'weiß', 'Weiß', 'WEIẞ', 'weiß', 'Weiß', 'WEIẞ', 'weiß', 'weıss', 'weiss',  ],
 258 [ 'ẞIEW', 'ßiew', 'ẞiew', 'ẞIEW', 'ßiew', 'ẞiew', 'ẞIEW', 'ßiew', 'ssıew', 'ssiew',  ],
 259 [ 'ᾲ', 'ᾲ', 'Ὰͅ', 'ᾺΙ', 'ᾲ', 'Ὰͅ', 'ᾺΙ', 'ὰι', 'ὰι', 'ὰι',  ],
 260 [ 'Ὰι', 'ὰι', 'Ὰι', 'ᾺΙ', 'ὰι', 'Ὰι', 'ᾺΙ', 'ὰι', 'ὰι', 'ὰι',  ],
 261 [ 'ᾺΙ', 'ὰι', 'Ὰι', 'ᾺΙ', 'ὰι', 'Ὰι', 'ᾺΙ', 'ὰι', 'ὰι', 'ὰι',  ],
 262 [ 'ᾲ', 'ᾲ', 'ᾲ', 'ᾲ', 'ᾲ', 'Ὰͅ', 'ᾺΙ', 'ᾲ', 'ὰι', 'ὰι',  ],
 263 [ 'Ὰͅ', 'ᾲ', 'Ὰͅ', 'ᾺΙ', 'ᾲ', 'Ὰͅ', 'ᾺΙ', 'ὰι', 'ὰι', 'ὰι',  ],
 264 [ 'ᾺΙ', 'ὰι', 'Ὰι', 'ᾺΙ', 'ὰι', 'Ὰι', 'ᾺΙ', 'ὰι', 'ὰι', 'ὰι',  ],
 265 [ 'ᾲ στο διάολο', 'ᾲ στο διάολο', 'ᾲ Στο Διάολο', 'ᾲ ΣΤΟ ΔΙΆΟΛΟ', 'ᾲ στο διάολο', 'Ὰͅ Στο Διάολο', 'ᾺΙ ΣΤΟ ΔΙΆΟΛΟ', 'ᾲ στο διάολο', 'ὰι στο διάολο', 'ὰι στο διάολο',  ],
 266 [ 'ᾲ στο διάολο', 'ᾲ στο διάολο', 'Ὰͅ Στο Διάολο', 'ᾺΙ ΣΤΟ ΔΙΆΟΛΟ', 'ᾲ στο διάολο', 'Ὰͅ Στο Διάολο', 'ᾺΙ ΣΤΟ ΔΙΆΟΛΟ', 'ὰι στο διάολο', 'ὰι στο διάολο', 'ὰι στο διάολο',  ],
 267 [ '𐐼𐐯𐑅𐐨𐑉𐐯𐐻', '𐐼𐐯𐑅𐐨𐑉𐐯𐐻', '𐐔𐐯𐑅𐐨𐑉𐐯𐐻', '𐐔𐐇𐐝𐐀𐐡𐐇𐐓', '𐐼𐐯𐑅𐐨𐑉𐐯𐐻', '𐐔𐐯𐑅𐐨𐑉𐐯𐐻', '𐐔𐐇𐐝𐐀𐐡𐐇𐐓', '𐐼𐐯𐑅𐐨𐑉𐐯𐐻', '𐐼𐐯𐑅𐐨𐑉𐐯𐐻', '𐐼𐐯𐑅𐐨𐑉𐐯𐐻',  ],
 268 [ '𐐔𐐯𐑅𐐨𐑉𐐯𐐻', '𐐼𐐯𐑅𐐨𐑉𐐯𐐻', '𐐔𐐯𐑅𐐨𐑉𐐯𐐻', '𐐔𐐇𐐝𐐀𐐡𐐇𐐓', '𐐼𐐯𐑅𐐨𐑉𐐯𐐻', '𐐔𐐯𐑅𐐨𐑉𐐯𐐻', '𐐔𐐇𐐝𐐀𐐡𐐇𐐓', '𐐼𐐯𐑅𐐨𐑉𐐯𐐻', '𐐼𐐯𐑅𐐨𐑉𐐯𐐻', '𐐼𐐯𐑅𐐨𐑉𐐯𐐻',  ],
 269 [ '𐐔𐐇𐐝𐐀𐐡𐐇𐐓', '𐐼𐐯𐑅𐐨𐑉𐐯𐐻', '𐐔𐐯𐑅𐐨𐑉𐐯𐐻', '𐐔𐐇𐐝𐐀𐐡𐐇𐐓', '𐐼𐐯𐑅𐐨𐑉𐐯𐐻', '𐐔𐐯𐑅𐐨𐑉𐐯𐐻', '𐐔𐐇𐐝𐐀𐐡𐐇𐐓', '𐐼𐐯𐑅𐐨𐑉𐐯𐐻', '𐐼𐐯𐑅𐐨𐑉𐐯𐐻', '𐐼𐐯𐑅𐐨𐑉𐐯𐐻',  ],
 270 [ 'henry ⅷ', 'henry ⅷ', 'Henry Ⅷ', 'HENRY Ⅷ', 'henry ⅷ', 'Henry Ⅷ', 'HENRY Ⅷ', 'henry ⅷ', 'henry ⅷ', 'henry ⅷ',  ],
 271 [ 'Henry Ⅷ', 'henry ⅷ', 'Henry Ⅷ', 'HENRY Ⅷ', 'henry ⅷ', 'Henry Ⅷ', 'HENRY Ⅷ', 'henry ⅷ', 'henry ⅷ', 'henry ⅷ',  ],
 272 [ 'HENRY Ⅷ', 'henry ⅷ', 'Henry Ⅷ', 'HENRY Ⅷ', 'henry ⅷ', 'Henry Ⅷ', 'HENRY Ⅷ', 'henry ⅷ', 'henry ⅷ', 'henry ⅷ',  ],
 273 [ 'i work at ⓚ', 'i work at ⓚ', 'I Work At Ⓚ', 'I WORK AT Ⓚ', 'i work at ⓚ', 'I Work At Ⓚ', 'I WORK AT Ⓚ', 'i work at ⓚ', 'i work at ⓚ', 'i work at ⓚ',  ],
 274 [ 'I Work At Ⓚ', 'i work at ⓚ', 'I Work At Ⓚ', 'I WORK AT Ⓚ', 'i work at ⓚ', 'I Work At Ⓚ', 'I WORK AT Ⓚ', 'i work at ⓚ', 'ı work at ⓚ', 'i work at ⓚ',  ],
 275 [ 'I WORK AT Ⓚ', 'i work at ⓚ', 'I Work At Ⓚ', 'I WORK AT Ⓚ', 'i work at ⓚ', 'I Work At Ⓚ', 'I WORK AT Ⓚ', 'i work at ⓚ', 'ı work at ⓚ', 'i work at ⓚ',  ],
 276 [ 'istambul', 'istambul', 'Istambul', 'ISTAMBUL', 'istambul', 'Istambul', 'ISTAMBUL', 'istambul', 'istambul', 'istambul',  ],
 277 [ 'i̇stanbul', 'i̇stanbul', 'İstanbul', 'İSTANBUL', 'i̇stanbul', 'İstanbul', 'İSTANBUL', 'i̇stanbul', 'i̇stanbul', 'i̇stanbul',  ],
 278 [ 'İstanbul', 'i̇stanbul', 'İstanbul', 'İSTANBUL', 'i̇stanbul', 'İstanbul', 'İSTANBUL', 'i̇stanbul', 'ı̇stanbul', 'i̇stanbul',  ],
 279 [ 'İSTANBUL', 'istanbul', 'İstanbul', 'İSTANBUL', 'i̇stanbul', 'İstanbul', 'İSTANBUL', 'İstanbul', 'istanbul', 'i̇stanbul',  ],
 280 [ 'στιγμας', 'στιγμας', 'Στιγμας', 'ΣΤΙΓΜΑΣ', 'στιγμας', 'Στιγμας', 'ΣΤΙΓΜΑΣ', 'στιγμασ', 'στιγμασ', 'στιγμασ',  ],
 281 [ 'στιγμασ', 'στιγμασ', 'Στιγμασ', 'ΣΤΙΓΜΑΣ', 'στιγμασ', 'Στιγμασ', 'ΣΤΙΓΜΑΣ', 'στιγμασ', 'στιγμασ', 'στιγμασ',  ],
 282 [ 'ΣΤΙΓΜΑΣ', 'στιγμασ', 'Στιγμασ', 'ΣΤΙΓΜΑΣ', 'στιγμασ', 'Στιγμασ', 'ΣΤΙΓΜΑΣ', 'στιγμασ', 'στιγμασ', 'στιγμασ',  ],
 283 [ 'ʀᴀʀᴇ', 'ʀᴀʀᴇ', 'Ʀᴀʀᴇ', 'ƦᴀƦᴇ', 'ʀᴀʀᴇ', 'Ʀᴀʀᴇ', 'ƦᴀƦᴇ', 'ʀᴀʀᴇ', 'ʀᴀʀᴇ', 'ʀᴀʀᴇ',  ],
 284 [ 'Ʀᴀʀᴇ', 'ʀᴀʀᴇ', 'Ʀᴀʀᴇ', 'ƦᴀƦᴇ', 'ʀᴀʀᴇ', 'Ʀᴀʀᴇ', 'ƦᴀƦᴇ', 'ʀᴀʀᴇ', 'ʀᴀʀᴇ', 'ʀᴀʀᴇ',  ],
 285 [ 'ƦᴀƦᴇ', 'ʀᴀʀᴇ', 'Ʀᴀʀᴇ', 'ƦᴀƦᴇ', 'ʀᴀʀᴇ', 'Ʀᴀʀᴇ', 'ƦᴀƦᴇ', 'ʀᴀʀᴇ', 'ʀᴀʀᴇ', 'ʀᴀʀᴇ',  ],
 286 [ 'Ԧԧ', 'ԧԧ', 'Ԧԧ', 'ԦԦ', 'ԧԧ', 'Ԧԧ', 'ԦԦ', 'ԧԧ', 'ԧԧ', 'ԧԧ',  ],
 287 [ 'ԧԧ', 'ԧԧ', 'Ԧԧ', 'ԦԦ', 'ԧԧ', 'Ԧԧ', 'ԦԦ', 'ԧԧ', 'ԧԧ', 'ԧԧ',  ],
 288 [ 'Ԧԧ', 'ԧԧ', 'Ԧԧ', 'ԦԦ', 'ԧԧ', 'Ԧԧ', 'ԦԦ', 'ԧԧ', 'ԧԧ', 'ԧԧ',  ],
 289 [ 'ԦԦ', 'ԧԧ', 'Ԧԧ', 'ԦԦ', 'ԧԧ', 'Ԧԧ', 'ԦԦ', 'ԧԧ', 'ԧԧ', 'ԧԧ',  ],
 290 [ "þǽr rihtes", "þǽr rihtes", "Þǽr Rihtes", "ÞǼR RIHTES", "þǽr rihtes", "Þǽr Rihtes", "ÞǼR RIHTES", "þǽr rihtes", "þǽr rihtes", "þǽr rihtes",  ],
 291 [ "duȝeðlice", "duȝeðlice", "Duȝeðlice", "DUȜEÐLICE", "duȝeðlice", "Duȝeðlice", "DUȜEÐLICE", "duȝeðlice", "duȝeðlice", "duȝeðlice",  ],
 292 [ "Van Dĳke", "van dĳke", "Van Dĳke", "VAN DĲKE", "van dĳke", "Van Dĳke", "VAN DĲKE", "van dĳke", "van dĳke", "van dĳke",  ],
 293 [ "ﬁ", "ﬁ", "ﬁ", "ﬁ", "ﬁ", "Fi", "FI", "ﬁ", "fi", "fi",  ],
 294 [ "ﬁlesystem", "ﬁlesystem", "ﬁlesystem", "ﬁLESYSTEM", "ﬁlesystem", "Filesystem", "FILESYSTEM", "ﬁlesystem", "filesystem", "filesystem",  ],
 295 [ "eﬃcient", "eﬃcient", "Eﬃcient", "EﬃCIENT", "eﬃcient", "Eﬃcient", "EFFICIENT", "eﬃcient", "efficient", "efficient",  ],
 296 [ "ﬂour and water", "ﬂour and water", "ﬂour And Water", "ﬂOUR AND WATER", "ﬂour and water", "Flour And Water", "FLOUR AND WATER", "ﬂour and water", "flour and water", "flour and water",  ],
 297 [ "ǳ", "ǳ", "ǲ", "Ǳ", "ǳ", "ǲ", "Ǳ", "ǳ", "ǳ", "ǳ",  ],
 298 [ "ǳur mountain", "ǳur mountain", "ǲur Mountain", "ǱUR MOUNTAIN", "ǳur mountain", "ǲur Mountain", "ǱUR MOUNTAIN", "ǳur mountain", "ǳur mountain", "ǳur mountain",  ],
 299 [ "poſt", "poſt", "Poſt", "POST", "poſt", "Poſt", "POST", "post", "post", "post",  ],
 300 [ "poﬅ", "poﬅ", "Poﬅ", "POﬅ", "poﬅ", "Poﬅ", "POST", "poﬅ", "post", "post",  ],
 301 [ "ﬅop", "ﬅop", "ﬅop", "ﬅOP", "ﬅop", "Stop", "STOP", "ﬅop", "stop", "stop",  ],
 302 [ "tschüß", "tschüß", "Tschüß", "TSCHÜß", "tschüß", "Tschüß", "TSCHÜSS", "tschüß", "tschüss", "tschüss",  ],
 303 [ "TSCHÜẞ", "tschüß", "Tschüß", "TSCHÜẞ", "tschüß", "Tschüß", "TSCHÜẞ", "tschüß", "tschüss", "tschüss",  ],
 304 [ "rußland", "rußland", "Rußland", "RUßLAND", "rußland", "Rußland", "RUSSLAND", "rußland", "russland", "russland",  ],
 305 [ "RUẞLAND", "rußland", "Rußland", "RUẞLAND", "rußland", "Rußland", "RUẞLAND", "rußland", "russland", "russland",  ],
 306 [ "weiß", "weiß", "Weiß", "WEIß", "weiß", "Weiß", "WEISS", "weiß", "weiss", "weiss",  ],
 307 [ "WEIẞ", "weiß", "Weiß", "WEIẞ", "weiß", "Weiß", "WEIẞ", "weiß", "weıss", "weiss",  ],
 308 [ "ẞIEW", "ßiew", "ẞiew", "ẞIEW", "ßiew", "ẞiew", "ẞIEW", "ßiew", "ssıew", "ssiew",  ],
 309 [ "ͅ", "ͅ", "Ι", "Ι", "ͅ", "Ι", "Ι", "ι", "ι", "ι",  ],
 310 [ "ᾲ", "ᾲ", "Ὰͅ", "ᾺΙ", "ᾲ", "Ὰͅ", "ᾺΙ", "ὰι", "ὰι", "ὰι",  ],
 311 [ "Ὰι", "ὰι", "Ὰι", "ᾺΙ", "ὰι", "Ὰι", "ᾺΙ", "ὰι", "ὰι", "ὰι",  ],
 312 [ "ᾺΙ", "ὰι", "Ὰι", "ᾺΙ", "ὰι", "Ὰι", "ᾺΙ", "ὰι", "ὰι", "ὰι",  ],
 313 [ "ᾲ", "ᾲ", "ᾲ", "ᾲ", "ᾲ", "Ὰͅ", "ᾺΙ", "ᾲ", "ὰι", "ὰι",  ],
 314 [ "Ὰͅ", "ᾲ", "Ὰͅ", "ᾺΙ", "ᾲ", "Ὰͅ", "ᾺΙ", "ὰι", "ὰι", "ὰι",  ],
 315 [ "ᾺΙ", "ὰι", "Ὰι", "ᾺΙ", "ὰι", "Ὰι", "ᾺΙ", "ὰι", "ὰι", "ὰι",  ],
 316 [ "ᾲ στο διάολο", "ᾲ στο διάολο", "ᾲ Στο Διάολο", "ᾲ ΣΤΟ ΔΙΆΟΛΟ", "ᾲ στο διάολο", "Ὰͅ Στο Διάολο", "ᾺΙ ΣΤΟ ΔΙΆΟΛΟ", "ᾲ στο διάολο", "ὰι στο διάολο", "ὰι στο διάολο",  ],
 317 [ "ᾲ στο διάολο", "ᾲ στο διάολο", "Ὰͅ Στο Διάολο", "ᾺΙ ΣΤΟ ΔΙΆΟΛΟ", "ᾲ στο διάολο", "Ὰͅ Στο Διάολο", "ᾺΙ ΣΤΟ ΔΙΆΟΛΟ", "ὰι στο διάολο", "ὰι στο διάολο", "ὰι στο διάολο",  ],
 318 [ "ⅷ", "ⅷ", "Ⅷ", "Ⅷ", "ⅷ", "Ⅷ", "Ⅷ", "ⅷ", "ⅷ", "ⅷ",  ],
 319 [ "henry ⅷ", "henry ⅷ", "Henry Ⅷ", "HENRY Ⅷ", "henry ⅷ", "Henry Ⅷ", "HENRY Ⅷ", "henry ⅷ", "henry ⅷ", "henry ⅷ",  ],
 320 [ "ⓚ", "ⓚ", "Ⓚ", "Ⓚ", "ⓚ", "Ⓚ", "Ⓚ", "ⓚ", "ⓚ", "ⓚ",  ],
 321 [ "i work at ⓚ", "i work at ⓚ", "I Work At Ⓚ", "I WORK AT Ⓚ", "i work at ⓚ", "I Work At Ⓚ", "I WORK AT Ⓚ", "i work at ⓚ", "i work at ⓚ", "i work at ⓚ",  ],
 322 [ "istambul", "istambul", "Istambul", "ISTAMBUL", "istambul", "Istambul", "ISTAMBUL", "istambul", "istambul", "istambul",  ],
 323 [ "i̇stanbul", "i̇stanbul", "İstanbul", "İSTANBUL", "i̇stanbul", "İstanbul", "İSTANBUL", "i̇stanbul", "i̇stanbul", "i̇stanbul",  ],
 324 [ "İstanbul", "i̇stanbul", "İstanbul", "İSTANBUL", "i̇stanbul", "İstanbul", "İSTANBUL", "i̇stanbul", "ı̇stanbul", "i̇stanbul",  ],
 325 [ "İSTANBUL", "istanbul", "İstanbul", "İSTANBUL", "i̇stanbul", "İstanbul", "İSTANBUL", "İstanbul", "istanbul", "i̇stanbul",  ],
 326 [ "στιγμας", "στιγμας", "Στιγμας", "ΣΤΙΓΜΑΣ", "στιγμας", "Στιγμας", "ΣΤΙΓΜΑΣ", "στιγμασ", "στιγμασ", "στιγμασ",  ],
 327 [ "στιγμασ", "στιγμασ", "Στιγμασ", "ΣΤΙΓΜΑΣ", "στιγμασ", "Στιγμασ", "ΣΤΙΓΜΑΣ", "στιγμασ", "στιγμασ", "στιγμασ",  ],
 328 [ "ΣΤΙΓΜΑΣ", "στιγμασ", "Στιγμασ", "ΣΤΙΓΜΑΣ", "στιγμασ", "Στιγμασ", "ΣΤΙΓΜΑΣ", "στιγμασ", "στιγμασ", "στιγμασ",  ],
 329 [ "ʀᴀʀᴇ", "ʀᴀʀᴇ", "Ʀᴀʀᴇ", "ƦᴀƦᴇ", "ʀᴀʀᴇ", "Ʀᴀʀᴇ", "ƦᴀƦᴇ", "ʀᴀʀᴇ", "ʀᴀʀᴇ", "ʀᴀʀᴇ",  ],
 330 [ "𐐼𐐯𐑅𐐨𐑉𐐯𐐻", "𐐼𐐯𐑅𐐨𐑉𐐯𐐻", "𐐔𐐯𐑅𐐨𐑉𐐯𐐻", "𐐔𐐇𐐝𐐀𐐡𐐇𐐓", "𐐼𐐯𐑅𐐨𐑉𐐯𐐻", "𐐔𐐯𐑅𐐨𐑉𐐯𐐻", "𐐔𐐇𐐝𐐀𐐡𐐇𐐓", "𐐼𐐯𐑅𐐨𐑉𐐯𐐻", "𐐼𐐯𐑅𐐨𐑉𐐯𐐻", "𐐼𐐯𐑅𐐨𐑉𐐯𐐻",  ],
 331 [ "Ԧԧ", "ԧԧ", "Ԧԧ", "ԦԦ", "ԧԧ", "Ԧԧ", "ԦԦ", "ԧԧ", "ԧԧ", "ԧԧ",  ],
 332 [ "ﬓﬔﬕﬖﬗ", "ﬓﬔﬕﬖﬗ", "ﬓﬔﬕﬖﬗ", "ﬓﬔﬕﬖﬗ", "ﬓﬔﬕﬖﬗ", "Մնﬔﬕﬖﬗ", "ՄՆՄԵՄԻՎՆՄԽ", "ﬓﬔﬕﬖﬗ", "մնմեմիվնմխ", "մնմեմիվնմխ",  ],
 333 [ "ŉ groot", "ŉ groot", "ŉ Groot", "ŉ GROOT", "ŉ groot", "ʼN Groot", "ʼN GROOT", "ŉ groot", "ʼn groot", "ʼn groot",  ],
 334 [ "ẚ", "ẚ", "ẚ", "ẚ", "ẚ", "Aʾ", "Aʾ", "ẚ", "aʾ", "aʾ",  ],
 335 [ "ﬀ", "ﬀ", "ﬀ", "ﬀ", "ﬀ", "Ff", "FF", "ﬀ", "ff", "ff",  ],
 336 [ "ǰ", "ǰ", "ǰ", "ǰ", "ǰ", "J̌", "J̌", "ǰ", "ǰ", "ǰ",  ],
 337 [ "550 nm or Å", "550 nm or å", "550 Nm Or Å", "550 NM OR Å", "550 nm or å", "550 Nm Or Å", "550 NM OR Å", "550 nm or å", "550 nm or å", "550 nm or å",  ],
 338 );
 339
 340     use feature qw(fc);
 341
 342     for (@test_table) {
 343         my ($simple_lc, $simple_tc, $simple_uc, $simple_fc) = @{$_}[1, 2, 3, 7];
 344         my ($orig, $lower, $titlecase, $upper, $fc_turkic, $fc_full) = @{$_}[0,4,5,6,8,9];
 345
 346         if ($orig =~ /(\P{Assigned})/) {   # So can fail gracefully in earlier
 347                                            # Unicode versions
 348             fail(sprintf "because U+%04X is unassigned", ord($1));
 349             next;
 350         }
 351         is( fc($orig), $fc_full, "fc('$orig') returns '$fc_full'" );
 352         is( "\F$orig", $fc_full, '\F works' );
 353         is( lc($orig), $lower,   "lc('$orig') returns '$lower'" );
 354         is( "\L$orig", $lower,   '\L works' );
 355         is( uc($orig), $upper,   "uc('$orig') returns '$upper'" );
 356         is( "\U$orig", $upper,   '\U works' );
 357     }
 358 }
 359
 360 {
 361     use feature qw(fc);
 362     package Eeyup  { use overload q{""} => sub { "\x{df}"   }, fallback => 1 }
 363     package Uunope { use overload q{""} => sub { "\x{30cb}" }, fallback => 1 }
 364     package Undef  { use overload q{""} => sub {   undef    }, fallback => 1 }
 365
 366     my $obj = bless {}, "Eeyup";
 367     is(fc($obj), "ss", "fc() works on overloaded objects returning latin-1");
 368     $obj = bless {}, "Eeyup";
 369     is("\F$obj", "ss", '\F works on overloaded objects returning latin-1');
 370
 371     $obj = bless {}, "Uunope";
 372     is(fc($obj), "\x{30cb}", "fc() works on overloaded objects returning UTF-8");
 373     $obj = bless {}, "Uunope";
 374     is("\F$obj", "\x{30cb}", '\F works on overloaded objects returning UTF-8');
 375
 376     $obj = bless {}, "Undef";
 377     my $warnings;
 378     {
 379         no warnings;
 380         use warnings "uninitialized";
 381         local $SIG{__WARN__} = sub { $warnings++; like(shift, qr/Use of uninitialized value (?:\$obj )?in fc/) };
 382         fc(undef);
 383         fc($obj);
 384     }
 385     is( $warnings, 2, "correct number of warnings" );
 386
 387     my $fetched = 0;
 388     package Derpy { sub TIESCALAR { bless {}, shift } sub FETCH { $fetched++; "\x{df}" } }
 389
 390     tie my $x, "Derpy";
 391
 392     is( fc($x), "ss", "fc() works on tied values" );
 393     is( $fetched, 1, "and only calls the magic once" );
 394
 395 }
 396
 397 {
 398     use feature qw( fc );
 399     my $troublesome1 = "\xdf" x 11; #SvLEN should be 12, SvCUR should be 11
 400                                     #So this should force fc() to grow the string.
 401
 402     is( fc($troublesome1), "ss" x 11, "fc() grows the string" );
 403
 404     my $troublesome2 = "abcdef:\x{df}:fjksjs"; #SvLEN should be 16, SvCUR should be 15
 405     is( fc($troublesome2), "abcdef:ss:fjksjs", "fc() expands \\x{DF} in the middle of a string that needs to grow" );
 406
 407     my $troublesome3 = ":\x{df}:";
 408     is( fc($troublesome3), ":ss:", "fc() expands \\x{DF} in the middle of a string" );
 409
 410
 411     my $troublesome4 = "\x{B5}"; #\N{MICRON SIGN} is latin-1, but its foldcase is in UTF-8
 412
 413     is( fc($troublesome4), "\x{3BC}", "fc() for a latin-1 \x{B5} returns UTF-8" );
 414     ok( !utf8::is_utf8($troublesome4), "fc() doesn't upgrade the original string" );
 415
 416
 417     my $troublesome5 = "\x{C9}abda\x{B5}aaf\x{C8}"; # Up until foldcasing \x{B5}, the string
 418                                                     # was in Latin-1. This tests that the
 419                                                     # results don't have illegal UTF-8
 420                                                     # (i.e. leftover latin-1) in them
 421
 422     is( fc($troublesome5), "\x{E9}abda\x{3BC}aaf\x{E8}" );
 423 }
 424
 425
 426 SKIP: {
 427     use feature qw( fc unicode_strings );
 428
 429     eval { require POSIX; import POSIX 'locale_h'; };
 430     unless (defined &POSIX::LC_ALL) {
 431        skip "no POSIX (or no Fcntl, or no dynamic loading)", 256;
 432     }
 433
 434     setlocale(&POSIX::LC_ALL, "C") if $Config{d_setlocale};
 435
 436     # This tests both code paths in pp_fc
 437
 438     for (0..0xff) {
 439         my $latin1 = chr;
 440         my $utf8   = $latin1;
 441         utf8::downgrade($latin1); #No-op, but doesn't hurt
 442         utf8::upgrade($utf8);
 443         is(fc($latin1), fc($utf8), "fc() gives the same results for \\x{$_} in Latin-1 and UTF-8 under unicode_strings");
 444         SKIP: {
 445             skip 'No locale testing without d_setlocale', 2 if(!$Config{d_setlocale});
 446             use locale;
 447             is(fc($latin1), lc($latin1), "use locale; fc(qq{\\x{$_}}), lc(qq{\\x{$_}}) when qq{\\x{$_}} is in latin-1");
 448             is(fc($utf8), lc($utf8), "use locale; fc(qq{\\x{$_}}), lc(qq{\\x{$_}}) when qq{\\x{$_}} is in latin-1");
 449         }
 450         {
 451             no feature 'unicode_strings';
 452             is(fc($latin1), lc($latin1), "under nothing, fc() for <256 is the same as lc");
 453         }
 454     }
 455 }
 456
 457 my $utf8_locale = find_utf8_ctype_locale();
 458
 459 {
 460     use feature qw( fc );
 461     use locale;
 462     is(fc("\x{1E9E}"), fc("\x{17F}\x{17F}"), 'fc("\x{1E9E}") eq fc("\x{17F}\x{17F}")');
 463     SKIP: {
 464         skip 'Can\'t find a UTF-8 locale', 1 unless defined $utf8_locale;
 465         setlocale(&LC_CTYPE, $utf8_locale);
 466         is(fc("\x{1E9E}"), "ss", 'fc("\x{1E9E}") eq "ss" in a UTF-8 locale)');
 467     }
 468 }
 469
 470 SKIP: {
 471     skip 'Can\'t find a UTF-8 locale', 256 unless defined $utf8_locale;
 472
 473     use feature qw( fc unicode_strings );
 474
 475     # Get the official fc values outside locale.
 476     no locale;
 477     my @unicode_fc;
 478     for (0..0xff) {
 479         push @unicode_fc, fc(chr);
 480     }
 481
 482     # These should match the UTF-8 locale values
 483     setlocale(&LC_CTYPE, $utf8_locale);
 484     use locale;
 485     for (0..0xff) {
 486         is(fc(chr), $unicode_fc[$_], "In a UTF-8 locale, fc(chr $_) is the same as official Unicode");
 487     }
 488 }
 489
 490
 491 my $num_tests = curr_test() - 1;
 492
 493 plan($num_tests);