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     set_up_inc('../lib');
  11     skip_all_without_unicode_tables();
  12     require Config; import Config;
  13     require './charset_tools.pl';
  14     require './loc_tools.pl';   # Contains find_utf8_ctype_locale()
  15 }
  16
  17 use feature 'unicode_strings';
  18 use Unicode::UCD qw(all_casefolds);
  19
  20 binmode *STDOUT, ":utf8";
  21
  22 our $TODO;
  23
  24
  25 plan("no_plan");
  26 # Read in the official case folding definitions.
  27 my $casefolds = all_casefolds();
  28 my @folds;
  29 my @CF;
  30 my @simple_folds;
  31 my %reverse_fold;
  32 use Unicode::UCD;
  33 use charnames();
  34
  35 foreach my $decimal_code_point (sort { $a <=> $b } keys %$casefolds) {
  36     # We only use simple folds in fc(), since the regex engine uses full case
  37     # folding.
  38
  39     my $name = charnames::viacode($decimal_code_point);
  40     my $type = $casefolds->{$decimal_code_point}{'status'};
  41     my $code = $casefolds->{$decimal_code_point}{'code'};
  42     my $simple = $casefolds->{$decimal_code_point}{'simple'};
  43     my $full = $casefolds->{$decimal_code_point}{'full'};
  44
  45     if ($simple && $simple ne $full) { # If there is a distinction
  46         push @simple_folds, [ $code, $simple, $type, $name ];
  47     }
  48
  49     push @CF, [ $code, $full, $type, $name ];
  50
  51     # Get the inverse fold for single-char mappings.
  52     $reverse_fold{pack "W*", hex $simple} = pack "W*", $decimal_code_point if $simple;
  53 }
  54
  55 foreach my $test_ref ( @simple_folds ) {
  56     use feature 'fc';
  57     my ($code, $mapping, $type, $name) = @$test_ref;
  58     my $c = pack("W*", hex $code);
  59     utf8::upgrade($c);
  60     my $f = pack("W*", map { hex } split " ", $mapping);
  61
  62     my $against = join "", "qq{", map("\\x{$_}", split " ", $mapping), "}";
  63     {
  64         isnt(fc($c), $f, "$code - $name - $mapping - $type - Full casefolding, fc(\\x{$code}) ne $against");
  65         isnt("\F$c", $f, "$code - $name - $mapping - $type - Full casefolding, qq{\\F\\x{$code}} ne $against");
  66     }
  67 }
  68
  69 foreach my $test_ref (@CF) {
  70     my ($code, $mapping, $type, $name) = @$test_ref;
  71     my $c = pack("W*", hex $code);
  72     utf8::upgrade($c);
  73     my $f = pack("W*", map { hex } split " ", $mapping);
  74     my $f_length = length $f;
  75     foreach my $test (
  76             qq[":$c:" =~ /:$c:/],
  77             qq[":$c:" =~ /:$c:/i],
  78             qq[":$c:" =~ /:[_$c]:/], # Place two chars in [] so doesn't get
  79                                      # optimized to a non-charclass
  80             qq[":$c:" =~ /:[_$c]:/i],
  81             qq[":$c:" =~ /:$f:/i],
  82             qq[":$f:" =~ /:$c:/i],
  83     ) {
  84         ok eval $test, "$code - $name - $mapping - $type - $test";
  85     }
  86
  87     {
  88         # fc() tests
  89         my $against = join "", "qq{", map("\\x{$_}", split " ", $mapping), "}";
  90         is(CORE::fc($c), $f,
  91             "$code - $name - $mapping - $type - fc(\\x{$code}) eq $against");
  92         is("\F$c", $f, "$code - $name - $mapping - $type - qq{\\F\\x{$code}} eq $against");
  93
  94         # And here we test bytes. For [A-Za-z0-9], the fold is the same as lc under
  95         # bytes. For everything else, it's the bytes that formed the original string.
  96         if ( $c =~ /[A-Za-z0-9]/ ) {
  97             use bytes;
  98             is(CORE::fc($c), lc($c), "$code - $name - fc and use bytes, ascii");
  99         } else {
 100             my $copy = "" . $c;
 101             utf8::encode($copy);
 102             is($copy, do { use bytes; CORE::fc($c) }, "$code - $name - fc and use bytes");
 103         }
 104     }
 105     # Certain tests weren't convenient to put in the list above since they are
 106     # TODO's in multi-character folds.
 107     if ($f_length == 1) {
 108
 109         # The qq loses the utf8ness of ":$f:".  These tests are not about
 110         # finding bugs in utf8ness, so make sure it's utf8.
 111         my $test = qq[my \$s = ":$f:"; utf8::upgrade(\$s); \$s =~ /:[_$c]:/i];
 112         ok eval $test, "$code - $name - $mapping - $type - $test";
 113         $test = qq[":$c:" =~ /:[_$f]:/i];
 114         ok eval $test, "$code - $name - $mapping - $type - $test";
 115     }
 116     else {
 117
 118         # There are two classes of multi-char folds that need more work.  For
 119         # example,
 120         #   ":ß:" =~ /:[_s]{2}:/i
 121         #   ":ss:" =~ /:[_ß]:/i
 122         #
 123         # Some of the old tests for the second case happened to pass somewhat
 124         # coincidentally.  But none would pass if changed to this.
 125         #   ":SS:" =~ /:[_ß]:/i
 126         #
 127         # As the capital SS doesn't get folded.  When those pass, it means
 128         # that the code has been changed to take into account folding in the
 129         # string, and all should pass, capitalized or not (this wouldn't be
 130         # true for [^complemented character classes], for which the fold case
 131         # is better, but these aren't used in this .t currently.  So, what is
 132         # done is to essentially upper-case the string for this class (but use
 133         # the reverse fold not uc(), as that is more correct)
 134         my $u;
 135         for my $i (0 .. $f_length - 1) {
 136             my $cur_char = substr($f, $i, 1);
 137             $u .= $reverse_fold{$cur_char} || $cur_char;
 138         }
 139         my $test;
 140
 141         # A multi-char fold should not match just one char;
 142         # e.g., ":ß:" !~ /:[_s]:/i
 143         $test = qq[":$c:" !~ /:[_$f]:/i];
 144         ok eval $test, "$code - $name - $mapping - $type - $test";
 145
 146         TODO: { # e.g., ":ß:" =~ /:[_s]{2}:/i
 147             local $TODO = 'Multi-char fold in [character class]';
 148
 149             $test = qq[":$c:" =~ /:[_$f]{$f_length}:/i];
 150             ok eval $test, "$code - $name - $mapping - $type - $test";
 151         }
 152
 153         # e.g., ":SS:" =~ /:[_ß]:/i now pass, so TODO has been removed, but
 154         # since they use '$u', they are left out of the main loop
 155         $test = qq[ my \$s = ":$u:"; utf8::upgrade(\$s); \$s =~ /:[_$c]:/i];
 156         ok eval $test, "$code - $name - $mapping - $type - $test";
 157     }
 158 }
 159
 160 {
 161     use utf8;
 162     use feature qw(fc);
 163     # These three come from the ICU project's test suite, more especifically
 164     # http://icu.sourcearchive.com/documentation/4.4~rc1-1/strcase_8cpp-source.html
 165
 166     my $s = "A\N{U+00df}\N{U+00b5}\N{U+fb03}\N{U+1040C}\N{U+0130}\N{U+0131}";
 167     #\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}
 168
 169     my $f = "ass\N{U+03bc}ffi\N{U+10434}i\N{U+0307}\N{U+0131}";
 170     #\N{LATIN SMALL LETTER A}\N{LATIN SMALL LETTER S}\N{LATIN SMALL LETTER S}\N{GREEK SMALL LETTER MU}\N{LATIN SMALL LETTER F}\N{LATIN SMALL LETTER F}\N{LATIN SMALL LETTER I}\N{DESERET SMALL LETTER AY}\N{LATIN SMALL LETTER I}\N{COMBINING DOT ABOVE}\N{LATIN SMALL LETTER DOTLESS I}
 171
 172     is(fc($s), $f, "ICU's casefold test passes");
 173     is("\F$s", $f, "ICU's casefold test passes");
 174
 175     is( fc("aBİIıϐßﬃ񟿿"), "abi̇iıβssffi񟿿" );
 176     is( "\FaBİIıϐßﬃ񟿿", "abi̇iıβssffi񟿿" );
 177 #    TODO: {
 178 #        local $::TODO = "turkic special cases";
 179 #        is( fc "aBİIıϐßﬃ񟿿", "abiııβssffi񟿿" );
 180 #    }
 181
 182     # The next batch come from http://www.devdaily.com/java/jwarehouse/lucene/contrib/icu/src/test/org/apache/lucene/analysis/icu/TestICUFoldingFilter.java.shtml
 183     # Except the article got most casings wrong. Or maybe Lucene does.
 184
 185     is( fc("This is a test"), "this is a test" );
 186     is( fc("Ruß"), "russ"    );
 187     is( fc("ΜΆΪΟΣ"), "μάϊοσ" );
 188     is( fc("Μάϊος"), "μάϊοσ" );
 189     is( fc("𐐖"), "𐐾"       );
 190     is( fc("r" . uni_to_native("\xe9") . "sum" . uni_to_native("\xe9")),
 191            "r" . uni_to_native("\xe9") . "sum" . uni_to_native("\xe9") );
 192     is( fc("re\x{0301}sume\x{0301}"), "re\x{301}sume\x{301}" );
 193     is( fc("ELİF"), "eli\x{307}f" );
 194     is( fc("eli\x{307}f"), "eli\x{307}f");
 195
 196     # This batch comes from
 197     # http://www.java2s.com/Open-Source/Java-Document/Internationalization-Localization/icu4j/com/ibm/icu/dev/test/lang/UCharacterCaseTest.java.htm
 198     # Which uses ICU as the backend.
 199
 200     my @folding_mixed = (
 201         uni_to_native("\x{61}\x{42}\x{130}\x{49}\x{131}\x{3d0}\x{df}\x{fb03}"),
 202         "A" . uni_to_native("\x{df}\x{b5}\x{fb03}\x{1040C}\x{130}\x{131}"),
 203     );
 204
 205     my @folding_default = (
 206         uni_to_native("\x{61}\x{62}\x{69}\x{307}\x{69}\x{131}\x{3b2}\x{73}\x{73}\x{66}\x{66}\x{69}"),
 207         "ass\x{3bc}ffi\x{10434}i\x{307}\x{131}"
 208     );
 209
 210     my @folding_exclude_turkic = (
 211         uni_to_native("\x{61}\x{62}\x{69}\x{131}\x{131}\x{3b2}\x{73}\x{73}\x{66}\x{66}\x{69}"),
 212                          "ass\x{3bc}ffi\x{10434}i\x{131}",
 213     );
 214
 215     is( fc($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 { main::uni_to_native("\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++; main::uni_to_native("\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 $troublesome1 = uni_to_native("\xdf") x 11; #SvLEN should be 12, SvCUR should be 11
 400                                     #So this should force fc() to grow the string.
 401
 402     is( fc($troublesome1), "ss" x 11, "fc() grows the string" );
 403
 404     my $troublesome2 = "abcdef:" . uni_to_native("\x{df}")
 405                      . ":fjksjs"; #SvLEN should be 16, SvCUR should be 15
 406     is( fc($troublesome2), "abcdef:ss:fjksjs", "fc() expands \\x{DF} in the middle of a string that needs to grow" );
 407
 408     my $troublesome3 = ":" . uni_to_native("\x{df}") . ":";
 409     is( fc($troublesome3), ":ss:", "fc() expands \\x{DF} in the middle of a string" );
 410
 411
 412     my $troublesome4 = uni_to_native("\x{B5}"); #\N{MICRON SIGN} is latin-1, but its foldcase is in UTF-8
 413
 414     is( fc($troublesome4), "\x{3BC}", "fc() for a latin-1 \x{B5} returns UTF-8" );
 415     ok( !utf8::is_utf8($troublesome4), "fc() doesn't upgrade the original string" );
 416
 417
 418     my $troublesome5 = uni_to_native("\x{C9}") . "abda"
 419                      . uni_to_native("\x{B5}") . "aaf"
 420                      . uni_to_native("\x{C8}");  # Up until foldcasing \x{B5}, the string
 421                                                     # was in Latin-1. This tests that the
 422                                                     # results don't have illegal UTF-8
 423                                                     # (i.e. leftover latin-1) in them
 424
 425     is( fc($troublesome5), uni_to_native("\x{E9}") . "abda\x{3BC}aaf"
 426                          . uni_to_native("\x{E8}") );
 427 }
 428
 429
 430 SKIP: {
 431     use feature qw( fc unicode_strings );
 432
 433     eval { require POSIX; import POSIX 'locale_h'; };
 434     unless (defined &POSIX::LC_ALL) {
 435        skip "no POSIX (or no Fcntl, or no dynamic loading)", 256;
 436     }
 437
 438     setlocale(&POSIX::LC_ALL, "C") if $Config{d_setlocale};
 439
 440     # This tests both code paths in pp_fc
 441
 442     for (0..0xff) {
 443         my $latin1 = chr;
 444         my $utf8   = $latin1;
 445         utf8::downgrade($latin1); #No-op, but doesn't hurt
 446         utf8::upgrade($utf8);
 447         is(fc($latin1), fc($utf8), "fc() gives the same results for \\x{$_} in Latin-1 and UTF-8 under unicode_strings");
 448         SKIP: {
 449             skip 'Locales not available', 2 unless locales_enabled('LC_CTYPE');
 450             use locale;
 451             is(fc($latin1), lc($latin1), "use locale; fc(qq{\\x{$_}}), lc(qq{\\x{$_}}) when qq{\\x{$_}} is in latin-1");
 452             is(fc($utf8), lc($utf8), "use locale; fc(qq{\\x{$_}}), lc(qq{\\x{$_}}) when qq{\\x{$_}} is in latin-1");
 453         }
 454         {
 455             no feature 'unicode_strings';
 456             is(fc($latin1), lc($latin1), "under nothing, fc() for <256 is the same as lc");
 457         }
 458     }
 459 }
 460
 461 my $utf8_locale = find_utf8_ctype_locale();
 462
 463 {
 464     use feature qw( fc );
 465     use locale;
 466     no warnings 'locale';   # Would otherwise warn
 467     is(fc("\x{1E9E}"), fc("\x{17F}\x{17F}"), 'fc("\x{1E9E}") eq fc("\x{17F}\x{17F}")');
 468     use warnings 'locale';
 469     SKIP: {
 470         skip 'Can\'t find a UTF-8 locale', 1 unless defined $utf8_locale;
 471         setlocale(&LC_CTYPE, $utf8_locale);
 472         is(fc("\x{1E9E}"), "ss", 'fc("\x{1E9E}") eq "ss" in a UTF-8 locale)');
 473     }
 474 }
 475
 476 SKIP: {
 477     skip 'Can\'t find a UTF-8 locale', 256 unless defined $utf8_locale;
 478
 479     use feature qw( fc unicode_strings );
 480
 481     # Get the official fc values outside locale.
 482     no locale;
 483     my @unicode_fc;
 484     for (0..0xff) {
 485         push @unicode_fc, fc(chr);
 486     }
 487
 488     # These should match the UTF-8 locale values
 489     setlocale(&LC_CTYPE, $utf8_locale);
 490     use locale;
 491     for (0..0xff) {
 492         is(fc(chr), $unicode_fc[$_], "In a UTF-8 locale, fc(chr $_) is the same as official Unicode");
 493     }
 494 }
 495
 496
 497 my $num_tests = curr_test() - 1;
 498
 499 plan($num_tests);