utf8.h

   1 /*    utf8.h
   2  *
   3  *    Copyright (c) 1998-2000, Larry Wall
   4  *
   5  *    You may distribute under the terms of either the GNU General Public
   6  *    License or the Artistic License, as specified in the README file.
   7  *
   8  */
   9
  10 START_EXTERN_C
  11
  12 #ifdef DOINIT
  13 EXTCONST unsigned char PL_utf8skip[] = {
  14 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, /* ascii */
  15 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, /* ascii */
  16 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, /* ascii */
  17 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, /* ascii */
  18 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, /* bogus */
  19 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, /* bogus */
  20 2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2, /* scripts */
  21 3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,4,4,4,4,4,4,4,4,5,5,5,5,6,6,     /* cjk etc. */
  22 7,13, /* Perl extended (not UTF-8).  Up to 72bit allowed (64-bit + reserved). */
  23 };
  24 #else
  25 EXTCONST unsigned char PL_utf8skip[];
  26 #endif
  27
  28 END_EXTERN_C
  29
  30 #define UTF8_MAXLEN 13 /* how wide can a single UTF8 encoded character become */
  31
  32 /* #define IN_UTF8 (PL_curcop->op_private & HINT_UTF8) */
  33 #define IN_BYTE (PL_curcop->op_private & HINT_BYTE)
  34 #define DO_UTF8(sv) (SvUTF8(sv) && !IN_BYTE)
  35
  36 #define UTF8_ALLOW_CONTINUATION         0x0001
  37 #define UTF8_ALLOW_NON_CONTINUATION     0x0002
  38 #define UTF8_ALLOW_FE_FF                0x0004
  39 #define UTF8_ALLOW_SHORT                0x0008
  40 #define UTF8_ALLOW_SURROGATE            0x0010
  41 #define UTF8_ALLOW_BOM                  0x0020
  42 #define UTF8_ALLOW_FFFF                 0x0040
  43 #define UTF8_ALLOW_LONG                 0x0080
  44 #define UTF8_ALLOW_ANYUV                (UTF8_ALLOW_FE_FF|UTF8_ALLOW_FFFF \
  45                                         |UTF8_ALLOW_BOM|UTF8_ALLOW_SURROGATE)
  46 #define UTF8_ALLOW_ANY                  0x00ff
  47 #define UTF8_CHECK_ONLY                 0x0100
  48
  49 #define UTF8SKIP(s) PL_utf8skip[*(U8*)s]
  50
  51 #define UTF8_QUAD_MAX   UINT64_C(0x1000000000)
  52
  53 #ifdef HAS_QUAD
  54 #define UNISKIP(uv) ( (uv) < 0x80           ? 1 : \
  55                       (uv) < 0x800          ? 2 : \
  56                       (uv) < 0x10000        ? 3 : \
  57                       (uv) < 0x200000       ? 4 : \
  58                       (uv) < 0x4000000      ? 5 : \
  59                       (uv) < 0x80000000     ? 6 : \
  60                       (uv) < UTF8_QUAD_MAX ? 7 : 13 )
  61 #else
  62 /* No, I'm not even going to *TRY* putting #ifdef inside a #define */
  63 #define UNISKIP(uv) ( (uv) < 0x80           ? 1 : \
  64                       (uv) < 0x800          ? 2 : \
  65                       (uv) < 0x10000        ? 3 : \
  66                       (uv) < 0x200000       ? 4 : \
  67                       (uv) < 0x4000000      ? 5 : \
  68                       (uv) < 0x80000000     ? 6 : 7 )
  69 #endif
  70
  71 #define UNICODE_REPLACEMENT_CHARACTER   0xfffd
  72
  73 /*
  74  * Note: we try to be careful never to call the isXXX_utf8() functions
  75  * unless we're pretty sure we've seen the beginning of a UTF-8 character
  76  * (that is, the two high bits are set).  Otherwise we risk loading in the
  77  * heavy-duty SWASHINIT and SWASHGET routines unnecessarily.
  78  */
  79 #ifdef EBCDIC
  80 #define isIDFIRST_lazy_if(p,c) isIDFIRST(*(p))
  81 #define isALNUM_lazy_if(p,c)   isALNUM(*(p))
  82 #else
  83 #define isIDFIRST_lazy_if(p,c) ((IN_BYTE || (!c || (*((U8*)p) < 0xc0))) \
  84                                 ? isIDFIRST(*(p)) \
  85                                 : isIDFIRST_utf8((U8*)p))
  86 #define isALNUM_lazy_if(p,c)   ((IN_BYTE || (!c || (*((U8*)p) < 0xc0))) \
  87                                 ? isALNUM(*(p)) \
  88                                 : isALNUM_utf8((U8*)p))
  89 #endif
  90 #define isIDFIRST_lazy(p)       isIDFIRST_lazy_if(p,1)
  91 #define isALNUM_lazy(p)         isALNUM_lazy_if(p,1)