added simplified Unicode support for non-locale-enabled builds
authorDenys Vlasenko <vda.linux@googlemail.com>
Sat, 11 Jul 2009 19:36:13 +0000 (21:36 +0200)
committerDenys Vlasenko <vda.linux@googlemail.com>
Sat, 11 Jul 2009 19:36:13 +0000 (21:36 +0200)
Signed-off-by: Denys Vlasenko <vda.linux@googlemail.com>
Config.in
coreutils/ls.c
include/unicode.h [new file with mode: 0644]
libbb/Kbuild
libbb/lineedit.c
libbb/unicode.c [new file with mode: 0644]

index ee706eb0d90838cb42a88364daa351187103e59d..99f814e5ab705ba227fada4774f76d3b7e6e0c19 100644 (file)
--- a/Config.in
+++ b/Config.in
@@ -30,18 +30,6 @@ config EXTRA_COMPAT
          some GNU extensions in libc. You probably only need this option
          if you plan to run busybox on desktop.
 
-config FEATURE_ASSUME_UNICODE
-       bool "Assume that 1:1 char/glyph correspondence is not true"
-       default n
-       help
-         This makes various applets aware that one byte is not
-         one character on screen.
-
-         Busybox aims to eventually work correctly with Unicode displays.
-         Any older encodings are not guaranteed to work.
-         Probably by the time when busybox will be fully Unicode-clean,
-         other encodings will be mainly of historic interest.
-
 choice
        prompt "Buffer allocation policy"
        default FEATURE_BUFFERS_USE_MALLOC
@@ -114,6 +102,28 @@ config LOCALE_SUPPORT
          Enable this if your system has locale support and you would like
          busybox to support locale settings.
 
+config FEATURE_ASSUME_UNICODE
+       bool "Support Unicode"
+       default n
+       help
+         This makes various applets aware that one byte is not
+         one character on screen.
+
+         Busybox aims to eventually work correctly with Unicode displays.
+         Any older encodings are not guaranteed to work.
+         Probably by the time when busybox will be fully Unicode-clean,
+         other encodings will be mainly of historic interest.
+
+config FEATURE_CHECK_UNICODE_IN_ENV
+       bool "Check $LANG environment variable"
+       default y
+       depends on FEATURE_ASSUME_UNICODE && !LOCALE_SUPPORT
+       help
+         With this option on, Unicode support is activated
+         only if LANG variable has the value of the form "xxxx.utf8"
+
+         Otherwise, Unicode support will be always enabled and active.
+
 config LONG_OPTS
        bool "Support for --long-options"
        default y
index 8a6faf23f7dec120d9fcf95a1426debde3ff2fd8..20b979db6bb9d91571dd893ce978cf0f91af5128 100644 (file)
  * [2009-03]
  * ls sorts listing now, and supports almost all options.
  */
-
 #include "libbb.h"
+#include "unicode.h"
 
-#if ENABLE_FEATURE_ASSUME_UNICODE
-#include <wchar.h>
-#endif
 
 /* This is a NOEXEC applet. Be very careful! */
 
@@ -296,9 +293,8 @@ enum {
 /* libbb candidate */
 static size_t mbstrlen(const char *string)
 {
-       size_t width = mbsrtowcs(NULL /*dest*/, &string,
-                               MAXINT(size_t) /*len*/, NULL /*state*/);
-       if (width == (size_t)-1)
+       size_t width = mbstowcs(NULL, string, INT_MAX);
+       if (width == (size_t)-1L)
                return strlen(string);
        return width;
 }
@@ -932,6 +928,8 @@ int ls_main(int argc UNUSED_PARAM, char **argv)
 
        INIT_G();
 
+       check_unicode_in_env();
+
        all_fmt = LIST_SHORT |
                (ENABLE_FEATURE_LS_SORTFILES * (SORT_NAME | SORT_FORWARD));
 
diff --git a/include/unicode.h b/include/unicode.h
new file mode 100644 (file)
index 0000000..be64a50
--- /dev/null
@@ -0,0 +1,57 @@
+/* vi: set sw=4 ts=4: */
+/*
+ * Licensed under the GPL version 2, see the file LICENSE in this tarball.
+ */
+#ifndef UNICODE_H
+#define UNICODE_H 1
+
+#if !ENABLE_FEATURE_ASSUME_UNICODE
+
+# define check_unicode_in_env() ((void)0)
+
+#else
+
+# if ENABLE_LOCALE_SUPPORT
+
+#  include <wchar.h>
+#  include <wctype.h>
+#  define check_unicode_in_env() ((void)0)
+
+# else
+
+#  if !ENABLE_FEATURE_CHECK_UNICODE_IN_ENV
+#   define check_unicode_in_env() ((void)0)
+#  else
+void check_unicode_in_env(void) FAST_FUNC;
+#  endif
+
+#  undef MB_CUR_MAX
+#  define MB_CUR_MAX 6
+
+/* Prevent name collisions */
+#  define wint_t    bb_wint_t
+#  define mbstate_t bb_mbstate_t
+#  define mbstowcs  bb_mbstowcs
+#  define wcstombs  bb_wcstombs
+#  define wcrtomb   bb_wcrtomb
+#  define iswspace  bb_iswspace
+#  define iswalnum  bb_iswalnum
+#  define iswpunct  bb_iswpunct
+
+typedef int32_t wint_t;
+typedef struct {
+       char bogus;
+} mbstate_t;
+
+size_t mbstowcs(wchar_t *dest, const char *src, size_t n) FAST_FUNC;
+size_t wcstombs(char *dest, const wchar_t *src, size_t n) FAST_FUNC;
+size_t wcrtomb(char *s, wchar_t wc, mbstate_t *ps) FAST_FUNC;
+int iswspace(wint_t wc) FAST_FUNC;
+int iswalnum(wint_t wc) FAST_FUNC;
+int iswpunct(wint_t wc) FAST_FUNC;
+
+# endif
+
+#endif
+
+#endif
index 70dc48dcb01d60295475ab5b7032c12c5f432683..efd04e3220c27b7069344f06b1df180968dd6ea6 100644 (file)
@@ -139,6 +139,8 @@ lib-$(CONFIG_HWCLOCK) += rtc.o
 lib-$(CONFIG_RTCWAKE) += rtc.o
 lib-$(CONFIG_FEATURE_CHECK_NAMES) += die_if_bad_username.o
 
+lib-$(CONFIG_FEATURE_ASSUME_UNICODE) += unicode.o
+
 # We shouldn't build xregcomp.c if we don't need it - this ensures we don't
 # require regex.h to be in the include dir even if we don't need it thereby
 # allowing us to build busybox even if uclibc regex support is disabled.
index e5d0c1b6ce71289d48c045272dee9f3e8c9090dc..ab329722020b0d022df77303403a0663073a35de 100644 (file)
  * PS1='\[\033[01;32m\]\u@\h\[\033[01;34m\] \w \$\[\033[00m\] '
  */
 #include "libbb.h"
-#if ENABLE_FEATURE_ASSUME_UNICODE
-# include <wchar.h>
-# include <wctype.h>
-#endif
+#include "unicode.h"
 
 /* FIXME: obsolete CONFIG item? */
 #define ENABLE_FEATURE_NONPRINTABLE_INVERSE_PUT 0
@@ -1581,7 +1578,7 @@ static int lineedit_read_key(char *read_key_buffer)
                                return ic;
                        unicode_buf[unicode_idx++] = ic;
                        unicode_buf[unicode_idx] = '\0';
-                       if (mbstowcs(&wc, unicode_buf, 1) < 1 && unicode_idx < MB_CUR_MAX) {
+                       if (mbstowcs(&wc, unicode_buf, 1) != 1 && unicode_idx < MB_CUR_MAX) {
                                delay = 50;
                                goto poll_again;
                        }
@@ -1636,6 +1633,8 @@ int FAST_FUNC read_line_input(const char *prompt, char *command, int maxsize, li
                return len;
        }
 
+       check_unicode_in_env();
+
 // FIXME: audit & improve this
        if (maxsize > MAX_LINELEN)
                maxsize = MAX_LINELEN;
diff --git a/libbb/unicode.c b/libbb/unicode.c
new file mode 100644 (file)
index 0000000..a99f5ed
--- /dev/null
@@ -0,0 +1,241 @@
+/* vi: set sw=4 ts=4: */
+/*
+ * Unicode support routines.
+ *
+ * Copyright (C) 2008 Denys Vlasenko
+ *
+ * Licensed under GPL version 2, see file LICENSE in this tarball for details.
+ */
+#include "libbb.h"
+
+/* if LOCALE_SUPPORT, libc locale stuff takes care of it, else: */
+
+#if !ENABLE_LOCALE_SUPPORT
+#include "unicode.h"
+
+/* 0: not known yet,
+ * 1: not unicode (IOW: assuming one char == one byte)
+ * 2: unicode
+ */
+# if !ENABLE_FEATURE_CHECK_UNICODE_IN_ENV
+#  define unicode_is_enabled 2
+# else
+static smallint unicode_is_enabled;
+void FAST_FUNC check_unicode_in_env(void)
+{
+       char *lang;
+
+       if (unicode_is_enabled)
+               return;
+       unicode_is_enabled = 1;
+
+       lang = getenv("LANG");
+       if (!lang || !strstr(lang, ".utf8"))
+               return;
+
+       unicode_is_enabled = 2;
+}
+# endif
+
+static size_t wcrtomb_internal(char *s, wchar_t wc)
+{
+       uint32_t v = wc;
+
+       if (v <= 0x7f) {
+               *s = v;
+               return 1;
+       }
+
+       /* 80-7FF -> 110yyyxx 10xxxxxx */
+       if (v <= 0x7ff) {
+               s[1] = (v & 0x3f) | 0x80;
+               v >>= 6;
+               s[0] = v | 0xc0;
+               return 2;
+       }
+
+       /* 800-FFFF -> 1110yyyy 10yyyyxx 10xxxxxx */
+       if (v <= 0xffff) {
+               s[2] = (v & 0x3f) | 0x80;
+               v >>= 6;
+               s[1] = (v & 0x3f) | 0x80;
+               v >>= 6;
+               s[0] = v | 0xe0;
+               return 3;
+       }
+
+       /* RFC 3629 says that Unicode ends at 10FFFF */
+
+       /* 10000-1FFFFF -> 11110zzz 10zzyyyy 10yyyyxx 10xxxxxx */
+       if (v <= 0x1fffff) {
+               s[3] = (v & 0x3f) | 0x80;
+               v >>= 6;
+               s[2] = (v & 0x3f) | 0x80;
+               v >>= 6;
+               s[1] = (v & 0x3f) | 0x80;
+               v >>= 6;
+               s[0] = v | 0xf0;
+               return 4;
+       }
+
+       /* 200000-3FFFFFF -> 111110tt 10zzzzzz 10zzyyyy 10yyyyxx 10xxxxxx */
+       if (v <= 0x3ffffff) {
+               s[4] = (v & 0x3f) | 0x80;
+               v >>= 6;
+               s[3] = (v & 0x3f) | 0x80;
+               v >>= 6;
+               s[2] = (v & 0x3f) | 0x80;
+               v >>= 6;
+               s[1] = (v & 0x3f) | 0x80;
+               v >>= 6;
+               s[0] = v | 0xf8;
+               return 5;
+       }
+
+       /* 4000000-FFFFFFFF -> 111111tt 10tttttt 10zzzzzz 10zzyyyy 10yyyyxx 10xxxxxx */
+       s[5] = (v & 0x3f) | 0x80;
+       v >>= 6;
+       s[4] = (v & 0x3f) | 0x80;
+       v >>= 6;
+       s[3] = (v & 0x3f) | 0x80;
+       v >>= 6;
+       s[2] = (v & 0x3f) | 0x80;
+       v >>= 6;
+       s[1] = (v & 0x3f) | 0x80;
+       v >>= 6;
+       s[0] = v | 0xfc;
+       return 6;
+}
+
+size_t FAST_FUNC wcrtomb(char *s, wchar_t wc, mbstate_t *ps UNUSED_PARAM)
+{
+       if (unicode_is_enabled != 2) {
+               *s = wc;
+               return 1;
+       }
+
+       return wcrtomb_internal(s, wc);
+}
+
+size_t FAST_FUNC wcstombs(char *dest, const wchar_t *src, size_t n)
+{
+       size_t org_n = n;
+
+       if (unicode_is_enabled != 2) {
+               while (n) {
+                       wchar_t c = *src++;
+                       *dest++ = c;
+                       if (c == 0)
+                               break;
+                       n--;
+               }
+               return org_n - n;
+       }
+
+       while (n >= MB_CUR_MAX) {
+               wchar_t wc = *src++;
+               size_t len = wcrtomb_internal(dest, wc);
+
+               if (wc == L'\0')
+                       return org_n - n;
+               dest += len;
+               n -= len;
+       }
+       while (n) {
+               char tbuf[MB_CUR_MAX];
+               wchar_t wc = *src++;
+               size_t len = wcrtomb_internal(tbuf, wc);
+
+               if (len > n)
+                       len = n;
+               memcpy(dest, tbuf, len);
+               if (wc == L'\0')
+                       return org_n - n;
+               dest += len;
+               n -= len;
+       }
+       return org_n - n;
+}
+
+size_t FAST_FUNC mbstowcs(wchar_t *dest, const char *src, size_t n)
+{
+       size_t org_n = n;
+
+       if (unicode_is_enabled != 2) {
+               while (n) {
+                       unsigned char c = *src++;
+                       *dest++ = c;
+                       if (c == 0)
+                               break;
+                       n--;
+               }
+               return org_n - n;
+       }
+
+       while (n) {
+               int bytes;
+               unsigned c = (unsigned char) *src++;
+
+               if (c <= 0x7f) {
+                       *dest++ = c;
+                       if (c == '\0')
+                               break;
+                       n--;
+                       continue;
+               }
+
+               /* 80-7FF -> 110yyyxx 10xxxxxx */
+               /* 800-FFFF -> 1110yyyy 10yyyyxx 10xxxxxx */
+               /* 10000-1FFFFF -> 11110zzz 10zzyyyy 10yyyyxx 10xxxxxx */
+               /* 200000-3FFFFFF -> 111110tt 10zzzzzz 10zzyyyy 10yyyyxx 10xxxxxx */
+               /* 4000000-FFFFFFFF -> 111111tt 10tttttt 10zzzzzz 10zzyyyy 10yyyyxx 10xxxxxx */
+               bytes = 0;
+               do {
+                       c <<= 1;
+                       bytes++;
+               } while ((c & 0x80) && bytes < 6);
+               if (bytes == 1)
+                       return (size_t) -1L;
+               c = (uint8_t)(c) >> bytes;
+
+               while (--bytes) {
+                       unsigned ch = (unsigned char) *src++;
+                       if ((ch & 0xc0) != 0x80) {
+                               return (size_t) -1L;
+                       }
+                       c = (c << 6) + (ch & 0x3f);
+               }
+
+               /* TODO */
+               /* Need to check that c isn't produced by overlong encoding */
+               /* Example: 11000000 10000000 converts to NUL */
+               /* 11110000 10000000 10000100 10000000 converts to 0x100 */
+               /* correct encoding: 11000100 10000000 */
+               if (c <= 0x7f) { /* crude check */
+                       return (size_t) -1L;
+                       //or maybe: c = 0xfffd; /* replacement character */
+               }
+
+               *dest++ = c;
+               n--;
+       }
+
+       return org_n - n;
+}
+
+int FAST_FUNC iswspace(wint_t wc)
+{
+       return (unsigned)wc <= 0x7f && isspace(wc);
+}
+
+int FAST_FUNC iswalnum(wint_t wc)
+{
+       return (unsigned)wc <= 0x7f && isalnum(wc);
+}
+
+int FAST_FUNC iswpunct(wint_t wc)
+{
+       return (unsigned)wc <= 0x7f && ispunct(wc);
+}
+
+#endif