tweaking Unicode support
authorDenys Vlasenko <vda.linux@googlemail.com>
Sat, 11 Jul 2009 20:26:48 +0000 (22:26 +0200)
committerDenys Vlasenko <vda.linux@googlemail.com>
Sat, 11 Jul 2009 20:26:48 +0000 (22:26 +0200)
Signed-off-by: Denys Vlasenko <vda.linux@googlemail.com>
coreutils/ls.c
include/unicode.h
libbb/unicode.c

index 20b979db6bb9d91571dd893ce978cf0f91af5128..827b3508930f0366f20ec4db072764088a7ad2d0 100644 (file)
@@ -289,20 +289,6 @@ enum {
 } while (0)
 
 
-#if ENABLE_FEATURE_ASSUME_UNICODE
-/* libbb candidate */
-static size_t mbstrlen(const char *string)
-{
-       size_t width = mbstowcs(NULL, string, INT_MAX);
-       if (width == (size_t)-1L)
-               return strlen(string);
-       return width;
-}
-#else
-#define mbstrlen(string) strlen(string)
-#endif
-
-
 static struct dnode *my_stat(const char *fullname, const char *name, int force_follow)
 {
        struct stat dstat;
@@ -570,7 +556,7 @@ static void showfiles(struct dnode **dn, int nfiles)
        } else {
                /* find the longest file name, use that as the column width */
                for (i = 0; i < nfiles; i++) {
-                       int len = mbstrlen(dn[i]->name);
+                       int len = bb_mbstrlen(dn[i]->name);
                        if (column_width < len)
                                column_width = len;
                }
@@ -717,7 +703,7 @@ static int print_name(const char *name)
 {
        if (option_mask32 & OPT_Q) {
 #if ENABLE_FEATURE_ASSUME_UNICODE
-               int len = 2 + mbstrlen(name);
+               int len = 2 + bb_mbstrlen(name);
 #else
                int len = 2;
 #endif
@@ -737,7 +723,7 @@ static int print_name(const char *name)
        /* No -Q: */
 #if ENABLE_FEATURE_ASSUME_UNICODE
        fputs(name, stdout);
-       return mbstrlen(name);
+       return bb_mbstrlen(name);
 #else
        return printf("%s", name);
 #endif
index be64a50e255affc7bd695273447bd1cdfd618b04..e0061478de33e5f6ff1de20fff01bd75a9d0b86e 100644 (file)
@@ -7,10 +7,13 @@
 
 #if !ENABLE_FEATURE_ASSUME_UNICODE
 
+# define bb_mbstrlen(string) strlen(string)
 # define check_unicode_in_env() ((void)0)
 
 #else
 
+size_t bb_mbstrlen(const char *string) FAST_FUNC;
+
 # if ENABLE_LOCALE_SUPPORT
 
 #  include <wchar.h>
@@ -19,6 +22,8 @@
 
 # else
 
+/* Crude "locale support" which knows only C and Unicode locales */
+
 #  if !ENABLE_FEATURE_CHECK_UNICODE_IN_ENV
 #   define check_unicode_in_env() ((void)0)
 #  else
@@ -50,8 +55,8 @@ int iswspace(wint_t wc) FAST_FUNC;
 int iswalnum(wint_t wc) FAST_FUNC;
 int iswpunct(wint_t wc) FAST_FUNC;
 
-# endif
+# endif /* !LOCALE_SUPPORT */
 
-#endif
+#endif /* FEATURE_ASSUME_UNICODE */
 
 #endif
index a99f5ede135d2b73ee907e0ebf60e5f1fffb02fb..b977437ef3f2a7748bc83679c4a70da14c52dbf2 100644 (file)
@@ -7,13 +7,22 @@
  * Licensed under GPL version 2, see file LICENSE in this tarball for details.
  */
 #include "libbb.h"
+# include "unicode.h"
 
-/* if LOCALE_SUPPORT, libc locale stuff takes care of it, else: */
+size_t FAST_FUNC bb_mbstrlen(const char *string)
+{
+       size_t width = mbstowcs(NULL, string, INT_MAX);
+       if (width == (size_t)-1L)
+               return strlen(string);
+       return width;
+}
 
 #if !ENABLE_LOCALE_SUPPORT
-#include "unicode.h"
 
-/* 0: not known yet,
+/* Crude "locale support" which knows only C and Unicode locales */
+
+/* unicode_is_enabled:
+ * 0: not known yet,
  * 1: not unicode (IOW: assuming one char == one byte)
  * 2: unicode
  */
@@ -39,6 +48,7 @@ void FAST_FUNC check_unicode_in_env(void)
 
 static size_t wcrtomb_internal(char *s, wchar_t wc)
 {
+       int n;
        uint32_t v = wc;
 
        if (v <= 0x7f) {
@@ -46,65 +56,38 @@ static size_t wcrtomb_internal(char *s, wchar_t wc)
                return 1;
        }
 
-       /* 80-7FF -> 110yyyxx 10xxxxxx */
-       if (v <= 0x7ff) {
-               s[1] = (v & 0x3f) | 0x80;
-               v >>= 6;
-               s[0] = v | 0xc0;
-               return 2;
-       }
+       /* RFC 3629 says that Unicode ends at 10FFFF,
+        * but we cover entire 32 bits */
 
-       /* 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;
+       n = 2;
+       /* 4000000-FFFFFFFF -> 111111tt 10tttttt 10zzzzzz 10zzyyyy 10yyyyxx 10xxxxxx */
+       if (v >= 0x4000000) {
+               s[5] = (wc & 0x3f) | 0x80;
+               wc = (uint32_t)wc >> 6; /* ensuring that high bits are 0 */
+               n++;
+       }
+       /* 200000-3FFFFFF -> 111110tt 10zzzzzz 10zzyyyy 10yyyyxx 10xxxxxx */
+       if (v >= 0x200000) {
+               s[4] = (wc & 0x3f) | 0x80;
+               wc >>= 6;
+               n++;
        }
-
-       /* 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;
+       if (v >= 0x10000) {
+               s[3] = (wc & 0x3f) | 0x80;
+               wc >>= 6;
+               n++;
        }
-
-       /* 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;
+       /* 800-FFFF -> 1110yyyy 10yyyyxx 10xxxxxx */
+       if (v >= 0x800) {
+               s[2] = (wc & 0x3f) | 0x80;
+               wc >>= 6;
+               n++;
        }
-
-       /* 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;
+       s[1] = (wc & 0x3f) | 0x80;
+       wc >>= 6;
+       s[0] = wc | (uint8_t)(0x3f00 >> n);
+       return n;
 }
 
 size_t FAST_FUNC wcrtomb(char *s, wchar_t wc, mbstate_t *ps UNUSED_PARAM)
@@ -164,7 +147,9 @@ size_t FAST_FUNC mbstowcs(wchar_t *dest, const char *src, size_t n)
        if (unicode_is_enabled != 2) {
                while (n) {
                        unsigned char c = *src++;
-                       *dest++ = c;
+
+                       if (dest)
+                               *dest++ = c;
                        if (c == 0)
                                break;
                        n--;
@@ -177,7 +162,8 @@ size_t FAST_FUNC mbstowcs(wchar_t *dest, const char *src, size_t n)
                unsigned c = (unsigned char) *src++;
 
                if (c <= 0x7f) {
-                       *dest++ = c;
+                       if (dest)
+                               *dest++ = c;
                        if (c == '\0')
                                break;
                        n--;
@@ -216,7 +202,8 @@ size_t FAST_FUNC mbstowcs(wchar_t *dest, const char *src, size_t n)
                        //or maybe: c = 0xfffd; /* replacement character */
                }
 
-               *dest++ = c;
+               if (dest)
+                       *dest++ = c;
                n--;
        }