source/tools/toolutil/uparse.c

   1 // Copyright (C) 2016 and later: Unicode, Inc. and others.
   2 // License & terms of use: http://www.unicode.org/copyright.html
   3 /*
   4 *******************************************************************************
   5 *
   6 *   Copyright (C) 2000-2012, International Business Machines
   7 *   Corporation and others.  All Rights Reserved.
   8 *
   9 *******************************************************************************
  10 *   file name:  uparse.c
  11 *   encoding:   US-ASCII
  12 *   tab size:   8 (not used)
  13 *   indentation:4
  14 *
  15 *   created on: 2000apr18
  16 *   created by: Markus W. Scherer
  17 *
  18 *   This file provides a parser for files that are delimited by one single
  19 *   character like ';' or TAB. Example: the Unicode Character Properties files
  20 *   like UnicodeData.txt are semicolon-delimited.
  21 */
  22
  23 #include "unicode/utypes.h"
  24 #include "unicode/uchar.h"
  25 #include "unicode/ustring.h"
  26 #include "unicode/utf16.h"
  27 #include "cstring.h"
  28 #include "filestrm.h"
  29 #include "uparse.h"
  30 #include "ustr_imp.h"
  31
  32 #include <stdio.h>
  33
  34 U_CAPI const char * U_EXPORT2
  35 u_skipWhitespace(const char *s) {
  36     while(U_IS_INV_WHITESPACE(*s)) {
  37         ++s;
  38     }
  39     return s;
  40 }
  41
  42 U_CAPI char * U_EXPORT2
  43 u_rtrim(char *s) {
  44     char *end=uprv_strchr(s, 0);
  45     while(s<end && U_IS_INV_WHITESPACE(*(end-1))) {
  46         *--end = 0;
  47     }
  48     return end;
  49 }
  50
  51 /*
  52  * If the string starts with # @missing: then return the pointer to the
  53  * following non-whitespace character.
  54  * Otherwise return the original pointer.
  55  * Unicode 5.0 adds such lines in some data files to document
  56  * default property values.
  57  * Poor man's regex for variable amounts of white space.
  58  */
  59 static const char *
  60 getMissingLimit(const char *s) {
  61     const char *s0=s;
  62     if(
  63         *(s=u_skipWhitespace(s))=='#' &&
  64         *(s=u_skipWhitespace(s+1))=='@' &&
  65         0==strncmp((s=u_skipWhitespace(s+1)), "missing", 7) &&
  66         *(s=u_skipWhitespace(s+7))==':'
  67     ) {
  68         return u_skipWhitespace(s+1);
  69     } else {
  70         return s0;
  71     }
  72 }
  73
  74 U_CAPI void U_EXPORT2
  75 u_parseDelimitedFile(const char *filename, char delimiter,
  76                      char *fields[][2], int32_t fieldCount,
  77                      UParseLineFn *lineFn, void *context,
  78                      UErrorCode *pErrorCode) {
  79     FileStream *file;
  80     char line[300];
  81     char *start, *limit;
  82     int32_t i, length;
  83
  84     if(U_FAILURE(*pErrorCode)) {
  85         return;
  86     }
  87
  88     if(fields==NULL || lineFn==NULL || fieldCount<=0) {
  89         *pErrorCode=U_ILLEGAL_ARGUMENT_ERROR;
  90         return;
  91     }
  92
  93     if(filename==NULL || *filename==0 || (*filename=='-' && filename[1]==0)) {
  94         filename=NULL;
  95         file=T_FileStream_stdin();
  96     } else {
  97         file=T_FileStream_open(filename, "r");
  98     }
  99     if(file==NULL) {
 100         *pErrorCode=U_FILE_ACCESS_ERROR;
 101         return;
 102     }
 103
 104     while(T_FileStream_readLine(file, line, sizeof(line))!=NULL) {
 105         /* remove trailing newline characters */
 106         length=(int32_t)(u_rtrim(line)-line);
 107
 108         /*
 109          * detect a line with # @missing:
 110          * start parsing after that, or else from the beginning of the line
 111          * set the default warning for @missing lines
 112          */
 113         start=(char *)getMissingLimit(line);
 114         if(start==line) {
 115             *pErrorCode=U_ZERO_ERROR;
 116         } else {
 117             *pErrorCode=U_USING_DEFAULT_WARNING;
 118         }
 119
 120         /* skip this line if it is empty or a comment */
 121         if(*start==0 || *start=='#') {
 122             continue;
 123         }
 124
 125         /* remove in-line comments */
 126         limit=uprv_strchr(start, '#');
 127         if(limit!=NULL) {
 128             /* get white space before the pound sign */
 129             while(limit>start && U_IS_INV_WHITESPACE(*(limit-1))) {
 130                 --limit;
 131             }
 132
 133             /* truncate the line */
 134             *limit=0;
 135         }
 136
 137         /* skip lines with only whitespace */
 138         if(u_skipWhitespace(start)[0]==0) {
 139             continue;
 140         }
 141
 142         /* for each field, call the corresponding field function */
 143         for(i=0; i<fieldCount; ++i) {
 144             /* set the limit pointer of this field */
 145             limit=start;
 146             while(*limit!=delimiter && *limit!=0) {
 147                 ++limit;
 148             }
 149
 150             /* set the field start and limit in the fields array */
 151             fields[i][0]=start;
 152             fields[i][1]=limit;
 153
 154             /* set start to the beginning of the next field, if any */
 155             start=limit;
 156             if(*start!=0) {
 157                 ++start;
 158             } else if(i+1<fieldCount) {
 159                 *pErrorCode=U_PARSE_ERROR;
 160                 limit=line+length;
 161                 i=fieldCount;
 162                 break;
 163             }
 164         }
 165
 166         /* error in a field function? */
 167         if(U_FAILURE(*pErrorCode)) {
 168             break;
 169         }
 170
 171         /* call the field function */
 172         lineFn(context, fields, fieldCount, pErrorCode);
 173         if(U_FAILURE(*pErrorCode)) {
 174             break;
 175         }
 176     }
 177
 178     if(filename!=NULL) {
 179         T_FileStream_close(file);
 180     }
 181 }
 182
 183 /*
 184  * parse a list of code points
 185  * store them as a UTF-32 string in dest[destCapacity]
 186  * return the number of code points
 187  */
 188 U_CAPI int32_t U_EXPORT2
 189 u_parseCodePoints(const char *s,
 190                   uint32_t *dest, int32_t destCapacity,
 191                   UErrorCode *pErrorCode) {
 192     char *end;
 193     uint32_t value;
 194     int32_t count;
 195
 196     if(U_FAILURE(*pErrorCode)) {
 197         return 0;
 198     }
 199     if(s==NULL || destCapacity<0 || (destCapacity>0 && dest==NULL)) {
 200         *pErrorCode=U_ILLEGAL_ARGUMENT_ERROR;
 201         return 0;
 202     }
 203
 204     count=0;
 205     for(;;) {
 206         s=u_skipWhitespace(s);
 207         if(*s==';' || *s==0) {
 208             return count;
 209         }
 210
 211         /* read one code point */
 212         value=(uint32_t)uprv_strtoul(s, &end, 16);
 213         if(end<=s || (!U_IS_INV_WHITESPACE(*end) && *end!=';' && *end!=0) || value>=0x110000) {
 214             *pErrorCode=U_PARSE_ERROR;
 215             return 0;
 216         }
 217
 218         /* append it to the destination array */
 219         if(count<destCapacity) {
 220             dest[count++]=value;
 221         } else {
 222             *pErrorCode=U_BUFFER_OVERFLOW_ERROR;
 223         }
 224
 225         /* go to the following characters */
 226         s=end;
 227     }
 228 }
 229
 230 /*
 231  * parse a list of code points
 232  * store them as a string in dest[destCapacity]
 233  * set the first code point in *pFirst
 234  * @return The length of the string in numbers of UChars.
 235  */
 236 U_CAPI int32_t U_EXPORT2
 237 u_parseString(const char *s,
 238               UChar *dest, int32_t destCapacity,
 239               uint32_t *pFirst,
 240               UErrorCode *pErrorCode) {
 241     char *end;
 242     uint32_t value;
 243     int32_t destLength;
 244
 245     if(U_FAILURE(*pErrorCode)) {
 246         return 0;
 247     }
 248     if(s==NULL || destCapacity<0 || (destCapacity>0 && dest==NULL)) {
 249         *pErrorCode=U_ILLEGAL_ARGUMENT_ERROR;
 250         return 0;
 251     }
 252
 253     if(pFirst!=NULL) {
 254         *pFirst=0xffffffff;
 255     }
 256
 257     destLength=0;
 258     for(;;) {
 259         s=u_skipWhitespace(s);
 260         if(*s==';' || *s==0) {
 261             if(destLength<destCapacity) {
 262                 dest[destLength]=0;
 263             } else if(destLength==destCapacity) {
 264                 *pErrorCode=U_STRING_NOT_TERMINATED_WARNING;
 265             } else {
 266                 *pErrorCode=U_BUFFER_OVERFLOW_ERROR;
 267             }
 268             return destLength;
 269         }
 270
 271         /* read one code point */
 272         value=(uint32_t)uprv_strtoul(s, &end, 16);
 273         if(end<=s || (!U_IS_INV_WHITESPACE(*end) && *end!=';' && *end!=0) || value>=0x110000) {
 274             *pErrorCode=U_PARSE_ERROR;
 275             return 0;
 276         }
 277
 278         /* store the first code point */
 279         if(pFirst!=NULL) {
 280             *pFirst=value;
 281             pFirst=NULL;
 282         }
 283
 284         /* append it to the destination array */
 285         if((destLength+U16_LENGTH(value))<=destCapacity) {
 286             U16_APPEND_UNSAFE(dest, destLength, value);
 287         } else {
 288             destLength+=U16_LENGTH(value);
 289         }
 290
 291         /* go to the following characters */
 292         s=end;
 293     }
 294 }
 295
 296 /* read a range like start or start..end */
 297 U_CAPI int32_t U_EXPORT2
 298 u_parseCodePointRangeAnyTerminator(const char *s,
 299                                    uint32_t *pStart, uint32_t *pEnd,
 300                                    const char **terminator,
 301                                    UErrorCode *pErrorCode) {
 302     char *end;
 303     uint32_t value;
 304
 305     if(U_FAILURE(*pErrorCode)) {
 306         return 0;
 307     }
 308     if(s==NULL || pStart==NULL || pEnd==NULL) {
 309         *pErrorCode=U_ILLEGAL_ARGUMENT_ERROR;
 310         return 0;
 311     }
 312
 313     /* read the start code point */
 314     s=u_skipWhitespace(s);
 315     value=(uint32_t)uprv_strtoul(s, &end, 16);
 316     if(end<=s || value>=0x110000) {
 317         *pErrorCode=U_PARSE_ERROR;
 318         return 0;
 319     }
 320     *pStart=*pEnd=value;
 321
 322     /* is there a "..end"? */
 323     s=u_skipWhitespace(end);
 324     if(*s!='.' || s[1]!='.') {
 325         *terminator=end;
 326         return 1;
 327     }
 328     s=u_skipWhitespace(s+2);
 329
 330     /* read the end code point */
 331     value=(uint32_t)uprv_strtoul(s, &end, 16);
 332     if(end<=s || value>=0x110000) {
 333         *pErrorCode=U_PARSE_ERROR;
 334         return 0;
 335     }
 336     *pEnd=value;
 337
 338     /* is this a valid range? */
 339     if(value<*pStart) {
 340         *pErrorCode=U_PARSE_ERROR;
 341         return 0;
 342     }
 343
 344     *terminator=end;
 345     return value-*pStart+1;
 346 }
 347
 348 U_CAPI int32_t U_EXPORT2
 349 u_parseCodePointRange(const char *s,
 350                       uint32_t *pStart, uint32_t *pEnd,
 351                       UErrorCode *pErrorCode) {
 352     const char *terminator;
 353     int32_t rangeLength=
 354         u_parseCodePointRangeAnyTerminator(s, pStart, pEnd, &terminator, pErrorCode);
 355     if(U_SUCCESS(*pErrorCode)) {
 356         terminator=u_skipWhitespace(terminator);
 357         if(*terminator!=';' && *terminator!=0) {
 358             *pErrorCode=U_PARSE_ERROR;
 359             return 0;
 360         }
 361     }
 362     return rangeLength;
 363 }
 364
 365 U_CAPI int32_t U_EXPORT2
 366 u_parseUTF8(const char *source, int32_t sLen, char *dest, int32_t destCapacity, UErrorCode *status) {
 367     const char *read = source;
 368     int32_t i = 0;
 369     unsigned int value = 0;
 370     if(sLen == -1) {
 371         sLen = (int32_t)strlen(source);
 372     }
 373
 374     while(read < source+sLen) {
 375         sscanf(read, "%2x", &value);
 376         if(i < destCapacity) {
 377             dest[i] = (char)value;
 378         }
 379         i++;
 380         read += 2;
 381     }
 382     return u_terminateChars(dest, destCapacity, i, status);
 383 }