src/hb-ot-shape-normalize.cc

   1 /*
   2  * Copyright © 2011  Google, Inc.
   3  *
   4  *  This is part of HarfBuzz, a text shaping library.
   5  *
   6  * Permission is hereby granted, without written agreement and without
   7  * license or royalty fees, to use, copy, modify, and distribute this
   8  * software and its documentation for any purpose, provided that the
   9  * above copyright notice and the following two paragraphs appear in
  10  * all copies of this software.
  11  *
  12  * IN NO EVENT SHALL THE COPYRIGHT HOLDER BE LIABLE TO ANY PARTY FOR
  13  * DIRECT, INDIRECT, SPECIAL, INCIDENTAL, OR CONSEQUENTIAL DAMAGES
  14  * ARISING OUT OF THE USE OF THIS SOFTWARE AND ITS DOCUMENTATION, EVEN
  15  * IF THE COPYRIGHT HOLDER HAS BEEN ADVISED OF THE POSSIBILITY OF SUCH
  16  * DAMAGE.
  17  *
  18  * THE COPYRIGHT HOLDER SPECIFICALLY DISCLAIMS ANY WARRANTIES, INCLUDING,
  19  * BUT NOT LIMITED TO, THE IMPLIED WARRANTIES OF MERCHANTABILITY AND
  20  * FITNESS FOR A PARTICULAR PURPOSE.  THE SOFTWARE PROVIDED HEREUNDER IS
  21  * ON AN "AS IS" BASIS, AND THE COPYRIGHT HOLDER HAS NO OBLIGATION TO
  22  * PROVIDE MAINTENANCE, SUPPORT, UPDATES, ENHANCEMENTS, OR MODIFICATIONS.
  23  *
  24  * Google Author(s): Behdad Esfahbod
  25  */
  26
  27 #include "hb-ot-shape-private.hh"
  28 #include "hb-ot-shape-complex-private.hh"
  29
  30 HB_BEGIN_DECLS
  31
  32 /*
  33  * HIGHLEVEL DESIGN:
  34  *
  35  * This file exports one main function: _hb_ot_shape_normalize().
  36  *
  37  * This function closely reflects the Unicode Normalization Algorithm,
  38  * yet it's different.  The shaper an either prefer decomposed (NFD) or
  39  * composed (NFC).
  40  *
  41  * In general what happens is that: each grapheme is decomposed in a chain
  42  * of 1:2 decompositions, marks reordered, and then recomposed if desires,
  43  * so far it's like Unicode Normalization.  However, the decomposition and
  44  * recomposition only happens if the font supports the resulting characters.
  45  *
  46  * The goals are:
  47  *
  48  *   - Try to render all canonically equivalent strings similarly.  To really
  49  *     achieve this we have to always do the full decomposition and then
  50  *     selectively recompose from there.  It's kinda too expensive though, so
  51  *     we skip some cases.  For example, if composed is desired, we simply
  52  *     don't touch 1-character clusters that are supported by the font, even
  53  *     though their NFC may be different.
  54  *
  55  *   - When a font has a precomposed character for a sequence but the 'ccmp'
  56  *     feature in the font is not adequate, form use the precomposed character
  57  *     which typically has better mark positioning.
  58  *
  59  *   - When a font does not support a character but supports its decomposition,
  60  *     well, use the decomposition.
  61  *
  62  *   - The Indic shaper requests decomposed output.  This will handle splitting
  63  *     matra for the Indic shaper.
  64  */
  65
  66
  67 static bool
  68 decompose (hb_ot_shape_context_t *c,
  69            bool shortest,
  70            hb_codepoint_t ab)
  71 {
  72   hb_codepoint_t a, b, glyph;
  73
  74   if (!hb_unicode_decompose (c->buffer->unicode, ab, &a, &b) ||
  75       !hb_font_get_glyph (c->font, b, 0, &glyph))
  76     return FALSE;
  77
  78   /* XXX handle singleton decompositions */
  79   bool has_a = hb_font_get_glyph (c->font, a, 0, &glyph);
  80   if (shortest && has_a) {
  81     /* Output a and b */
  82     c->buffer->output_glyph (a);
  83     c->buffer->output_glyph (b);
  84     return TRUE;
  85   }
  86
  87   if (decompose (c, shortest, a)) {
  88     c->buffer->output_glyph (b);
  89     return TRUE;
  90   }
  91
  92   if (has_a) {
  93     c->buffer->output_glyph (a);
  94     c->buffer->output_glyph (b);
  95     return TRUE;
  96   }
  97
  98   return FALSE;
  99 }
 100
 101 static void
 102 decompose_current_glyph (hb_ot_shape_context_t *c,
 103                          bool shortest)
 104 {
 105   if (decompose (c, shortest, c->buffer->info[c->buffer->idx].codepoint))
 106     c->buffer->skip_glyph ();
 107   else
 108     c->buffer->next_glyph ();
 109 }
 110
 111 static void
 112 decompose_single_char_cluster (hb_ot_shape_context_t *c,
 113                                bool will_recompose)
 114 {
 115   hb_codepoint_t glyph;
 116
 117   /* If recomposing and font supports this, we're good to go */
 118   if (will_recompose && hb_font_get_glyph (c->font, c->buffer->info[c->buffer->idx].codepoint, 0, &glyph)) {
 119     c->buffer->next_glyph ();
 120     return;
 121   }
 122
 123   decompose_current_glyph (c, will_recompose);
 124 }
 125
 126 static void
 127 decompose_multi_char_cluster (hb_ot_shape_context_t *c,
 128                               unsigned int end)
 129 {
 130   /* TODO Currently if there's a variation-selector we give-up, it's just too hard. */
 131   for (unsigned int i = c->buffer->idx; i < end; i++)
 132     if (unlikely (is_variation_selector (c->buffer->info[i].codepoint)))
 133       return;
 134
 135   while (c->buffer->idx < end)
 136     decompose_current_glyph (c, FALSE);
 137 }
 138
 139 void
 140 _hb_ot_shape_normalize (hb_ot_shape_context_t *c)
 141 {
 142   hb_buffer_t *buffer = c->buffer;
 143   bool recompose = !hb_ot_shape_complex_prefer_decomposed (c->plan->shaper);
 144   bool has_multichar_clusters = FALSE;
 145
 146   buffer->clear_output ();
 147
 148   /* First round, decompose */
 149
 150   unsigned int count = buffer->len;
 151   for (buffer->idx = 0; buffer->idx < count;)
 152   {
 153     unsigned int end;
 154     for (end = buffer->idx + 1; end < count; end++)
 155       if (buffer->info[buffer->idx].cluster != buffer->info[end].cluster)
 156         break;
 157
 158     if (buffer->idx + 1 == end)
 159       decompose_single_char_cluster (c, recompose);
 160     else {
 161       decompose_multi_char_cluster (c, end);
 162       has_multichar_clusters = TRUE;
 163     }
 164   }
 165   buffer->swap_buffers ();
 166
 167   /* Technically speaking, two characters with ccc=0 may combine.  But all
 168    * those cases are in languages that the indic module handles (which expects
 169    * decomposed), or in Hangul jamo, which again, we want decomposed anyway.
 170    * So we don't bother combining across cluster boundaries. */
 171
 172   if (!has_multichar_clusters)
 173     return; /* Done! */
 174
 175   /* Second round, reorder (inplace) */
 176
 177
 178   /* Third round, recompose */
 179   if (recompose) {
 180
 181
 182   }
 183 }
 184
 185 HB_END_DECLS