src/third_party/icu/source/common/unicode/utf16.h

   1 /*
   2 *******************************************************************************
   3 *
   4 *   Copyright (C) 1999-2012, International Business Machines
   5 *   Corporation and others.  All Rights Reserved.
   6 *
   7 *******************************************************************************
   8 *   file name:  utf16.h
   9 *   encoding:   US-ASCII
  10 *   tab size:   8 (not used)
  11 *   indentation:4
  12 *
  13 *   created on: 1999sep09
  14 *   created by: Markus W. Scherer
  15 */
  16
  17 /**
  18  * \file
  19  * \brief C API: 16-bit Unicode handling macros
  20  *
  21  * This file defines macros to deal with 16-bit Unicode (UTF-16) code units and strings.
  22  *
  23  * For more information see utf.h and the ICU User Guide Strings chapter
  24  * (http://userguide.icu-project.org/strings).
  25  *
  26  * <em>Usage:</em>
  27  * ICU coding guidelines for if() statements should be followed when using these macros.
  28  * Compound statements (curly braces {}) must be used  for if-else-while...
  29  * bodies and all macro statements should be terminated with semicolon.
  30  */
  31
  32 #ifndef __UTF16_H__
  33 #define __UTF16_H__
  34
  35 #include "unicode/umachine.h"
  36 #ifndef __UTF_H__
  37 #   include "unicode/utf.h"
  38 #endif
  39
  40 /* single-code point definitions -------------------------------------------- */
  41
  42 /**
  43  * Does this code unit alone encode a code point (BMP, not a surrogate)?
  44  * @param c 16-bit code unit
  45  * @return TRUE or FALSE
  46  * @stable ICU 2.4
  47  */
  48 #define U16_IS_SINGLE(c) !U_IS_SURROGATE(c)
  49
  50 /**
  51  * Is this code unit a lead surrogate (U+d800..U+dbff)?
  52  * @param c 16-bit code unit
  53  * @return TRUE or FALSE
  54  * @stable ICU 2.4
  55  */
  56 #define U16_IS_LEAD(c) (((c)&0xfffffc00)==0xd800)
  57
  58 /**
  59  * Is this code unit a trail surrogate (U+dc00..U+dfff)?
  60  * @param c 16-bit code unit
  61  * @return TRUE or FALSE
  62  * @stable ICU 2.4
  63  */
  64 #define U16_IS_TRAIL(c) (((c)&0xfffffc00)==0xdc00)
  65
  66 /**
  67  * Is this code unit a surrogate (U+d800..U+dfff)?
  68  * @param c 16-bit code unit
  69  * @return TRUE or FALSE
  70  * @stable ICU 2.4
  71  */
  72 #define U16_IS_SURROGATE(c) U_IS_SURROGATE(c)
  73
  74 /**
  75  * Assuming c is a surrogate code point (U16_IS_SURROGATE(c)),
  76  * is it a lead surrogate?
  77  * @param c 16-bit code unit
  78  * @return TRUE or FALSE
  79  * @stable ICU 2.4
  80  */
  81 #define U16_IS_SURROGATE_LEAD(c) (((c)&0x400)==0)
  82
  83 /**
  84  * Assuming c is a surrogate code point (U16_IS_SURROGATE(c)),
  85  * is it a trail surrogate?
  86  * @param c 16-bit code unit
  87  * @return TRUE or FALSE
  88  * @stable ICU 4.2
  89  */
  90 #define U16_IS_SURROGATE_TRAIL(c) (((c)&0x400)!=0)
  91
  92 /**
  93  * Helper constant for U16_GET_SUPPLEMENTARY.
  94  * @internal
  95  */
  96 #define U16_SURROGATE_OFFSET ((0xd800<<10UL)+0xdc00-0x10000)
  97
  98 /**
  99  * Get a supplementary code point value (U+10000..U+10ffff)
 100  * from its lead and trail surrogates.
 101  * The result is undefined if the input values are not
 102  * lead and trail surrogates.
 103  *
 104  * @param lead lead surrogate (U+d800..U+dbff)
 105  * @param trail trail surrogate (U+dc00..U+dfff)
 106  * @return supplementary code point (U+10000..U+10ffff)
 107  * @stable ICU 2.4
 108  */
 109 #define U16_GET_SUPPLEMENTARY(lead, trail) \
 110     (((UChar32)(lead)<<10UL)+(UChar32)(trail)-U16_SURROGATE_OFFSET)
 111
 112
 113 /**
 114  * Get the lead surrogate (0xd800..0xdbff) for a
 115  * supplementary code point (0x10000..0x10ffff).
 116  * @param supplementary 32-bit code point (U+10000..U+10ffff)
 117  * @return lead surrogate (U+d800..U+dbff) for supplementary
 118  * @stable ICU 2.4
 119  */
 120 #define U16_LEAD(supplementary) (UChar)(((supplementary)>>10)+0xd7c0)
 121
 122 /**
 123  * Get the trail surrogate (0xdc00..0xdfff) for a
 124  * supplementary code point (0x10000..0x10ffff).
 125  * @param supplementary 32-bit code point (U+10000..U+10ffff)
 126  * @return trail surrogate (U+dc00..U+dfff) for supplementary
 127  * @stable ICU 2.4
 128  */
 129 #define U16_TRAIL(supplementary) (UChar)(((supplementary)&0x3ff)|0xdc00)
 130
 131 /**
 132  * How many 16-bit code units are used to encode this Unicode code point? (1 or 2)
 133  * The result is not defined if c is not a Unicode code point (U+0000..U+10ffff).
 134  * @param c 32-bit code point
 135  * @return 1 or 2
 136  * @stable ICU 2.4
 137  */
 138 #define U16_LENGTH(c) ((uint32_t)(c)<=0xffff ? 1 : 2)
 139
 140 /**
 141  * The maximum number of 16-bit code units per Unicode code point (U+0000..U+10ffff).
 142  * @return 2
 143  * @stable ICU 2.4
 144  */
 145 #define U16_MAX_LENGTH 2
 146
 147 /**
 148  * Get a code point from a string at a random-access offset,
 149  * without changing the offset.
 150  * "Unsafe" macro, assumes well-formed UTF-16.
 151  *
 152  * The offset may point to either the lead or trail surrogate unit
 153  * for a supplementary code point, in which case the macro will read
 154  * the adjacent matching surrogate as well.
 155  * The result is undefined if the offset points to a single, unpaired surrogate.
 156  * Iteration through a string is more efficient with U16_NEXT_UNSAFE or U16_NEXT.
 157  *
 158  * @param s const UChar * string
 159  * @param i string offset
 160  * @param c output UChar32 variable
 161  * @see U16_GET
 162  * @stable ICU 2.4
 163  */
 164 #define U16_GET_UNSAFE(s, i, c) { \
 165     (c)=(s)[i]; \
 166     if(U16_IS_SURROGATE(c)) { \
 167         if(U16_IS_SURROGATE_LEAD(c)) { \
 168             (c)=U16_GET_SUPPLEMENTARY((c), (s)[(i)+1]); \
 169         } else { \
 170             (c)=U16_GET_SUPPLEMENTARY((s)[(i)-1], (c)); \
 171         } \
 172     } \
 173 }
 174
 175 /**
 176  * Get a code point from a string at a random-access offset,
 177  * without changing the offset.
 178  * "Safe" macro, handles unpaired surrogates and checks for string boundaries.
 179  *
 180  * The offset may point to either the lead or trail surrogate unit
 181  * for a supplementary code point, in which case the macro will read
 182  * the adjacent matching surrogate as well.
 183  *
 184  * The length can be negative for a NUL-terminated string.
 185  *
 186  * If the offset points to a single, unpaired surrogate, then that itself
 187  * will be returned as the code point.
 188  * Iteration through a string is more efficient with U16_NEXT_UNSAFE or U16_NEXT.
 189  *
 190  * @param s const UChar * string
 191  * @param start starting string offset (usually 0)
 192  * @param i string offset, must be start<=i<length
 193  * @param length string length
 194  * @param c output UChar32 variable
 195  * @see U16_GET_UNSAFE
 196  * @stable ICU 2.4
 197  */
 198 #define U16_GET(s, start, i, length, c) { \
 199     (c)=(s)[i]; \
 200     if(U16_IS_SURROGATE(c)) { \
 201         uint16_t __c2; \
 202         if(U16_IS_SURROGATE_LEAD(c)) { \
 203             if((i)+1!=(length) && U16_IS_TRAIL(__c2=(s)[(i)+1])) { \
 204                 (c)=U16_GET_SUPPLEMENTARY((c), __c2); \
 205             } \
 206         } else { \
 207             if((i)>(start) && U16_IS_LEAD(__c2=(s)[(i)-1])) { \
 208                 (c)=U16_GET_SUPPLEMENTARY(__c2, (c)); \
 209             } \
 210         } \
 211     } \
 212 }
 213
 214 /* definitions with forward iteration --------------------------------------- */
 215
 216 /**
 217  * Get a code point from a string at a code point boundary offset,
 218  * and advance the offset to the next code point boundary.
 219  * (Post-incrementing forward iteration.)
 220  * "Unsafe" macro, assumes well-formed UTF-16.
 221  *
 222  * The offset may point to the lead surrogate unit
 223  * for a supplementary code point, in which case the macro will read
 224  * the following trail surrogate as well.
 225  * If the offset points to a trail surrogate, then that itself
 226  * will be returned as the code point.
 227  * The result is undefined if the offset points to a single, unpaired lead surrogate.
 228  *
 229  * @param s const UChar * string
 230  * @param i string offset
 231  * @param c output UChar32 variable
 232  * @see U16_NEXT
 233  * @stable ICU 2.4
 234  */
 235 #define U16_NEXT_UNSAFE(s, i, c) { \
 236     (c)=(s)[(i)++]; \
 237     if(U16_IS_LEAD(c)) { \
 238         (c)=U16_GET_SUPPLEMENTARY((c), (s)[(i)++]); \
 239     } \
 240 }
 241
 242 /**
 243  * Get a code point from a string at a code point boundary offset,
 244  * and advance the offset to the next code point boundary.
 245  * (Post-incrementing forward iteration.)
 246  * "Safe" macro, handles unpaired surrogates and checks for string boundaries.
 247  *
 248  * The length can be negative for a NUL-terminated string.
 249  *
 250  * The offset may point to the lead surrogate unit
 251  * for a supplementary code point, in which case the macro will read
 252  * the following trail surrogate as well.
 253  * If the offset points to a trail surrogate or
 254  * to a single, unpaired lead surrogate, then that itself
 255  * will be returned as the code point.
 256  *
 257  * @param s const UChar * string
 258  * @param i string offset, must be i<length
 259  * @param length string length
 260  * @param c output UChar32 variable
 261  * @see U16_NEXT_UNSAFE
 262  * @stable ICU 2.4
 263  */
 264 #define U16_NEXT(s, i, length, c) { \
 265     (c)=(s)[(i)++]; \
 266     if(U16_IS_LEAD(c)) { \
 267         uint16_t __c2; \
 268         if((i)!=(length) && U16_IS_TRAIL(__c2=(s)[(i)])) { \
 269             ++(i); \
 270             (c)=U16_GET_SUPPLEMENTARY((c), __c2); \
 271         } \
 272     } \
 273 }
 274
 275 /**
 276  * Append a code point to a string, overwriting 1 or 2 code units.
 277  * The offset points to the current end of the string contents
 278  * and is advanced (post-increment).
 279  * "Unsafe" macro, assumes a valid code point and sufficient space in the string.
 280  * Otherwise, the result is undefined.
 281  *
 282  * @param s const UChar * string buffer
 283  * @param i string offset
 284  * @param c code point to append
 285  * @see U16_APPEND
 286  * @stable ICU 2.4
 287  */
 288 #define U16_APPEND_UNSAFE(s, i, c) { \
 289     if((uint32_t)(c)<=0xffff) { \
 290         (s)[(i)++]=(uint16_t)(c); \
 291     } else { \
 292         (s)[(i)++]=(uint16_t)(((c)>>10)+0xd7c0); \
 293         (s)[(i)++]=(uint16_t)(((c)&0x3ff)|0xdc00); \
 294     } \
 295 }
 296
 297 /**
 298  * Append a code point to a string, overwriting 1 or 2 code units.
 299  * The offset points to the current end of the string contents
 300  * and is advanced (post-increment).
 301  * "Safe" macro, checks for a valid code point.
 302  * If a surrogate pair is written, checks for sufficient space in the string.
 303  * If the code point is not valid or a trail surrogate does not fit,
 304  * then isError is set to TRUE.
 305  *
 306  * @param s const UChar * string buffer
 307  * @param i string offset, must be i<capacity
 308  * @param capacity size of the string buffer
 309  * @param c code point to append
 310  * @param isError output UBool set to TRUE if an error occurs, otherwise not modified
 311  * @see U16_APPEND_UNSAFE
 312  * @stable ICU 2.4
 313  */
 314 #define U16_APPEND(s, i, capacity, c, isError) { \
 315     if((uint32_t)(c)<=0xffff) { \
 316         (s)[(i)++]=(uint16_t)(c); \
 317     } else if((uint32_t)(c)<=0x10ffff && (i)+1<(capacity)) { \
 318         (s)[(i)++]=(uint16_t)(((c)>>10)+0xd7c0); \
 319         (s)[(i)++]=(uint16_t)(((c)&0x3ff)|0xdc00); \
 320     } else /* c>0x10ffff or not enough space */ { \
 321         (isError)=TRUE; \
 322     } \
 323 }
 324
 325 /**
 326  * Advance the string offset from one code point boundary to the next.
 327  * (Post-incrementing iteration.)
 328  * "Unsafe" macro, assumes well-formed UTF-16.
 329  *
 330  * @param s const UChar * string
 331  * @param i string offset
 332  * @see U16_FWD_1
 333  * @stable ICU 2.4
 334  */
 335 #define U16_FWD_1_UNSAFE(s, i) { \
 336     if(U16_IS_LEAD((s)[(i)++])) { \
 337         ++(i); \
 338     } \
 339 }
 340
 341 /**
 342  * Advance the string offset from one code point boundary to the next.
 343  * (Post-incrementing iteration.)
 344  * "Safe" macro, handles unpaired surrogates and checks for string boundaries.
 345  *
 346  * The length can be negative for a NUL-terminated string.
 347  *
 348  * @param s const UChar * string
 349  * @param i string offset, must be i<length
 350  * @param length string length
 351  * @see U16_FWD_1_UNSAFE
 352  * @stable ICU 2.4
 353  */
 354 #define U16_FWD_1(s, i, length) { \
 355     if(U16_IS_LEAD((s)[(i)++]) && (i)!=(length) && U16_IS_TRAIL((s)[i])) { \
 356         ++(i); \
 357     } \
 358 }
 359
 360 /**
 361  * Advance the string offset from one code point boundary to the n-th next one,
 362  * i.e., move forward by n code points.
 363  * (Post-incrementing iteration.)
 364  * "Unsafe" macro, assumes well-formed UTF-16.
 365  *
 366  * @param s const UChar * string
 367  * @param i string offset
 368  * @param n number of code points to skip
 369  * @see U16_FWD_N
 370  * @stable ICU 2.4
 371  */
 372 #define U16_FWD_N_UNSAFE(s, i, n) { \
 373     int32_t __N=(n); \
 374     while(__N>0) { \
 375         U16_FWD_1_UNSAFE(s, i); \
 376         --__N; \
 377     } \
 378 }
 379
 380 /**
 381  * Advance the string offset from one code point boundary to the n-th next one,
 382  * i.e., move forward by n code points.
 383  * (Post-incrementing iteration.)
 384  * "Safe" macro, handles unpaired surrogates and checks for string boundaries.
 385  *
 386  * The length can be negative for a NUL-terminated string.
 387  *
 388  * @param s const UChar * string
 389  * @param i int32_t string offset, must be i<length
 390  * @param length int32_t string length
 391  * @param n number of code points to skip
 392  * @see U16_FWD_N_UNSAFE
 393  * @stable ICU 2.4
 394  */
 395 #define U16_FWD_N(s, i, length, n) { \
 396     int32_t __N=(n); \
 397     while(__N>0 && ((i)<(length) || ((length)<0 && (s)[i]!=0))) { \
 398         U16_FWD_1(s, i, length); \
 399         --__N; \
 400     } \
 401 }
 402
 403 /**
 404  * Adjust a random-access offset to a code point boundary
 405  * at the start of a code point.
 406  * If the offset points to the trail surrogate of a surrogate pair,
 407  * then the offset is decremented.
 408  * Otherwise, it is not modified.
 409  * "Unsafe" macro, assumes well-formed UTF-16.
 410  *
 411  * @param s const UChar * string
 412  * @param i string offset
 413  * @see U16_SET_CP_START
 414  * @stable ICU 2.4
 415  */
 416 #define U16_SET_CP_START_UNSAFE(s, i) { \
 417     if(U16_IS_TRAIL((s)[i])) { \
 418         --(i); \
 419     } \
 420 }
 421
 422 /**
 423  * Adjust a random-access offset to a code point boundary
 424  * at the start of a code point.
 425  * If the offset points to the trail surrogate of a surrogate pair,
 426  * then the offset is decremented.
 427  * Otherwise, it is not modified.
 428  * "Safe" macro, handles unpaired surrogates and checks for string boundaries.
 429  *
 430  * @param s const UChar * string
 431  * @param start starting string offset (usually 0)
 432  * @param i string offset, must be start<=i
 433  * @see U16_SET_CP_START_UNSAFE
 434  * @stable ICU 2.4
 435  */
 436 #define U16_SET_CP_START(s, start, i) { \
 437     if(U16_IS_TRAIL((s)[i]) && (i)>(start) && U16_IS_LEAD((s)[(i)-1])) { \
 438         --(i); \
 439     } \
 440 }
 441
 442 /* definitions with backward iteration -------------------------------------- */
 443
 444 /**
 445  * Move the string offset from one code point boundary to the previous one
 446  * and get the code point between them.
 447  * (Pre-decrementing backward iteration.)
 448  * "Unsafe" macro, assumes well-formed UTF-16.
 449  *
 450  * The input offset may be the same as the string length.
 451  * If the offset is behind a trail surrogate unit
 452  * for a supplementary code point, then the macro will read
 453  * the preceding lead surrogate as well.
 454  * If the offset is behind a lead surrogate, then that itself
 455  * will be returned as the code point.
 456  * The result is undefined if the offset is behind a single, unpaired trail surrogate.
 457  *
 458  * @param s const UChar * string
 459  * @param i string offset
 460  * @param c output UChar32 variable
 461  * @see U16_PREV
 462  * @stable ICU 2.4
 463  */
 464 #define U16_PREV_UNSAFE(s, i, c) { \
 465     (c)=(s)[--(i)]; \
 466     if(U16_IS_TRAIL(c)) { \
 467         (c)=U16_GET_SUPPLEMENTARY((s)[--(i)], (c)); \
 468     } \
 469 }
 470
 471 /**
 472  * Move the string offset from one code point boundary to the previous one
 473  * and get the code point between them.
 474  * (Pre-decrementing backward iteration.)
 475  * "Safe" macro, handles unpaired surrogates and checks for string boundaries.
 476  *
 477  * The input offset may be the same as the string length.
 478  * If the offset is behind a trail surrogate unit
 479  * for a supplementary code point, then the macro will read
 480  * the preceding lead surrogate as well.
 481  * If the offset is behind a lead surrogate or behind a single, unpaired
 482  * trail surrogate, then that itself
 483  * will be returned as the code point.
 484  *
 485  * @param s const UChar * string
 486  * @param start starting string offset (usually 0)
 487  * @param i string offset, must be start<i
 488  * @param c output UChar32 variable
 489  * @see U16_PREV_UNSAFE
 490  * @stable ICU 2.4
 491  */
 492 #define U16_PREV(s, start, i, c) { \
 493     (c)=(s)[--(i)]; \
 494     if(U16_IS_TRAIL(c)) { \
 495         uint16_t __c2; \
 496         if((i)>(start) && U16_IS_LEAD(__c2=(s)[(i)-1])) { \
 497             --(i); \
 498             (c)=U16_GET_SUPPLEMENTARY(__c2, (c)); \
 499         } \
 500     } \
 501 }
 502
 503 /**
 504  * Move the string offset from one code point boundary to the previous one.
 505  * (Pre-decrementing backward iteration.)
 506  * The input offset may be the same as the string length.
 507  * "Unsafe" macro, assumes well-formed UTF-16.
 508  *
 509  * @param s const UChar * string
 510  * @param i string offset
 511  * @see U16_BACK_1
 512  * @stable ICU 2.4
 513  */
 514 #define U16_BACK_1_UNSAFE(s, i) { \
 515     if(U16_IS_TRAIL((s)[--(i)])) { \
 516         --(i); \
 517     } \
 518 }
 519
 520 /**
 521  * Move the string offset from one code point boundary to the previous one.
 522  * (Pre-decrementing backward iteration.)
 523  * The input offset may be the same as the string length.
 524  * "Safe" macro, handles unpaired surrogates and checks for string boundaries.
 525  *
 526  * @param s const UChar * string
 527  * @param start starting string offset (usually 0)
 528  * @param i string offset, must be start<i
 529  * @see U16_BACK_1_UNSAFE
 530  * @stable ICU 2.4
 531  */
 532 #define U16_BACK_1(s, start, i) { \
 533     if(U16_IS_TRAIL((s)[--(i)]) && (i)>(start) && U16_IS_LEAD((s)[(i)-1])) { \
 534         --(i); \
 535     } \
 536 }
 537
 538 /**
 539  * Move the string offset from one code point boundary to the n-th one before it,
 540  * i.e., move backward by n code points.
 541  * (Pre-decrementing backward iteration.)
 542  * The input offset may be the same as the string length.
 543  * "Unsafe" macro, assumes well-formed UTF-16.
 544  *
 545  * @param s const UChar * string
 546  * @param i string offset
 547  * @param n number of code points to skip
 548  * @see U16_BACK_N
 549  * @stable ICU 2.4
 550  */
 551 #define U16_BACK_N_UNSAFE(s, i, n) { \
 552     int32_t __N=(n); \
 553     while(__N>0) { \
 554         U16_BACK_1_UNSAFE(s, i); \
 555         --__N; \
 556     } \
 557 }
 558
 559 /**
 560  * Move the string offset from one code point boundary to the n-th one before it,
 561  * i.e., move backward by n code points.
 562  * (Pre-decrementing backward iteration.)
 563  * The input offset may be the same as the string length.
 564  * "Safe" macro, handles unpaired surrogates and checks for string boundaries.
 565  *
 566  * @param s const UChar * string
 567  * @param start start of string
 568  * @param i string offset, must be start<i
 569  * @param n number of code points to skip
 570  * @see U16_BACK_N_UNSAFE
 571  * @stable ICU 2.4
 572  */
 573 #define U16_BACK_N(s, start, i, n) { \
 574     int32_t __N=(n); \
 575     while(__N>0 && (i)>(start)) { \
 576         U16_BACK_1(s, start, i); \
 577         --__N; \
 578     } \
 579 }
 580
 581 /**
 582  * Adjust a random-access offset to a code point boundary after a code point.
 583  * If the offset is behind the lead surrogate of a surrogate pair,
 584  * then the offset is incremented.
 585  * Otherwise, it is not modified.
 586  * The input offset may be the same as the string length.
 587  * "Unsafe" macro, assumes well-formed UTF-16.
 588  *
 589  * @param s const UChar * string
 590  * @param i string offset
 591  * @see U16_SET_CP_LIMIT
 592  * @stable ICU 2.4
 593  */
 594 #define U16_SET_CP_LIMIT_UNSAFE(s, i) { \
 595     if(U16_IS_LEAD((s)[(i)-1])) { \
 596         ++(i); \
 597     } \
 598 }
 599
 600 /**
 601  * Adjust a random-access offset to a code point boundary after a code point.
 602  * If the offset is behind the lead surrogate of a surrogate pair,
 603  * then the offset is incremented.
 604  * Otherwise, it is not modified.
 605  * The input offset may be the same as the string length.
 606  * "Safe" macro, handles unpaired surrogates and checks for string boundaries.
 607  *
 608  * The length can be negative for a NUL-terminated string.
 609  *
 610  * @param s const UChar * string
 611  * @param start int32_t starting string offset (usually 0)
 612  * @param i int32_t string offset, start<=i<=length
 613  * @param length int32_t string length
 614  * @see U16_SET_CP_LIMIT_UNSAFE
 615  * @stable ICU 2.4
 616  */
 617 #define U16_SET_CP_LIMIT(s, start, i, length) { \
 618     if((start)<(i) && ((i)<(length) || (length)<0) && U16_IS_LEAD((s)[(i)-1]) && U16_IS_TRAIL((s)[i])) { \
 619         ++(i); \
 620     } \
 621 }
 622
 623 #endif