src/utf.c

   1 /*
   2  * Copyright (c) 2009 Petri Lehtinen <petri@digip.org>
   3  *
   4  * Jansson is free software; you can redistribute it and/or modify
   5  * it under the terms of the MIT license. See LICENSE for details.
   6  */
   7
   8 #include <string.h>
   9
  10 int utf8_encode(int codepoint, char *buffer, int *size)
  11 {
  12     if(codepoint < 0)
  13         return -1;
  14     else if(codepoint < 0x80)
  15     {
  16         buffer[0] = (char)codepoint;
  17         *size = 1;
  18     }
  19     else if(codepoint < 0x800)
  20     {
  21         buffer[0] = 0xC0 + ((codepoint & 0x7C0) >> 6);
  22         buffer[1] = 0x80 + ((codepoint & 0x03F));
  23         *size = 2;
  24     }
  25     else if(codepoint < 0x10000)
  26     {
  27         buffer[0] = 0xE0 + ((codepoint & 0xF000) >> 12);
  28         buffer[1] = 0x80 + ((codepoint & 0x0FC0) >> 6);
  29         buffer[2] = 0x80 + ((codepoint & 0x003F));
  30         *size = 3;
  31     }
  32     else if(codepoint <= 0x10FFFF)
  33     {
  34         buffer[0] = 0xF0 + ((codepoint & 0x1C0000) >> 18);
  35         buffer[1] = 0x80 + ((codepoint & 0x03F000) >> 12);
  36         buffer[2] = 0x80 + ((codepoint & 0x000FC0) >> 6);
  37         buffer[3] = 0x80 + ((codepoint & 0x00003F));
  38         *size = 4;
  39     }
  40     else
  41         return -1;
  42
  43     return 0;
  44 }
  45
  46 int utf8_check_first(char byte)
  47 {
  48     unsigned char u = (unsigned char)byte;
  49
  50     if(u < 0x80)
  51         return 1;
  52
  53     if(0x80 <= u && u <= 0xBF) {
  54         /* second, third or fourth byte of a multi-byte
  55            sequence, i.e. a "continuation byte" */
  56         return 0;
  57     }
  58     else if(u == 0xC0 || u == 0xC1) {
  59         /* overlong encoding of an ASCII byte */
  60         return 0;
  61     }
  62     else if(0xC2 <= u && u <= 0xDF) {
  63         /* 2-byte sequence */
  64         return 2;
  65     }
  66
  67     else if(0xE0 <= u && u <= 0xEF) {
  68         /* 3-byte sequence */
  69         return 3;
  70     }
  71     else if(0xF0 <= u && u <= 0xF4) {
  72         /* 4-byte sequence */
  73         return 4;
  74     }
  75     else { /* u >= 0xF5 */
  76         /* Restricted (start of 4-, 5- or 6-byte sequence) or invalid
  77            UTF-8 */
  78         return 0;
  79     }
  80 }
  81
  82 int utf8_check_full(const char *buffer, int size)
  83 {
  84     int i, value = 0;
  85     unsigned char u = (unsigned char)buffer[0];
  86
  87     if(size == 2)
  88     {
  89         value = u & 0x1F;
  90     }
  91     else if(size == 3)
  92     {
  93         value = u & 0xF;
  94     }
  95     else if(size == 4)
  96     {
  97         value = u & 0x7;
  98     }
  99     else
 100         return 0;
 101
 102     for(i = 1; i < size; i++)
 103     {
 104         u = (unsigned char)buffer[i];
 105
 106         if(u < 0x80 || u > 0xBF) {
 107             /* not a continuation byte */
 108             return 0;
 109         }
 110
 111         value = (value << 6) + (u & 0x3F);
 112     }
 113
 114     if(value > 0x10FFFF) {
 115         /* not in Unicode range */
 116         return 0;
 117     }
 118
 119     else if(0xD800 <= value && value <= 0xDFFF) {
 120         /* invalid code point (UTF-16 surrogate halves) */
 121         return 0;
 122     }
 123
 124     else if((size == 2 && value < 0x80) ||
 125             (size == 3 && value < 0x800) ||
 126             (size == 4 && value < 0x10000)) {
 127         /* overlong encoding */
 128         return 0;
 129     }
 130
 131     return 1;
 132 }
 133
 134 int utf8_check_string(const char *string, int length)
 135 {
 136     int i;
 137
 138     if(length == -1)
 139         length = strlen(string);
 140
 141     for(i = 0; i < length; i++)
 142     {
 143         int count = utf8_check_first(string[i]);
 144         if(count == 0)
 145             return 0;
 146         else if(count > 1)
 147         {
 148             if(i + count > length)
 149                 return 0;
 150
 151             if(!utf8_check_full(&string[i], count))
 152                 return 0;
 153
 154             i += count - 1;
 155         }
 156     }
 157
 158     return 1;
 159 }