test/utf8.c

   1 /*
   2  * Copyright © 2014 Ran Benita <ran234@gmail.com>
   3  *
   4  * Permission is hereby granted, free of charge, to any person obtaining a
   5  * copy of this software and associated documentation files (the "Software"),
   6  * to deal in the Software without restriction, including without limitation
   7  * the rights to use, copy, modify, merge, publish, distribute, sublicense,
   8  * and/or sell copies of the Software, and to permit persons to whom the
   9  * Software is furnished to do so, subject to the following conditions:
  10  *
  11  * The above copyright notice and this permission notice (including the next
  12  * paragraph) shall be included in all copies or substantial portions of the
  13  * Software.
  14  *
  15  * THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
  16  * IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
  17  * FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT.  IN NO EVENT SHALL
  18  * THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
  19  * LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING
  20  * FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER
  21  * DEALINGS IN THE SOFTWARE.
  22  */
  23
  24 #include "config.h"
  25
  26 #include <assert.h>
  27 #include <inttypes.h>
  28 #include <stdbool.h>
  29 #include <stddef.h>
  30 #include <string.h>
  31
  32 #include "utf8.h"
  33 #include "utils.h"
  34
  35 #define VALID(lit) assert(is_valid_utf8(lit, sizeof(lit)-1))
  36 #define INVALID(lit) assert(!is_valid_utf8(lit, sizeof(lit)-1))
  37
  38 static void
  39 test_is_valid_utf8(void)
  40 {
  41     /*
  42      * Mostly taken from:
  43      * https://www.cl.cam.ac.uk/~mgk25/ucs/examples/UTF-8-test.txt
  44      */
  45
  46     VALID("ascii");
  47     VALID("\xCE\xBA\xE1\xBD\xB9\xCF\x83\xCE\xBC\xCE\xB5");
  48
  49     VALID("");
  50     VALID("\x00");
  51     VALID("\x00\x00");
  52
  53     VALID("\x50");
  54     VALID("\xC2\x80");
  55     VALID("\xE0\xA0\x80");
  56     VALID("\xF0\x90\x80\x80");
  57
  58     /* 5/6-byte continuations aren't allowed (unlike UTF-8-test). */
  59     INVALID("\xF8\x88\x80\x80\x80");
  60     INVALID("\xFC\x84\x80\x80\x80\x80");
  61
  62     VALID("\x7F");
  63     VALID("\xDF\xBF");
  64     VALID("\xEF\xBF\xBF");
  65     /* VALID("\xF7\xBF\xBF\xBF"); */
  66
  67     /* 5/6-byte continuations aren't allowed (unlike UTF-8-test). */
  68     INVALID("\xFB\xBF\xBF\xBF\xBF");
  69     INVALID("\xFD\xBFxBF\xBF\xBF");
  70
  71     VALID("\xED\x9F\xBF");
  72     VALID("\xEE\x80\x80");
  73     VALID("\xEF\xBF\xBD");
  74     VALID("\xF4\x8F\xBF\xBF");
  75     /* VALID("\xF4\x90\x80\x80"); */
  76
  77     INVALID("\x80");
  78     INVALID("\xBF");
  79     INVALID("\x80\xBF");
  80     INVALID("\x80\xBF\x80");
  81     INVALID("\x80\xBF\x80\xBF");
  82     INVALID("\x80\xBF\x80\xBF\x80");
  83     INVALID("\x80\xBF\x80\xBF\x80\xBF");
  84     INVALID("\x80\xBF\x80\xBF\x80\xBF\x80");
  85     INVALID("\x80\x81\x82\x83\x84\x85\x86\x87\x88\x89\x8A\x8B\x8C\x8D\x8E\x8F"
  86             "\x90\x91\x92\x93\x94\x95\x96\x97\x98\x99\x9A\x9B\x9C\x9D\x9E\x9F"
  87             "\xA0\xA1\xA2\xA3\xA4\xA5\xA6\xA7\xA8\xA9\xAA\xAB\xAC\xAD\xAE\xAF"
  88             "\xB0\xB1\xB2\xB3\xB4\xB5\xB6\xB7\xB8\xB9\xBA\xBB\xBC\xBD\xBE\xBF");
  89
  90     INVALID("\xC0 \xC1 \xC2 \xC3 \xC4 \xC5 \xC6 \xC7 \xC8 \xC9 \xCA \xCB \xCC "
  91             "\xCD \xCE \xCF "
  92             "\xD0 \xD1 \xD2 \xD3 \xD4 \xD5 \xD6 \xD7 \xD8 \xD9 \xDA \xDB \xDD "
  93             "\xDD \xDE \xDF ");
  94     INVALID("\xF0 \xF1 \xF2 \xF3 \xF4 \xF5 \xF6 \xF7 ");
  95     INVALID("\xF8 \xF9 \xFA \xFB ");
  96     INVALID("\xFC \xFD ");
  97
  98     INVALID("\xC0");
  99     INVALID("\xE0\x80");
 100     INVALID("\xF0\x80\x80");
 101     INVALID("\xF8\x80\x80\x80");
 102     INVALID("\xFC\x80\x80\x80\x80");
 103     INVALID("\xDF");
 104     INVALID("\xEF\xBF");
 105     INVALID("\xF7\xBF\xBF");
 106     INVALID("\xFB\xBF\xBF\xBF");
 107     INVALID("\xFD\xBF\xBF\xBF\xBF");
 108
 109     INVALID("\xC0\xE0\x80\xF0\x80\x80\xF8\x80\x80\x80\xFC\x80\x80\x80\x80"
 110             "\xDF\xEF\xBF\xF7\xBF\xBF\xFB\xBF\xBF\xBF\xFD\xBF\xBF\xBF\xBF");
 111
 112     INVALID("\xFE");
 113     INVALID("\xFF");
 114     INVALID("\xFE\xFE\xFF\xFF");
 115
 116     INVALID("\xC0\xAF");
 117     INVALID("\xE0\x80\xAF");
 118     INVALID("\xF0\x80\x80\xAF");
 119     INVALID("\xF8\x80\x80\x80\xAF");
 120     INVALID("\xFC\x80\x80\x80\x80\xAF");
 121
 122     INVALID("\xC1\xBF");
 123     INVALID("\xE0\x9F\xBF");
 124     INVALID("\xF0\x8F\xBF\xBF");
 125     INVALID("\xF8\x87\xBF\xBF\xBF");
 126     INVALID("\xFC\x83\xBF\xBF\xBF\xBF");
 127
 128     INVALID("\xC0\x80");
 129     INVALID("\xE0\x80\x80");
 130     INVALID("\xF0\x80\x80\x80");
 131     INVALID("\xF8\x80\x80\x80\x80");
 132     INVALID("\xFC\x80\x80\x80\x80\x80");
 133
 134     INVALID("\xED\xA0\x80");
 135     INVALID("\xED\xAD\xBF");
 136     INVALID("\xED\xAE\x80");
 137     INVALID("\xED\xAF\xBF");
 138     INVALID("\xED\xB0\x80");
 139     INVALID("\xED\xBE\x80");
 140     INVALID("\xED\xBF\xBF");
 141
 142     INVALID("\xED\xA0\x80\xED\xB0\x80");
 143     INVALID("\xED\xA0\x80\xED\xBF\xBF");
 144     INVALID("\xED\xAD\xBF\xED\xB0\x80");
 145     INVALID("\xED\xAD\xBF\xED\xBF\xBF");
 146     INVALID("\xED\xAE\x80\xED\xB0\x80");
 147     INVALID("\xED\xAE\x80\xED\xBF\xBF");
 148     INVALID("\xED\xAF\xBF\xED\xB0\x80");
 149     INVALID("\xED\xAF\xBF\xED\xBF\xBF");
 150
 151     /* INVALID("\xEF\xBF\xBE"); */
 152     /* INVALID("\xEF\xBF\xBF"); */
 153 }
 154
 155 static void
 156 check_utf32_to_utf8(uint32_t unichar, int expected_length, const char *expected) {
 157     char buffer[7];
 158     int length;
 159
 160     length = utf32_to_utf8(unichar, buffer);
 161
 162     assert(length == expected_length);
 163     assert(streq(buffer, expected));
 164 }
 165
 166 static void
 167 test_utf32_to_utf8(void)
 168 {
 169     check_utf32_to_utf8(0x0, 2, "");
 170     check_utf32_to_utf8(0x40, 2, "\x40");
 171     check_utf32_to_utf8(0xA1, 3, "\xc2\xa1");
 172     check_utf32_to_utf8(0x2701, 4, "\xe2\x9c\x81");
 173     check_utf32_to_utf8(0xd800, 0, ""); // Unicode surrogates
 174     check_utf32_to_utf8(0xdfff, 0, ""); // Unicode surrogates
 175     check_utf32_to_utf8(0x1f004, 5, "\xf0\x9f\x80\x84");
 176     check_utf32_to_utf8(0x110000, 0, "");
 177     check_utf32_to_utf8(0xffffffff, 0, "");
 178 }
 179
 180 int
 181 main(void)
 182 {
 183     test_is_valid_utf8();
 184     test_utf32_to_utf8();
 185
 186     return 0;
 187 }