src/base/strings/utf_string_conversion_utils.cc

   1 // Copyright (c) 2009 The Chromium Authors. All rights reserved.
   2 // Use of this source code is governed by a BSD-style license that can be
   3 // found in the LICENSE file.
   4
   5 #include "base/strings/utf_string_conversion_utils.h"
   6
   7 #include "base/third_party/icu/icu_utf.h"
   8
   9 namespace base {
  10
  11 // ReadUnicodeCharacter --------------------------------------------------------
  12
  13 bool ReadUnicodeCharacter(const char* src,
  14                           int32 src_len,
  15                           int32* char_index,
  16                           uint32* code_point_out) {
  17   // U8_NEXT expects to be able to use -1 to signal an error, so we must
  18   // use a signed type for code_point.  But this function returns false
  19   // on error anyway, so code_point_out is unsigned.
  20   int32 code_point;
  21   CBU8_NEXT(src, *char_index, src_len, code_point);
  22   *code_point_out = static_cast<uint32>(code_point);
  23
  24   // The ICU macro above moves to the next char, we want to point to the last
  25   // char consumed.
  26   (*char_index)--;
  27
  28   // Validate the decoded value.
  29   return IsValidCodepoint(code_point);
  30 }
  31
  32 bool ReadUnicodeCharacter(const char16* src,
  33                           int32 src_len,
  34                           int32* char_index,
  35                           uint32* code_point) {
  36   if (CBU16_IS_SURROGATE(src[*char_index])) {
  37     if (!CBU16_IS_SURROGATE_LEAD(src[*char_index]) ||
  38         *char_index + 1 >= src_len ||
  39         !CBU16_IS_TRAIL(src[*char_index + 1])) {
  40       // Invalid surrogate pair.
  41       return false;
  42     }
  43
  44     // Valid surrogate pair.
  45     *code_point = CBU16_GET_SUPPLEMENTARY(src[*char_index],
  46                                           src[*char_index + 1]);
  47     (*char_index)++;
  48   } else {
  49     // Not a surrogate, just one 16-bit word.
  50     *code_point = src[*char_index];
  51   }
  52
  53   return IsValidCodepoint(*code_point);
  54 }
  55
  56 #if defined(WCHAR_T_IS_UTF32)
  57 bool ReadUnicodeCharacter(const wchar_t* src,
  58                           int32 src_len,
  59                           int32* char_index,
  60                           uint32* code_point) {
  61   // Conversion is easy since the source is 32-bit.
  62   *code_point = src[*char_index];
  63
  64   // Validate the value.
  65   return IsValidCodepoint(*code_point);
  66 }
  67 #endif  // defined(WCHAR_T_IS_UTF32)
  68
  69 // WriteUnicodeCharacter -------------------------------------------------------
  70
  71 size_t WriteUnicodeCharacter(uint32 code_point, std::string* output) {
  72   if (code_point <= 0x7f) {
  73     // Fast path the common case of one byte.
  74     output->push_back(static_cast<char>(code_point));
  75     return 1;
  76   }
  77
  78
  79   // CBU8_APPEND_UNSAFE can append up to 4 bytes.
  80   size_t char_offset = output->length();
  81   size_t original_char_offset = char_offset;
  82   output->resize(char_offset + CBU8_MAX_LENGTH);
  83
  84   CBU8_APPEND_UNSAFE(&(*output)[0], char_offset, code_point);
  85
  86   // CBU8_APPEND_UNSAFE will advance our pointer past the inserted character, so
  87   // it will represent the new length of the string.
  88   output->resize(char_offset);
  89   return char_offset - original_char_offset;
  90 }
  91
  92 size_t WriteUnicodeCharacter(uint32 code_point, string16* output) {
  93   if (CBU16_LENGTH(code_point) == 1) {
  94     // Thie code point is in the Basic Multilingual Plane (BMP).
  95     output->push_back(static_cast<char16>(code_point));
  96     return 1;
  97   }
  98   // Non-BMP characters use a double-character encoding.
  99   size_t char_offset = output->length();
 100   output->resize(char_offset + CBU16_MAX_LENGTH);
 101   CBU16_APPEND_UNSAFE(&(*output)[0], char_offset, code_point);
 102   return CBU16_MAX_LENGTH;
 103 }
 104
 105 // Generalized Unicode converter -----------------------------------------------
 106
 107 template<typename CHAR>
 108 void PrepareForUTF8Output(const CHAR* src,
 109                           size_t src_len,
 110                           std::string* output) {
 111   output->clear();
 112   if (src_len == 0)
 113     return;
 114   if (src[0] < 0x80) {
 115     // Assume that the entire input will be ASCII.
 116     output->reserve(src_len);
 117   } else {
 118     // Assume that the entire input is non-ASCII and will have 3 bytes per char.
 119     output->reserve(src_len * 3);
 120   }
 121 }
 122
 123 // Instantiate versions we know callers will need.
 124 template void PrepareForUTF8Output(const wchar_t*, size_t, std::string*);
 125 template void PrepareForUTF8Output(const char16*, size_t, std::string*);
 126
 127 template<typename STRING>
 128 void PrepareForUTF16Or32Output(const char* src,
 129                                size_t src_len,
 130                                STRING* output) {
 131   output->clear();
 132   if (src_len == 0)
 133     return;
 134   if (static_cast<unsigned char>(src[0]) < 0x80) {
 135     // Assume the input is all ASCII, which means 1:1 correspondence.
 136     output->reserve(src_len);
 137   } else {
 138     // Otherwise assume that the UTF-8 sequences will have 2 bytes for each
 139     // character.
 140     output->reserve(src_len / 2);
 141   }
 142 }
 143
 144 // Instantiate versions we know callers will need.
 145 template void PrepareForUTF16Or32Output(const char*, size_t, std::wstring*);
 146 template void PrepareForUTF16Or32Output(const char*, size_t, string16*);
 147
 148 }  // namespace base