src/third_party/cld/encodings/compact_lang_det/win/cld_utf8statetable.h

   1 // Copyright (c) 2006-2009 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 #ifndef ENCODINGS_COMPACT_LANG_DET_WIN_CLD_UTF8STATETABLE_H_
   6 #define ENCODINGS_COMPACT_LANG_DET_WIN_CLD_UTF8STATETABLE_H_
   7
   8 #if !defined(CLD_WINDOWS)
   9
  10 #include "util/utf8/utf8statetable.h"
  11
  12 #else
  13
  14 #include "encodings/compact_lang_det/win/cld_basictypes.h"
  15
  16 // These four-byte entries compactly encode how many bytes 0..255 to delete
  17 // in making a string replacement, how many bytes to add 0..255, and the offset
  18 // 0..64k-1 of the replacement string in remap_string.
  19 struct RemapEntry {
  20   uint8 delete_bytes;
  21   uint8 add_bytes;
  22   uint16 bytes_offset;
  23 };
  24
  25 // Exit type codes for state tables. All but the first get stuffed into
  26 // signed one-byte entries. The first is only generated by executable code.
  27 // To distinguish from next-state entries, these must be contiguous and
  28 // all <= kExitNone
  29 typedef enum {
  30   kExitDstSpaceFull = 239,
  31   kExitIllegalStructure,  // 240
  32   kExitOK,                // 241
  33   kExitReject,            // ...
  34   kExitReplace1,
  35   kExitReplace2,
  36   kExitReplace3,
  37   kExitReplace21,
  38   kExitReplace31,
  39   kExitReplace32,
  40   kExitReplaceOffset1,
  41   kExitReplaceOffset2,
  42   kExitReplace1S0,
  43   kExitSpecial,
  44   kExitDoAgain,
  45   kExitRejectAlt,
  46   kExitNone               // 255
  47 } ExitReason;
  48
  49 typedef enum {
  50   kExitDstSpaceFull_2 = -32769,
  51   kExitIllegalStructure_2,  // -32768
  52   kExitOK_2,                // -32767
  53   kExitReject_2,            // ...
  54   kExitReplace1_2,
  55   kExitReplace2_2,
  56   kExitReplace3_2,
  57   kExitReplace21_2,
  58   kExitReplace31_2,
  59   kExitReplace32_2,
  60   kExitReplaceOffset1_2,
  61   kExitReplaceOffset2_2,
  62   kExitReplace1S0_2,
  63   kExitSpecial_2,
  64   kExitDoAgain_2,
  65   kExitRejectAlt_2,
  66   kExitNone_2               // -32753
  67 } ExitReason_2;
  68
  69 // This struct represents one entire state table. The three initialized byte
  70 // areas are state_table, remap_base, and remap_string. state0 and state0_size
  71 // give the byte offset and length within state_table of the initial state --
  72 // table lookups are expected to start and end in this state, but for
  73 // truncated UTF-8 strings, may end in a different state. These allow a quick
  74 // test for that condition. entry_shift is 8 for tables subscripted by a full
  75 // byte value and 6 for space-optimized tables subscripted by only six
  76 // significant bits in UTF-8 continuation bytes.
  77 typedef struct {
  78   const uint32 state0;
  79   const uint32 state0_size;
  80   const uint32 total_size;
  81   const int max_expand;
  82   const int entry_shift;
  83   const int bytes_per_entry;
  84   const uint32 losub;
  85   const uint32 hiadd;
  86   const uint8* state_table;
  87   const RemapEntry* remap_base;
  88   const uint8* remap_string;
  89   const uint8* fast_state;
  90 } UTF8StateMachineObj;
  91
  92 // Near-duplicate declaration for tables with two-byte entries
  93 typedef struct {
  94   const uint32 state0;
  95   const uint32 state0_size;
  96   const uint32 total_size;
  97   const int max_expand;
  98   const int entry_shift;
  99   const int bytes_per_entry;
 100   const uint32 losub;
 101   const uint32 hiadd;
 102   const signed short* state_table;
 103   const RemapEntry* remap_base;
 104   const uint8* remap_string;
 105   const uint8* fast_state;
 106 } UTF8StateMachineObj_2;
 107
 108
 109 typedef UTF8StateMachineObj UTF8PropObj;
 110 typedef UTF8StateMachineObj UTF8ScanObj;
 111 typedef UTF8StateMachineObj_2 UTF8PropObj_2;
 112
 113
 114 // Look up property of one UTF-8 character and advance over it
 115 // Return 0 if input length is zero
 116 // Return 0 and advance one byte if input is ill-formed
 117 uint8 UTF8GenericProperty(const UTF8PropObj* st,
 118                           const uint8** src,
 119                           int* srclen);
 120
 121 // BigOneByte versions are needed for tables > 240 states, but most
 122 // won't need the TwoByte versions.
 123
 124 // Look up property of one UTF-8 character and advance over it
 125 // Return 0 if input length is zero
 126 // Return 0 and advance one byte if input is ill-formed
 127 uint8 UTF8GenericPropertyBigOneByte(const UTF8PropObj* st,
 128                           const uint8** src,
 129                           int* srclen);
 130
 131 // Scan a UTF-8 stringpiece based on a state table.
 132 // Always scan complete UTF-8 characters
 133 // Set number of bytes scanned. Return reason for exiting
 134 int UTF8GenericScan(const UTF8ScanObj* st,
 135                     const uint8* str,
 136                     const int len,
 137                     int* bytes_consumed);
 138
 139 #endif
 140
 141 #endif  // ENCODINGS_COMPACT_LANG_DET_WIN_CLD_UTF8STATETABLE_H_