[BACK]Return to preconv.c CVS log [TXT][DIR] Up to [cvsweb.bsd.lv] / mandoc

Annotation of mandoc/preconv.c, Revision 1.11

1.11    ! schwarze    1: /*     $Id: preconv.c,v 1.10 2014/10/26 18:22:51 schwarze Exp $ */
1.1       kristaps    2: /*
                      3:  * Copyright (c) 2011 Kristaps Dzonsons <kristaps@bsd.lv>
1.9       schwarze    4:  * Copyright (c) 2014 Ingo Schwarze <schwarze@openbsd.org>
1.1       kristaps    5:  *
                      6:  * Permission to use, copy, modify, and distribute this software for any
                      7:  * purpose with or without fee is hereby granted, provided that the above
                      8:  * copyright notice and this permission notice appear in all copies.
                      9:  *
                     10:  * THE SOFTWARE IS PROVIDED "AS IS" AND THE AUTHOR DISCLAIMS ALL WARRANTIES
                     11:  * WITH REGARD TO THIS SOFTWARE INCLUDING ALL IMPLIED WARRANTIES OF
                     12:  * MERCHANTABILITY AND FITNESS. IN NO EVENT SHALL THE AUTHOR BE LIABLE FOR
                     13:  * ANY SPECIAL, DIRECT, INDIRECT, OR CONSEQUENTIAL DAMAGES OR ANY DAMAGES
                     14:  * WHATSOEVER RESULTING FROM LOSS OF USE, DATA OR PROFITS, WHETHER IN AN
                     15:  * ACTION OF CONTRACT, NEGLIGENCE OR OTHER TORTIOUS ACTION, ARISING OUT OF
                     16:  * OR IN CONNECTION WITH THE USE OR PERFORMANCE OF THIS SOFTWARE.
                     17:  */
                     18: #include "config.h"
                     19:
1.7       schwarze   20: #include <sys/types.h>
1.1       kristaps   21:
                     22: #include <stdio.h>
                     23: #include <string.h>
1.9       schwarze   24: #include "mandoc.h"
                     25: #include "libmandoc.h"
1.1       kristaps   26:
1.9       schwarze   27: int
1.11    ! schwarze   28: preconv_encode(struct buf *ib, size_t *ii, struct buf *ob, size_t *oi,
        !            29:     int *filenc)
1.1       kristaps   30: {
1.10      schwarze   31:        size_t           i;
                     32:        const long       one = 1L;
1.2       kristaps   33:        int              state, be;
                     34:        unsigned int     accum;
                     35:        unsigned char    cu;
                     36:
1.9       schwarze   37:        if ( ! (*filenc & MPARSE_UTF8))
                     38:                goto latin;
                     39:
1.2       kristaps   40:        state = 0;
                     41:        accum = 0U;
                     42:        be = 0;
                     43:
                     44:        /* Quick test for big-endian value. */
                     45:
1.4       kristaps   46:        if ( ! (*((const char *)(&one))))
1.2       kristaps   47:                be = 1;
                     48:
1.11    ! schwarze   49:        for (i = *ii; i < ib->sz; i++) {
1.9       schwarze   50:                cu = ib->buf[i];
1.2       kristaps   51:                if (state) {
                     52:                        if ( ! (cu & 128) || (cu & 64)) {
                     53:                                /* Bad sequence header. */
1.9       schwarze   54:                                break;
1.2       kristaps   55:                        }
                     56:
                     57:                        /* Accept only legitimate bit patterns. */
                     58:
                     59:                        if (cu > 191 || cu < 128) {
                     60:                                /* Bad in-sequence bits. */
1.9       schwarze   61:                                break;
1.2       kristaps   62:                        }
                     63:
                     64:                        accum |= (cu & 63) << --state * 6;
                     65:
1.9       schwarze   66:                        if (state)
                     67:                                continue;
                     68:
1.2       kristaps   69:                        /*
                     70:                         * Accum is held in little-endian order as
                     71:                         * stipulated by the UTF-8 sequence coding.  We
                     72:                         * need to convert to a native big-endian if our
                     73:                         * architecture requires it.
                     74:                         */
                     75:
1.9       schwarze   76:                        if (be)
1.2       kristaps   77:                                accum = (accum >> 24) |
                     78:                                        ((accum << 8) & 0x00FF0000) |
                     79:                                        ((accum >> 8) & 0x0000FF00) |
                     80:                                        (accum << 24);
                     81:
1.9       schwarze   82:                        if (accum < 0x80)
1.11    ! schwarze   83:                                ob->buf[(*oi)++] = accum;
1.9       schwarze   84:                        else
1.11    ! schwarze   85:                                *oi += snprintf(ob->buf + *oi,
1.9       schwarze   86:                                    11, "\\[u%.4X]", accum);
1.11    ! schwarze   87:                        *ii = i + 1;
1.9       schwarze   88:                        *filenc &= ~MPARSE_LATIN1;
                     89:                        return(1);
                     90:                } else {
1.2       kristaps   91:                        /*
                     92:                         * Entering a UTF-8 state:  if we encounter a
                     93:                         * UTF-8 bitmask, calculate the expected UTF-8
                     94:                         * state from it.
                     95:                         */
                     96:                        for (state = 0; state < 7; state++)
                     97:                                if ( ! (cu & (1 << (7 - state))))
                     98:                                        break;
                     99:
                    100:                        /* Accept only legitimate bit patterns. */
                    101:
1.9       schwarze  102:                        switch (state--) {
1.2       kristaps  103:                        case (4):
                    104:                                if (cu <= 244 && cu >= 240) {
                    105:                                        accum = (cu & 7) << 18;
1.9       schwarze  106:                                        continue;
1.2       kristaps  107:                                }
                    108:                                /* Bad 4-sequence start bits. */
1.9       schwarze  109:                                break;
1.2       kristaps  110:                        case (3):
                    111:                                if (cu <= 239 && cu >= 224) {
                    112:                                        accum = (cu & 15) << 12;
1.9       schwarze  113:                                        continue;
1.2       kristaps  114:                                }
                    115:                                /* Bad 3-sequence start bits. */
1.9       schwarze  116:                                break;
1.2       kristaps  117:                        case (2):
                    118:                                if (cu <= 223 && cu >= 194) {
                    119:                                        accum = (cu & 31) << 6;
1.9       schwarze  120:                                        continue;
1.2       kristaps  121:                                }
                    122:                                /* Bad 2-sequence start bits. */
1.9       schwarze  123:                                break;
1.2       kristaps  124:                        default:
                    125:                                /* Bad sequence bit mask. */
1.9       schwarze  126:                                break;
1.2       kristaps  127:                        }
1.9       schwarze  128:                        break;
                    129:                }
1.1       kristaps  130:        }
                    131:
1.9       schwarze  132:        /* FALLTHROUGH: Invalid or incomplete UTF-8 sequence. */
1.1       kristaps  133:
1.9       schwarze  134: latin:
                    135:        if ( ! (*filenc & MPARSE_LATIN1))
1.1       kristaps  136:                return(0);
                    137:
1.11    ! schwarze  138:        *oi += snprintf(ob->buf + *oi, 11,
        !           139:            "\\[u%.4X]", (unsigned char)ib->buf[(*ii)++]);
1.1       kristaps  140:
1.9       schwarze  141:        *filenc &= ~MPARSE_UTF8;
                    142:        return(1);
1.1       kristaps  143: }
                    144:
1.9       schwarze  145: int
1.11    ! schwarze  146: preconv_cue(const struct buf *b, size_t offset)
1.3       kristaps  147: {
                    148:        const char      *ln, *eoln, *eoph;
1.9       schwarze  149:        size_t           sz, phsz;
1.3       kristaps  150:
1.11    ! schwarze  151:        ln = b->buf + offset;
        !           152:        sz = b->sz - offset;
1.3       kristaps  153:
                    154:        /* Look for the end-of-line. */
                    155:
                    156:        if (NULL == (eoln = memchr(ln, '\n', sz)))
1.9       schwarze  157:                eoln = ln + sz;
1.3       kristaps  158:
                    159:        /* Check if we have the correct header/trailer. */
                    160:
                    161:        if ((sz = (size_t)(eoln - ln)) < 10 ||
1.10      schwarze  162:            memcmp(ln, ".\\\" -*-", 7) || memcmp(eoln - 3, "-*-", 3))
1.9       schwarze  163:                return(MPARSE_UTF8 | MPARSE_LATIN1);
1.3       kristaps  164:
                    165:        /* Move after the header and adjust for the trailer. */
                    166:
                    167:        ln += 7;
                    168:        sz -= 10;
                    169:
                    170:        while (sz > 0) {
                    171:                while (sz > 0 && ' ' == *ln) {
                    172:                        ln++;
                    173:                        sz--;
                    174:                }
                    175:                if (0 == sz)
                    176:                        break;
                    177:
                    178:                /* Find the end-of-phrase marker (or eoln). */
                    179:
                    180:                if (NULL == (eoph = memchr(ln, ';', sz)))
                    181:                        eoph = eoln - 3;
                    182:                else
                    183:                        eoph++;
                    184:
                    185:                /* Only account for the "coding" phrase. */
                    186:
1.9       schwarze  187:                if ((phsz = eoph - ln) < 7 ||
                    188:                    strncasecmp(ln, "coding:", 7)) {
1.3       kristaps  189:                        sz -= phsz;
                    190:                        ln += phsz;
                    191:                        continue;
                    192:                }
                    193:
                    194:                sz -= 7;
                    195:                ln += 7;
                    196:
                    197:                while (sz > 0 && ' ' == *ln) {
                    198:                        ln++;
                    199:                        sz--;
                    200:                }
                    201:                if (0 == sz)
1.9       schwarze  202:                        return(0);
1.3       kristaps  203:
                    204:                /* Check us against known encodings. */
                    205:
1.9       schwarze  206:                if (phsz > 4 && !strncasecmp(ln, "utf-8", 5))
                    207:                        return(MPARSE_UTF8);
                    208:                if (phsz > 10 && !strncasecmp(ln, "iso-latin-1", 11))
                    209:                        return(MPARSE_LATIN1);
                    210:                return(0);
1.3       kristaps  211:        }
1.9       schwarze  212:        return(MPARSE_UTF8 | MPARSE_LATIN1);
1.1       kristaps  213: }

CVSweb