gcc/ada/a-suenst.adb

   1 ------------------------------------------------------------------------------
   2 --                                                                          --
   3 --                         GNAT RUN-TIME COMPONENTS                         --
   4 --                                                                          --
   5 --                     ADA.STRINGS.UTF_ENCODING.STRINGS                     --
   6 --                                                                          --
   7 --                                 B o d y                                  --
   8 --                                                                          --
   9 --             Copyright (C) 2010, Free Software Foundation, Inc.           --
  10 --                                                                          --
  11 -- GNAT is free software;  you can  redistribute it  and/or modify it under --
  12 -- terms of the  GNU General Public License as published  by the Free Soft- --
  13 -- ware  Foundation;  either version 3,  or (at your option) any later ver- --
  14 -- sion.  GNAT is distributed in the hope that it will be useful, but WITH- --
  15 -- OUT ANY WARRANTY;  without even the  implied warranty of MERCHANTABILITY --
  16 -- or FITNESS FOR A PARTICULAR PURPOSE.                                     --
  17 --                                                                          --
  18 -- As a special exception under Section 7 of GPL version 3, you are granted --
  19 -- additional permissions described in the GCC Runtime Library Exception,   --
  20 -- version 3.1, as published by the Free Software Foundation.               --
  21 --                                                                          --
  22 -- You should have received a copy of the GNU General Public License and    --
  23 -- a copy of the GCC Runtime Library Exception along with this program;     --
  24 -- see the files COPYING3 and COPYING.RUNTIME respectively.  If not, see    --
  25 -- <http://www.gnu.org/licenses/>.                                          --
  26 --                                                                          --
  27 -- GNAT was originally developed  by the GNAT team at  New York University. --
  28 -- Extensive contributions were provided by Ada Core Technologies Inc.      --
  29 --                                                                          --
  30 ------------------------------------------------------------------------------
  31
  32 package body Ada.Strings.UTF_Encoding.Strings is
  33    use Interfaces;
  34
  35    ------------
  36    -- Decode --
  37    ------------
  38
  39    --  Decode UTF-8/UTF-16BE/UTF-16LE input to String
  40
  41    function Decode
  42      (Item         : UTF_String;
  43       Input_Scheme : Encoding_Scheme) return String
  44    is
  45    begin
  46       if Input_Scheme = UTF_8 then
  47          return Decode (Item);
  48       else
  49          return Decode (To_UTF_16 (Item, Input_Scheme));
  50       end if;
  51    end Decode;
  52
  53    --  Decode UTF-8 input to String
  54
  55    function Decode (Item : UTF_8_String) return String is
  56       Result : String (1 .. Item'Length);
  57       --  Result string (worst case is same length as input)
  58
  59       Len : Natural := 0;
  60       --  Length of result stored so far
  61
  62       Iptr : Natural;
  63       --  Input Item pointer
  64
  65       C : Unsigned_8;
  66       R : Unsigned_16;
  67
  68       procedure Get_Continuation;
  69       --  Reads a continuation byte of the form 10xxxxxx, shifts R left
  70       --  by 6 bits, and or's in the xxxxxx to the low order 6 bits. On
  71       --  return Ptr is incremented. Raises exception if continuation
  72       --  byte does not exist or is invalid.
  73
  74       ----------------------
  75       -- Get_Continuation --
  76       ----------------------
  77
  78       procedure Get_Continuation is
  79       begin
  80          if Iptr > Item'Last then
  81             Raise_Encoding_Error (Iptr - 1);
  82
  83          else
  84             C := To_Unsigned_8 (Item (Iptr));
  85             Iptr := Iptr + 1;
  86
  87             if C not in 2#10_000000# .. 2#10_111111# then
  88                Raise_Encoding_Error (Iptr - 1);
  89             else
  90                R := Shift_Left (R, 6) or Unsigned_16 (C and 2#00_111111#);
  91             end if;
  92          end if;
  93       end Get_Continuation;
  94
  95    --  Start of processing for Decode
  96
  97    begin
  98       Iptr := Item'First;
  99
 100       --  Skip BOM at start
 101
 102       if Item'Length >= 3
 103         and then Item (Iptr .. Iptr + 2) = BOM_8
 104       then
 105          Iptr := Iptr + 3;
 106
 107       --  Error if bad BOM
 108
 109       elsif Item'Length >= 2
 110         and then (Item (Iptr .. Iptr + 1) = BOM_16BE
 111                     or else
 112                   Item (Iptr .. Iptr + 1) = BOM_16LE)
 113       then
 114          Raise_Encoding_Error (Iptr);
 115       end if;
 116
 117       while Iptr <= Item'Last loop
 118          C := To_Unsigned_8 (Item (Iptr));
 119          Iptr := Iptr + 1;
 120
 121          --  Codes in the range 16#00# - 16#7F# are represented as
 122          --    0xxxxxxx
 123
 124          if C <= 16#7F# then
 125             R := Unsigned_16 (C);
 126
 127          --  No initial code can be of the form 10xxxxxx. Such codes are used
 128          --  only for continuations.
 129
 130          elsif C <= 2#10_111111# then
 131             Raise_Encoding_Error (Iptr - 1);
 132
 133          --  Codes in the range 16#80# - 16#7FF# are represented as
 134          --    110yyyxx 10xxxxxx
 135
 136          elsif C <= 2#110_11111# then
 137             R := Unsigned_16 (C and 2#000_11111#);
 138             Get_Continuation;
 139
 140          --  Codes in the range 16#800# - 16#FFFF# are represented as
 141          --    1110yyyy 10yyyyxx 10xxxxxx
 142
 143          --  Such codes are out of range for type Character
 144
 145          --  Codes in the range 16#10000# - 16#10FFFF# are represented as
 146          --    11110zzz 10zzyyyy 10yyyyxx 10xxxxxx
 147
 148          --  Such codes are out of range for Wide_String output
 149
 150          --  Thus all remaining cases raise Encoding_Error
 151
 152          else
 153             Raise_Encoding_Error (Iptr - 1);
 154          end if;
 155
 156          Len := Len + 1;
 157          Result (Len) := Character'Val (R);
 158       end loop;
 159
 160       return Result (1 .. Len);
 161    end Decode;
 162
 163    --  Decode UTF-16 input to String
 164
 165    function Decode (Item : UTF_16_Wide_String) return String is
 166       Result : String (1 .. Item'Length);
 167       --  Result is same length as input (possibly minus 1 if BOM present)
 168
 169       Len : Natural := 0;
 170       --  Length of result
 171
 172       Iptr : Natural;
 173       --  Index of next Item element
 174
 175       C : Unsigned_16;
 176
 177    begin
 178       --  Skip UTF-16 BOM at start
 179
 180       Iptr := Item'First;
 181
 182       if Item'Length > 0 and then Item (Iptr) = BOM_16 (1) then
 183          Iptr := Iptr + 1;
 184       end if;
 185
 186       --  Loop through input characters
 187
 188       while Iptr <= Item'Last loop
 189          C := To_Unsigned_16 (Item (Iptr));
 190          Iptr := Iptr + 1;
 191
 192          --  Codes in the range 16#0000#..16#00FF# represent their own value
 193
 194          if C <= 16#00FF# then
 195             Len := Len + 1;
 196             Result (Len) := Character'Val (C);
 197
 198          --  All other codes are invalid, either they are invalid UTF-16
 199          --  encoding sequences, or they represent values that are out of
 200          --  range for type Character.
 201
 202          else
 203             Raise_Encoding_Error (Iptr - 1);
 204          end if;
 205       end loop;
 206
 207       return Result (1 .. Len);
 208    end Decode;
 209
 210    ------------
 211    -- Encode --
 212    ------------
 213
 214    --  Encode String in UTF-8, UTF-16BE or UTF-16LE
 215
 216    function Encode
 217      (Item          : String;
 218       Output_Scheme : Encoding_Scheme;
 219       Output_BOM    : Boolean  := False) return UTF_String
 220    is
 221    begin
 222       --  Case of UTF_8
 223
 224       if Output_Scheme = UTF_8 then
 225          return Encode (Item, Output_BOM);
 226
 227       --  Case of UTF_16LE or UTF_16BE, use UTF-16 intermediary
 228
 229       else
 230          return From_UTF_16 (UTF_16_Wide_String'(Encode (Item)),
 231                              Output_Scheme, Output_BOM);
 232       end if;
 233    end Encode;
 234
 235    --  Encode String in UTF-8
 236
 237    function Encode
 238      (Item       : String;
 239       Output_BOM : Boolean  := False) return UTF_8_String
 240    is
 241       Result : UTF_8_String (1 .. 3 * Item'Length + 3);
 242       --  Worst case is three bytes per input byte + space for BOM
 243
 244       Len : Natural;
 245       --  Number of output codes stored in Result
 246
 247       C : Unsigned_8;
 248       --  Single input character
 249
 250       procedure Store (C : Unsigned_8);
 251       pragma Inline (Store);
 252       --  Store one output code, C is in the range 0 .. 255
 253
 254       -----------
 255       -- Store --
 256       -----------
 257
 258       procedure Store (C : Unsigned_8) is
 259       begin
 260          Len := Len + 1;
 261          Result (Len) := Character'Val (C);
 262       end Store;
 263
 264    --  Start of processing for UTF8_Encode
 265
 266    begin
 267       --  Output BOM if required
 268
 269       if Output_BOM then
 270          Result (1 .. 3) := BOM_8;
 271          Len := 3;
 272       else
 273          Len := 0;
 274       end if;
 275
 276       --  Loop through characters of input
 277
 278       for J in Item'Range loop
 279          C := To_Unsigned_8 (Item (J));
 280
 281          --  Codes in the range 16#00# - 16#7F# are represented as
 282          --    0xxxxxxx
 283
 284          if C <= 16#7F# then
 285             Store (C);
 286
 287          --  Codes in the range 16#80# - 16#7FF# are represented as
 288          --    110yyyxx 10xxxxxx
 289
 290          --  For type character of course, the limit is 16#FF# in any case
 291
 292          else
 293             Store (2#110_00000# or Shift_Right (C, 6));
 294             Store (2#10_000000# or (C and 2#00_111111#));
 295          end if;
 296       end loop;
 297
 298       return Result (1 .. Len);
 299    end Encode;
 300
 301    --  Encode String in UTF-16
 302
 303    function Encode
 304      (Item       : String;
 305       Output_BOM : Boolean  := False) return UTF_16_Wide_String
 306    is
 307       Result : UTF_16_Wide_String
 308                  (1 .. Item'Length + Boolean'Pos (Output_BOM));
 309       --  Output is same length as input + possible BOM
 310
 311       Len : Integer;
 312       --  Length of output string
 313
 314       C : Unsigned_8;
 315
 316    begin
 317       --  Output BOM if required
 318
 319       if Output_BOM then
 320          Result (1) := BOM_16 (1);
 321          Len := 1;
 322       else
 323          Len := 0;
 324       end if;
 325
 326       --  Loop through input characters encoding them
 327
 328       for Iptr in Item'Range loop
 329          C := To_Unsigned_8 (Item (Iptr));
 330
 331          --  Codes in the range 16#0000#..16#00FF# are output unchanged. This
 332          --  includes all possible cases of Character values.
 333
 334          Len := Len + 1;
 335          Result (Len) := Wide_Character'Val (C);
 336       end loop;
 337
 338       return Result;
 339    end Encode;
 340
 341 end Ada.Strings.UTF_Encoding.Strings;