OSDN Git Service

* ifcvt.c (cond_exec_find_if_block): Return FALSE if no
[pf3gnuchains/gcc-fork.git] / libcpp / charset.c
1 /* CPP Library - charsets
2    Copyright (C) 1998, 1999, 2000, 2001, 2002, 2003, 2004, 2006
3    Free Software Foundation, Inc.
4
5    Broken out of c-lex.c Apr 2003, adding valid C99 UCN ranges.
6
7 This program is free software; you can redistribute it and/or modify it
8 under the terms of the GNU General Public License as published by the
9 Free Software Foundation; either version 2, or (at your option) any
10 later version.
11
12 This program is distributed in the hope that it will be useful,
13 but WITHOUT ANY WARRANTY; without even the implied warranty of
14 MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
15 GNU General Public License for more details.
16
17 You should have received a copy of the GNU General Public License
18 along with this program; if not, write to the Free Software
19 Foundation, 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301, USA.  */
20
21 #include "config.h"
22 #include "system.h"
23 #include "cpplib.h"
24 #include "internal.h"
25
26 /* Character set handling for C-family languages.
27
28    Terminological note: In what follows, "charset" or "character set"
29    will be taken to mean both an abstract set of characters and an
30    encoding for that set.
31
32    The C99 standard discusses two character sets: source and execution.
33    The source character set is used for internal processing in translation
34    phases 1 through 4; the execution character set is used thereafter.
35    Both are required by 5.2.1.2p1 to be multibyte encodings, not wide
36    character encodings (see 3.7.2, 3.7.3 for the standardese meanings
37    of these terms).  Furthermore, the "basic character set" (listed in
38    5.2.1p3) is to be encoded in each with values one byte wide, and is
39    to appear in the initial shift state.
40
41    It is not explicitly mentioned, but there is also a "wide execution
42    character set" used to encode wide character constants and wide
43    string literals; this is supposed to be the result of applying the
44    standard library function mbstowcs() to an equivalent narrow string
45    (6.4.5p5).  However, the behavior of hexadecimal and octal
46    \-escapes is at odds with this; they are supposed to be translated
47    directly to wchar_t values (6.4.4.4p5,6).
48
49    The source character set is not necessarily the character set used
50    to encode physical source files on disk; translation phase 1 converts
51    from whatever that encoding is to the source character set.
52
53    The presence of universal character names in C99 (6.4.3 et seq.)
54    forces the source character set to be isomorphic to ISO 10646,
55    that is, Unicode.  There is no such constraint on the execution
56    character set; note also that the conversion from source to
57    execution character set does not occur for identifiers (5.1.1.2p1#5).
58
59    For convenience of implementation, the source character set's
60    encoding of the basic character set should be identical to the
61    execution character set OF THE HOST SYSTEM's encoding of the basic
62    character set, and it should not be a state-dependent encoding.
63
64    cpplib uses UTF-8 or UTF-EBCDIC for the source character set,
65    depending on whether the host is based on ASCII or EBCDIC (see
66    respectively Unicode section 2.3/ISO10646 Amendment 2, and Unicode
67    Technical Report #16).  With limited exceptions, it relies on the
68    system library's iconv() primitive to do charset conversion
69    (specified in SUSv2).  */
70
71 #if !HAVE_ICONV
72 /* Make certain that the uses of iconv(), iconv_open(), iconv_close()
73    below, which are guarded only by if statements with compile-time
74    constant conditions, do not cause link errors.  */
75 #define iconv_open(x, y) (errno = EINVAL, (iconv_t)-1)
76 #define iconv(a,b,c,d,e) (errno = EINVAL, (size_t)-1)
77 #define iconv_close(x)   (void)0
78 #define ICONV_CONST
79 #endif
80
81 #if HOST_CHARSET == HOST_CHARSET_ASCII
82 #define SOURCE_CHARSET "UTF-8"
83 #define LAST_POSSIBLY_BASIC_SOURCE_CHAR 0x7e
84 #elif HOST_CHARSET == HOST_CHARSET_EBCDIC
85 #define SOURCE_CHARSET "UTF-EBCDIC"
86 #define LAST_POSSIBLY_BASIC_SOURCE_CHAR 0xFF
87 #else
88 #error "Unrecognized basic host character set"
89 #endif
90
91 #ifndef EILSEQ
92 #define EILSEQ EINVAL
93 #endif
94
95 /* This structure is used for a resizable string buffer throughout.  */
96 /* Don't call it strbuf, as that conflicts with unistd.h on systems
97    such as DYNIX/ptx where unistd.h includes stropts.h.  */
98 struct _cpp_strbuf
99 {
100   uchar *text;
101   size_t asize;
102   size_t len;
103 };
104
105 /* This is enough to hold any string that fits on a single 80-column
106    line, even if iconv quadruples its size (e.g. conversion from
107    ASCII to UTF-32) rounded up to a power of two.  */
108 #define OUTBUF_BLOCK_SIZE 256
109
110 /* Conversions between UTF-8 and UTF-16/32 are implemented by custom
111    logic.  This is because a depressing number of systems lack iconv,
112    or have have iconv libraries that do not do these conversions, so
113    we need a fallback implementation for them.  To ensure the fallback
114    doesn't break due to neglect, it is used on all systems.
115
116    UTF-32 encoding is nice and simple: a four-byte binary number,
117    constrained to the range 00000000-7FFFFFFF to avoid questions of
118    signedness.  We do have to cope with big- and little-endian
119    variants.
120
121    UTF-16 encoding uses two-byte binary numbers, again in big- and
122    little-endian variants, for all values in the 00000000-0000FFFF
123    range.  Values in the 00010000-0010FFFF range are encoded as pairs
124    of two-byte numbers, called "surrogate pairs": given a number S in
125    this range, it is mapped to a pair (H, L) as follows:
126
127      H = (S - 0x10000) / 0x400 + 0xD800
128      L = (S - 0x10000) % 0x400 + 0xDC00
129
130    Two-byte values in the D800...DFFF range are ill-formed except as a
131    component of a surrogate pair.  Even if the encoding within a
132    two-byte value is little-endian, the H member of the surrogate pair
133    comes first.
134
135    There is no way to encode values in the 00110000-7FFFFFFF range,
136    which is not currently a problem as there are no assigned code
137    points in that range; however, the author expects that it will
138    eventually become necessary to abandon UTF-16 due to this
139    limitation.  Note also that, because of these pairs, UTF-16 does
140    not meet the requirements of the C standard for a wide character
141    encoding (see 3.7.3 and 6.4.4.4p11).
142
143    UTF-8 encoding looks like this:
144
145    value range         encoded as
146    00000000-0000007F   0xxxxxxx
147    00000080-000007FF   110xxxxx 10xxxxxx
148    00000800-0000FFFF   1110xxxx 10xxxxxx 10xxxxxx
149    00010000-001FFFFF   11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
150    00200000-03FFFFFF   111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
151    04000000-7FFFFFFF   1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
152
153    Values in the 0000D800 ... 0000DFFF range (surrogates) are invalid,
154    which means that three-byte sequences ED xx yy, with A0 <= xx <= BF,
155    never occur.  Note also that any value that can be encoded by a
156    given row of the table can also be encoded by all successive rows,
157    but this is not done; only the shortest possible encoding for any
158    given value is valid.  For instance, the character 07C0 could be
159    encoded as any of DF 80, E0 9F 80, F0 80 9F 80, F8 80 80 9F 80, or
160    FC 80 80 80 9F 80.  Only the first is valid.
161
162    An implementation note: the transformation from UTF-16 to UTF-8, or
163    vice versa, is easiest done by using UTF-32 as an intermediary.  */
164
165 /* Internal primitives which go from an UTF-8 byte stream to native-endian
166    UTF-32 in a cppchar_t, or vice versa; this avoids an extra marshal/unmarshal
167    operation in several places below.  */
168 static inline int
169 one_utf8_to_cppchar (const uchar **inbufp, size_t *inbytesleftp,
170                      cppchar_t *cp)
171 {
172   static const uchar masks[6] = { 0x7F, 0x1F, 0x0F, 0x07, 0x02, 0x01 };
173   static const uchar patns[6] = { 0x00, 0xC0, 0xE0, 0xF0, 0xF8, 0xFC };
174
175   cppchar_t c;
176   const uchar *inbuf = *inbufp;
177   size_t nbytes, i;
178
179   if (*inbytesleftp < 1)
180     return EINVAL;
181
182   c = *inbuf;
183   if (c < 0x80)
184     {
185       *cp = c;
186       *inbytesleftp -= 1;
187       *inbufp += 1;
188       return 0;
189     }
190
191   /* The number of leading 1-bits in the first byte indicates how many
192      bytes follow.  */
193   for (nbytes = 2; nbytes < 7; nbytes++)
194     if ((c & ~masks[nbytes-1]) == patns[nbytes-1])
195       goto found;
196   return EILSEQ;
197  found:
198
199   if (*inbytesleftp < nbytes)
200     return EINVAL;
201
202   c = (c & masks[nbytes-1]);
203   inbuf++;
204   for (i = 1; i < nbytes; i++)
205     {
206       cppchar_t n = *inbuf++;
207       if ((n & 0xC0) != 0x80)
208         return EILSEQ;
209       c = ((c << 6) + (n & 0x3F));
210     }
211
212   /* Make sure the shortest possible encoding was used.  */
213   if (c <=      0x7F && nbytes > 1) return EILSEQ;
214   if (c <=     0x7FF && nbytes > 2) return EILSEQ;
215   if (c <=    0xFFFF && nbytes > 3) return EILSEQ;
216   if (c <=  0x1FFFFF && nbytes > 4) return EILSEQ;
217   if (c <= 0x3FFFFFF && nbytes > 5) return EILSEQ;
218
219   /* Make sure the character is valid.  */
220   if (c > 0x7FFFFFFF || (c >= 0xD800 && c <= 0xDFFF)) return EILSEQ;
221
222   *cp = c;
223   *inbufp = inbuf;
224   *inbytesleftp -= nbytes;
225   return 0;
226 }
227
228 static inline int
229 one_cppchar_to_utf8 (cppchar_t c, uchar **outbufp, size_t *outbytesleftp)
230 {
231   static const uchar masks[6] =  { 0x00, 0xC0, 0xE0, 0xF0, 0xF8, 0xFC };
232   static const uchar limits[6] = { 0x80, 0xE0, 0xF0, 0xF8, 0xFC, 0xFE };
233   size_t nbytes;
234   uchar buf[6], *p = &buf[6];
235   uchar *outbuf = *outbufp;
236
237   nbytes = 1;
238   if (c < 0x80)
239     *--p = c;
240   else
241     {
242       do
243         {
244           *--p = ((c & 0x3F) | 0x80);
245           c >>= 6;
246           nbytes++;
247         }
248       while (c >= 0x3F || (c & limits[nbytes-1]));
249       *--p = (c | masks[nbytes-1]);
250     }
251
252   if (*outbytesleftp < nbytes)
253     return E2BIG;
254
255   while (p < &buf[6])
256     *outbuf++ = *p++;
257   *outbytesleftp -= nbytes;
258   *outbufp = outbuf;
259   return 0;
260 }
261
262 /* The following four functions transform one character between the two
263    encodings named in the function name.  All have the signature
264    int (*)(iconv_t bigend, const uchar **inbufp, size_t *inbytesleftp,
265            uchar **outbufp, size_t *outbytesleftp)
266
267    BIGEND must have the value 0 or 1, coerced to (iconv_t); it is
268    interpreted as a boolean indicating whether big-endian or
269    little-endian encoding is to be used for the member of the pair
270    that is not UTF-8.
271
272    INBUFP, INBYTESLEFTP, OUTBUFP, OUTBYTESLEFTP work exactly as they
273    do for iconv.
274
275    The return value is either 0 for success, or an errno value for
276    failure, which may be E2BIG (need more space), EILSEQ (ill-formed
277    input sequence), ir EINVAL (incomplete input sequence).  */
278
279 static inline int
280 one_utf8_to_utf32 (iconv_t bigend, const uchar **inbufp, size_t *inbytesleftp,
281                    uchar **outbufp, size_t *outbytesleftp)
282 {
283   uchar *outbuf;
284   cppchar_t s = 0;
285   int rval;
286
287   /* Check for space first, since we know exactly how much we need.  */
288   if (*outbytesleftp < 4)
289     return E2BIG;
290
291   rval = one_utf8_to_cppchar (inbufp, inbytesleftp, &s);
292   if (rval)
293     return rval;
294
295   outbuf = *outbufp;
296   outbuf[bigend ? 3 : 0] = (s & 0x000000FF);
297   outbuf[bigend ? 2 : 1] = (s & 0x0000FF00) >> 8;
298   outbuf[bigend ? 1 : 2] = (s & 0x00FF0000) >> 16;
299   outbuf[bigend ? 0 : 3] = (s & 0xFF000000) >> 24;
300
301   *outbufp += 4;
302   *outbytesleftp -= 4;
303   return 0;
304 }
305
306 static inline int
307 one_utf32_to_utf8 (iconv_t bigend, const uchar **inbufp, size_t *inbytesleftp,
308                    uchar **outbufp, size_t *outbytesleftp)
309 {
310   cppchar_t s;
311   int rval;
312   const uchar *inbuf;
313
314   if (*inbytesleftp < 4)
315     return EINVAL;
316
317   inbuf = *inbufp;
318
319   s  = inbuf[bigend ? 0 : 3] << 24;
320   s += inbuf[bigend ? 1 : 2] << 16;
321   s += inbuf[bigend ? 2 : 1] << 8;
322   s += inbuf[bigend ? 3 : 0];
323
324   if (s >= 0x7FFFFFFF || (s >= 0xD800 && s <= 0xDFFF))
325     return EILSEQ;
326
327   rval = one_cppchar_to_utf8 (s, outbufp, outbytesleftp);
328   if (rval)
329     return rval;
330
331   *inbufp += 4;
332   *inbytesleftp -= 4;
333   return 0;
334 }
335
336 static inline int
337 one_utf8_to_utf16 (iconv_t bigend, const uchar **inbufp, size_t *inbytesleftp,
338                    uchar **outbufp, size_t *outbytesleftp)
339 {
340   int rval;
341   cppchar_t s = 0;
342   const uchar *save_inbuf = *inbufp;
343   size_t save_inbytesleft = *inbytesleftp;
344   uchar *outbuf = *outbufp;
345
346   rval = one_utf8_to_cppchar (inbufp, inbytesleftp, &s);
347   if (rval)
348     return rval;
349
350   if (s > 0x0010FFFF)
351     {
352       *inbufp = save_inbuf;
353       *inbytesleftp = save_inbytesleft;
354       return EILSEQ;
355     }
356
357   if (s < 0xFFFF)
358     {
359       if (*outbytesleftp < 2)
360         {
361           *inbufp = save_inbuf;
362           *inbytesleftp = save_inbytesleft;
363           return E2BIG;
364         }
365       outbuf[bigend ? 1 : 0] = (s & 0x00FF);
366       outbuf[bigend ? 0 : 1] = (s & 0xFF00) >> 8;
367
368       *outbufp += 2;
369       *outbytesleftp -= 2;
370       return 0;
371     }
372   else
373     {
374       cppchar_t hi, lo;
375
376       if (*outbytesleftp < 4)
377         {
378           *inbufp = save_inbuf;
379           *inbytesleftp = save_inbytesleft;
380           return E2BIG;
381         }
382
383       hi = (s - 0x10000) / 0x400 + 0xD800;
384       lo = (s - 0x10000) % 0x400 + 0xDC00;
385
386       /* Even if we are little-endian, put the high surrogate first.
387          ??? Matches practice?  */
388       outbuf[bigend ? 1 : 0] = (hi & 0x00FF);
389       outbuf[bigend ? 0 : 1] = (hi & 0xFF00) >> 8;
390       outbuf[bigend ? 3 : 2] = (lo & 0x00FF);
391       outbuf[bigend ? 2 : 3] = (lo & 0xFF00) >> 8;
392
393       *outbufp += 4;
394       *outbytesleftp -= 4;
395       return 0;
396     }
397 }
398
399 static inline int
400 one_utf16_to_utf8 (iconv_t bigend, const uchar **inbufp, size_t *inbytesleftp,
401                    uchar **outbufp, size_t *outbytesleftp)
402 {
403   cppchar_t s;
404   const uchar *inbuf = *inbufp;
405   int rval;
406
407   if (*inbytesleftp < 2)
408     return EINVAL;
409   s  = inbuf[bigend ? 0 : 1] << 8;
410   s += inbuf[bigend ? 1 : 0];
411
412   /* Low surrogate without immediately preceding high surrogate is invalid.  */
413   if (s >= 0xDC00 && s <= 0xDFFF)
414     return EILSEQ;
415   /* High surrogate must have a following low surrogate.  */
416   else if (s >= 0xD800 && s <= 0xDBFF)
417     {
418       cppchar_t hi = s, lo;
419       if (*inbytesleftp < 4)
420         return EINVAL;
421
422       lo  = inbuf[bigend ? 2 : 3] << 8;
423       lo += inbuf[bigend ? 3 : 2];
424
425       if (lo < 0xDC00 || lo > 0xDFFF)
426         return EILSEQ;
427
428       s = (hi - 0xD800) * 0x400 + (lo - 0xDC00) + 0x10000;
429     }
430
431   rval = one_cppchar_to_utf8 (s, outbufp, outbytesleftp);
432   if (rval)
433     return rval;
434
435   /* Success - update the input pointers (one_cppchar_to_utf8 has done
436      the output pointers for us).  */
437   if (s <= 0xFFFF)
438     {
439       *inbufp += 2;
440       *inbytesleftp -= 2;
441     }
442   else
443     {
444       *inbufp += 4;
445       *inbytesleftp -= 4;
446     }
447   return 0;
448 }
449
450 /* Helper routine for the next few functions.  The 'const' on
451    one_conversion means that we promise not to modify what function is
452    pointed to, which lets the inliner see through it.  */
453
454 static inline bool
455 conversion_loop (int (*const one_conversion)(iconv_t, const uchar **, size_t *,
456                                              uchar **, size_t *),
457                  iconv_t cd, const uchar *from, size_t flen, struct _cpp_strbuf *to)
458 {
459   const uchar *inbuf;
460   uchar *outbuf;
461   size_t inbytesleft, outbytesleft;
462   int rval;
463
464   inbuf = from;
465   inbytesleft = flen;
466   outbuf = to->text + to->len;
467   outbytesleft = to->asize - to->len;
468
469   for (;;)
470     {
471       do
472         rval = one_conversion (cd, &inbuf, &inbytesleft,
473                                &outbuf, &outbytesleft);
474       while (inbytesleft && !rval);
475
476       if (__builtin_expect (inbytesleft == 0, 1))
477         {
478           to->len = to->asize - outbytesleft;
479           return true;
480         }
481       if (rval != E2BIG)
482         {
483           errno = rval;
484           return false;
485         }
486
487       outbytesleft += OUTBUF_BLOCK_SIZE;
488       to->asize += OUTBUF_BLOCK_SIZE;
489       to->text = XRESIZEVEC (uchar, to->text, to->asize);
490       outbuf = to->text + to->asize - outbytesleft;
491     }
492 }
493
494
495 /* These functions convert entire strings between character sets.
496    They all have the signature
497
498    bool (*)(iconv_t cd, const uchar *from, size_t flen, struct _cpp_strbuf *to);
499
500    The input string FROM is converted as specified by the function
501    name plus the iconv descriptor CD (which may be fake), and the
502    result appended to TO.  On any error, false is returned, otherwise true.  */
503
504 /* These four use the custom conversion code above.  */
505 static bool
506 convert_utf8_utf16 (iconv_t cd, const uchar *from, size_t flen,
507                     struct _cpp_strbuf *to)
508 {
509   return conversion_loop (one_utf8_to_utf16, cd, from, flen, to);
510 }
511
512 static bool
513 convert_utf8_utf32 (iconv_t cd, const uchar *from, size_t flen,
514                     struct _cpp_strbuf *to)
515 {
516   return conversion_loop (one_utf8_to_utf32, cd, from, flen, to);
517 }
518
519 static bool
520 convert_utf16_utf8 (iconv_t cd, const uchar *from, size_t flen,
521                     struct _cpp_strbuf *to)
522 {
523   return conversion_loop (one_utf16_to_utf8, cd, from, flen, to);
524 }
525
526 static bool
527 convert_utf32_utf8 (iconv_t cd, const uchar *from, size_t flen,
528                     struct _cpp_strbuf *to)
529 {
530   return conversion_loop (one_utf32_to_utf8, cd, from, flen, to);
531 }
532
533 /* Identity conversion, used when we have no alternative.  */
534 static bool
535 convert_no_conversion (iconv_t cd ATTRIBUTE_UNUSED,
536                        const uchar *from, size_t flen, struct _cpp_strbuf *to)
537 {
538   if (to->len + flen > to->asize)
539     {
540       to->asize = to->len + flen;
541       to->text = XRESIZEVEC (uchar, to->text, to->asize);
542     }
543   memcpy (to->text + to->len, from, flen);
544   to->len += flen;
545   return true;
546 }
547
548 /* And this one uses the system iconv primitive.  It's a little
549    different, since iconv's interface is a little different.  */
550 #if HAVE_ICONV
551 static bool
552 convert_using_iconv (iconv_t cd, const uchar *from, size_t flen,
553                      struct _cpp_strbuf *to)
554 {
555   ICONV_CONST char *inbuf;
556   char *outbuf;
557   size_t inbytesleft, outbytesleft;
558
559   /* Reset conversion descriptor and check that it is valid.  */
560   if (iconv (cd, 0, 0, 0, 0) == (size_t)-1)
561     return false;
562
563   inbuf = (ICONV_CONST char *)from;
564   inbytesleft = flen;
565   outbuf = (char *)to->text + to->len;
566   outbytesleft = to->asize - to->len;
567
568   for (;;)
569     {
570       iconv (cd, &inbuf, &inbytesleft, &outbuf, &outbytesleft);
571       if (__builtin_expect (inbytesleft == 0, 1))
572         {
573           to->len = to->asize - outbytesleft;
574           return true;
575         }
576       if (errno != E2BIG)
577         return false;
578
579       outbytesleft += OUTBUF_BLOCK_SIZE;
580       to->asize += OUTBUF_BLOCK_SIZE;
581       to->text = XRESIZEVEC (uchar, to->text, to->asize);
582       outbuf = (char *)to->text + to->asize - outbytesleft;
583     }
584 }
585 #else
586 #define convert_using_iconv 0 /* prevent undefined symbol error below */
587 #endif
588
589 /* Arrange for the above custom conversion logic to be used automatically
590    when conversion between a suitable pair of character sets is requested.  */
591
592 #define APPLY_CONVERSION(CONVERTER, FROM, FLEN, TO) \
593    CONVERTER.func (CONVERTER.cd, FROM, FLEN, TO)
594
595 struct conversion
596 {
597   const char *pair;
598   convert_f func;
599   iconv_t fake_cd;
600 };
601 static const struct conversion conversion_tab[] = {
602   { "UTF-8/UTF-32LE", convert_utf8_utf32, (iconv_t)0 },
603   { "UTF-8/UTF-32BE", convert_utf8_utf32, (iconv_t)1 },
604   { "UTF-8/UTF-16LE", convert_utf8_utf16, (iconv_t)0 },
605   { "UTF-8/UTF-16BE", convert_utf8_utf16, (iconv_t)1 },
606   { "UTF-32LE/UTF-8", convert_utf32_utf8, (iconv_t)0 },
607   { "UTF-32BE/UTF-8", convert_utf32_utf8, (iconv_t)1 },
608   { "UTF-16LE/UTF-8", convert_utf16_utf8, (iconv_t)0 },
609   { "UTF-16BE/UTF-8", convert_utf16_utf8, (iconv_t)1 },
610 };
611
612 /* Subroutine of cpp_init_iconv: initialize and return a
613    cset_converter structure for conversion from FROM to TO.  If
614    iconv_open() fails, issue an error and return an identity
615    converter.  Silently return an identity converter if FROM and TO
616    are identical.  */
617 static struct cset_converter
618 init_iconv_desc (cpp_reader *pfile, const char *to, const char *from)
619 {
620   struct cset_converter ret;
621   char *pair;
622   size_t i;
623
624   if (!strcasecmp (to, from))
625     {
626       ret.func = convert_no_conversion;
627       ret.cd = (iconv_t) -1;
628       return ret;
629     }
630
631   pair = (char *) alloca(strlen(to) + strlen(from) + 2);
632
633   strcpy(pair, from);
634   strcat(pair, "/");
635   strcat(pair, to);
636   for (i = 0; i < ARRAY_SIZE (conversion_tab); i++)
637     if (!strcasecmp (pair, conversion_tab[i].pair))
638       {
639         ret.func = conversion_tab[i].func;
640         ret.cd = conversion_tab[i].fake_cd;
641         return ret;
642       }
643
644   /* No custom converter - try iconv.  */
645   if (HAVE_ICONV)
646     {
647       ret.func = convert_using_iconv;
648       ret.cd = iconv_open (to, from);
649
650       if (ret.cd == (iconv_t) -1)
651         {
652           if (errno == EINVAL)
653             cpp_error (pfile, CPP_DL_ERROR, /* FIXME should be DL_SORRY */
654                        "conversion from %s to %s not supported by iconv",
655                        from, to);
656           else
657             cpp_errno (pfile, CPP_DL_ERROR, "iconv_open");
658
659           ret.func = convert_no_conversion;
660         }
661     }
662   else
663     {
664       cpp_error (pfile, CPP_DL_ERROR, /* FIXME: should be DL_SORRY */
665                  "no iconv implementation, cannot convert from %s to %s",
666                  from, to);
667       ret.func = convert_no_conversion;
668       ret.cd = (iconv_t) -1;
669     }
670   return ret;
671 }
672
673 /* If charset conversion is requested, initialize iconv(3) descriptors
674    for conversion from the source character set to the execution
675    character sets.  If iconv is not present in the C library, and
676    conversion is requested, issue an error.  */
677
678 void
679 cpp_init_iconv (cpp_reader *pfile)
680 {
681   const char *ncset = CPP_OPTION (pfile, narrow_charset);
682   const char *wcset = CPP_OPTION (pfile, wide_charset);
683   const char *default_wcset;
684
685   bool be = CPP_OPTION (pfile, bytes_big_endian);
686
687   if (CPP_OPTION (pfile, wchar_precision) >= 32)
688     default_wcset = be ? "UTF-32BE" : "UTF-32LE";
689   else if (CPP_OPTION (pfile, wchar_precision) >= 16)
690     default_wcset = be ? "UTF-16BE" : "UTF-16LE";
691   else
692     /* This effectively means that wide strings are not supported,
693        so don't do any conversion at all.  */
694    default_wcset = SOURCE_CHARSET;
695
696   if (!ncset)
697     ncset = SOURCE_CHARSET;
698   if (!wcset)
699     wcset = default_wcset;
700
701   pfile->narrow_cset_desc = init_iconv_desc (pfile, ncset, SOURCE_CHARSET);
702   pfile->wide_cset_desc = init_iconv_desc (pfile, wcset, SOURCE_CHARSET);
703 }
704
705 /* Destroy iconv(3) descriptors set up by cpp_init_iconv, if necessary.  */
706 void
707 _cpp_destroy_iconv (cpp_reader *pfile)
708 {
709   if (HAVE_ICONV)
710     {
711       if (pfile->narrow_cset_desc.func == convert_using_iconv)
712         iconv_close (pfile->narrow_cset_desc.cd);
713       if (pfile->wide_cset_desc.func == convert_using_iconv)
714         iconv_close (pfile->wide_cset_desc.cd);
715     }
716 }
717
718 /* Utility routine for use by a full compiler.  C is a character taken
719    from the *basic* source character set, encoded in the host's
720    execution encoding.  Convert it to (the target's) execution
721    encoding, and return that value.
722
723    Issues an internal error if C's representation in the narrow
724    execution character set fails to be a single-byte value (C99
725    5.2.1p3: "The representation of each member of the source and
726    execution character sets shall fit in a byte.")  May also issue an
727    internal error if C fails to be a member of the basic source
728    character set (testing this exactly is too hard, especially when
729    the host character set is EBCDIC).  */
730 cppchar_t
731 cpp_host_to_exec_charset (cpp_reader *pfile, cppchar_t c)
732 {
733   uchar sbuf[1];
734   struct _cpp_strbuf tbuf;
735
736   /* This test is merely an approximation, but it suffices to catch
737      the most important thing, which is that we don't get handed a
738      character outside the unibyte range of the host character set.  */
739   if (c > LAST_POSSIBLY_BASIC_SOURCE_CHAR)
740     {
741       cpp_error (pfile, CPP_DL_ICE,
742                  "character 0x%lx is not in the basic source character set\n",
743                  (unsigned long)c);
744       return 0;
745     }
746
747   /* Being a character in the unibyte range of the host character set,
748      we can safely splat it into a one-byte buffer and trust that that
749      is a well-formed string.  */
750   sbuf[0] = c;
751
752   /* This should never need to reallocate, but just in case... */
753   tbuf.asize = 1;
754   tbuf.text = XNEWVEC (uchar, tbuf.asize);
755   tbuf.len = 0;
756
757   if (!APPLY_CONVERSION (pfile->narrow_cset_desc, sbuf, 1, &tbuf))
758     {
759       cpp_errno (pfile, CPP_DL_ICE, "converting to execution character set");
760       return 0;
761     }
762   if (tbuf.len != 1)
763     {
764       cpp_error (pfile, CPP_DL_ICE,
765                  "character 0x%lx is not unibyte in execution character set",
766                  (unsigned long)c);
767       return 0;
768     }
769   c = tbuf.text[0];
770   free(tbuf.text);
771   return c;
772 }
773
774 \f
775
776 /* Utility routine that computes a mask of the form 0000...111... with
777    WIDTH 1-bits.  */
778 static inline size_t
779 width_to_mask (size_t width)
780 {
781   width = MIN (width, BITS_PER_CPPCHAR_T);
782   if (width >= CHAR_BIT * sizeof (size_t))
783     return ~(size_t) 0;
784   else
785     return ((size_t) 1 << width) - 1;
786 }
787
788 /* A large table of unicode character information.  */
789 enum {
790   /* Valid in a C99 identifier?  */
791   C99 = 1,
792   /* Valid in a C99 identifier, but not as the first character?  */
793   DIG = 2,
794   /* Valid in a C++ identifier?  */
795   CXX = 4,
796   /* NFC representation is not valid in an identifier?  */
797   CID = 8,
798   /* Might be valid NFC form?  */
799   NFC = 16,
800   /* Might be valid NFKC form?  */
801   NKC = 32,
802   /* Certain preceding characters might make it not valid NFC/NKFC form?  */
803   CTX = 64
804 };
805
806 static const struct {
807   /* Bitmap of flags above.  */
808   unsigned char flags;
809   /* Combining class of the character.  */
810   unsigned char combine;
811   /* Last character in the range described by this entry.  */
812   unsigned short end;
813 } ucnranges[] = {
814 #include "ucnid.h"
815 };
816
817 /* Returns 1 if C is valid in an identifier, 2 if C is valid except at
818    the start of an identifier, and 0 if C is not valid in an
819    identifier.  We assume C has already gone through the checks of
820    _cpp_valid_ucn.  Also update NST for C if returning nonzero.  The
821    algorithm is a simple binary search on the table defined in
822    ucnid.h.  */
823
824 static int
825 ucn_valid_in_identifier (cpp_reader *pfile, cppchar_t c,
826                          struct normalize_state *nst)
827 {
828   int mn, mx, md;
829
830   if (c > 0xFFFF)
831     return 0;
832
833   mn = 0;
834   mx = ARRAY_SIZE (ucnranges) - 1;
835   while (mx != mn)
836     {
837       md = (mn + mx) / 2;
838       if (c <= ucnranges[md].end)
839         mx = md;
840       else
841         mn = md + 1;
842     }
843
844   /* When -pedantic, we require the character to have been listed by
845      the standard for the current language.  Otherwise, we accept the
846      union of the acceptable sets for C++98 and C99.  */
847   if (! (ucnranges[mn].flags & (C99 | CXX)))
848       return 0;
849
850   if (CPP_PEDANTIC (pfile)
851       && ((CPP_OPTION (pfile, c99) && !(ucnranges[mn].flags & C99))
852           || (CPP_OPTION (pfile, cplusplus)
853               && !(ucnranges[mn].flags & CXX))))
854     return 0;
855
856   /* Update NST.  */
857   if (ucnranges[mn].combine != 0 && ucnranges[mn].combine < nst->prev_class)
858     nst->level = normalized_none;
859   else if (ucnranges[mn].flags & CTX)
860     {
861       bool safe;
862       cppchar_t p = nst->previous;
863
864       /* Easy cases from Bengali, Oriya, Tamil, Jannada, and Malayalam.  */
865       if (c == 0x09BE)
866         safe = p != 0x09C7;  /* Use 09CB instead of 09C7 09BE.  */
867       else if (c == 0x0B3E)
868         safe = p != 0x0B47;  /* Use 0B4B instead of 0B47 0B3E.  */
869       else if (c == 0x0BBE)
870         safe = p != 0x0BC6 && p != 0x0BC7;  /* Use 0BCA/0BCB instead.  */
871       else if (c == 0x0CC2)
872         safe = p != 0x0CC6;  /* Use 0CCA instead of 0CC6 0CC2.  */
873       else if (c == 0x0D3E)
874         safe = p != 0x0D46 && p != 0x0D47;  /* Use 0D4A/0D4B instead.  */
875       /* For Hangul, characters in the range AC00-D7A3 are NFC/NFKC,
876          and are combined algorithmically from a sequence of the form
877          1100-1112 1161-1175 11A8-11C2
878          (if the third is not present, it is treated as 11A7, which is not
879          really a valid character).
880          Unfortunately, C99 allows (only) the NFC form, but C++ allows
881          only the combining characters.  */
882       else if (c >= 0x1161 && c <= 0x1175)
883         safe = p < 0x1100 || p > 0x1112;
884       else if (c >= 0x11A8 && c <= 0x11C2)
885         safe = (p < 0xAC00 || p > 0xD7A3 || (p - 0xAC00) % 28 != 0);
886       else
887         {
888           /* Uh-oh, someone updated ucnid.h without updating this code.  */
889           cpp_error (pfile, CPP_DL_ICE, "Character %x might not be NFKC", c);
890           safe = true;
891         }
892       if (!safe && c < 0x1161)
893         nst->level = normalized_none;
894       else if (!safe)
895         nst->level = MAX (nst->level, normalized_identifier_C);
896     }
897   else if (ucnranges[mn].flags & NKC)
898     ;
899   else if (ucnranges[mn].flags & NFC)
900     nst->level = MAX (nst->level, normalized_C);
901   else if (ucnranges[mn].flags & CID)
902     nst->level = MAX (nst->level, normalized_identifier_C);
903   else
904     nst->level = normalized_none;
905   nst->previous = c;
906   nst->prev_class = ucnranges[mn].combine;
907
908   /* In C99, UCN digits may not begin identifiers.  */
909   if (CPP_OPTION (pfile, c99) && (ucnranges[mn].flags & DIG))
910     return 2;
911
912   return 1;
913 }
914
915 /* [lex.charset]: The character designated by the universal character
916    name \UNNNNNNNN is that character whose character short name in
917    ISO/IEC 10646 is NNNNNNNN; the character designated by the
918    universal character name \uNNNN is that character whose character
919    short name in ISO/IEC 10646 is 0000NNNN.  If the hexadecimal value
920    for a universal character name is less than 0x20 or in the range
921    0x7F-0x9F (inclusive), or if the universal character name
922    designates a character in the basic source character set, then the
923    program is ill-formed.
924
925    *PSTR must be preceded by "\u" or "\U"; it is assumed that the
926    buffer end is delimited by a non-hex digit.  Returns zero if the
927    UCN has not been consumed.
928
929    Otherwise the nonzero value of the UCN, whether valid or invalid,
930    is returned.  Diagnostics are emitted for invalid values.  PSTR
931    is updated to point one beyond the UCN, or to the syntactically
932    invalid character.
933
934    IDENTIFIER_POS is 0 when not in an identifier, 1 for the start of
935    an identifier, or 2 otherwise.  */
936
937 cppchar_t
938 _cpp_valid_ucn (cpp_reader *pfile, const uchar **pstr,
939                 const uchar *limit, int identifier_pos,
940                 struct normalize_state *nst)
941 {
942   cppchar_t result, c;
943   unsigned int length;
944   const uchar *str = *pstr;
945   const uchar *base = str - 2;
946
947   if (!CPP_OPTION (pfile, cplusplus) && !CPP_OPTION (pfile, c99))
948     cpp_error (pfile, CPP_DL_WARNING,
949                "universal character names are only valid in C++ and C99");
950   else if (CPP_WTRADITIONAL (pfile) && identifier_pos == 0)
951     cpp_error (pfile, CPP_DL_WARNING,
952                "the meaning of '\\%c' is different in traditional C",
953                (int) str[-1]);
954
955   if (str[-1] == 'u')
956     length = 4;
957   else if (str[-1] == 'U')
958     length = 8;
959   else
960     {
961       cpp_error (pfile, CPP_DL_ICE, "In _cpp_valid_ucn but not a UCN");
962       length = 4;
963     }
964
965   result = 0;
966   do
967     {
968       c = *str;
969       if (!ISXDIGIT (c))
970         break;
971       str++;
972       result = (result << 4) + hex_value (c);
973     }
974   while (--length && str < limit);
975
976   /* Partial UCNs are not valid in strings, but decompose into
977      multiple tokens in identifiers, so we can't give a helpful
978      error message in that case.  */
979   if (length && identifier_pos)
980     return 0;
981   
982   *pstr = str;
983   if (length)
984     {
985       cpp_error (pfile, CPP_DL_ERROR,
986                  "incomplete universal character name %.*s",
987                  (int) (str - base), base);
988       result = 1;
989     }
990   /* The standard permits $, @ and ` to be specified as UCNs.  We use
991      hex escapes so that this also works with EBCDIC hosts.  */
992   else if ((result < 0xa0
993             && (result != 0x24 && result != 0x40 && result != 0x60))
994            || (result & 0x80000000)
995            || (result >= 0xD800 && result <= 0xDFFF))
996     {
997       cpp_error (pfile, CPP_DL_ERROR,
998                  "%.*s is not a valid universal character",
999                  (int) (str - base), base);
1000       result = 1;
1001     }
1002   else if (identifier_pos && result == 0x24 
1003            && CPP_OPTION (pfile, dollars_in_ident))
1004     {
1005       if (CPP_OPTION (pfile, warn_dollars) && !pfile->state.skipping)
1006         {
1007           CPP_OPTION (pfile, warn_dollars) = 0;
1008           cpp_error (pfile, CPP_DL_PEDWARN, "'$' in identifier or number");
1009         }
1010       NORMALIZE_STATE_UPDATE_IDNUM (nst);
1011     }
1012   else if (identifier_pos)
1013     {
1014       int validity = ucn_valid_in_identifier (pfile, result, nst);
1015
1016       if (validity == 0)
1017         cpp_error (pfile, CPP_DL_ERROR,
1018                    "universal character %.*s is not valid in an identifier",
1019                    (int) (str - base), base);
1020       else if (validity == 2 && identifier_pos == 1)
1021         cpp_error (pfile, CPP_DL_ERROR,
1022    "universal character %.*s is not valid at the start of an identifier",
1023                    (int) (str - base), base);
1024     }
1025
1026   if (result == 0)
1027     result = 1;
1028
1029   return result;
1030 }
1031
1032 /* Convert an UCN, pointed to by FROM, to UTF-8 encoding, then translate
1033    it to the execution character set and write the result into TBUF.
1034    An advanced pointer is returned.  Issues all relevant diagnostics.  */
1035 static const uchar *
1036 convert_ucn (cpp_reader *pfile, const uchar *from, const uchar *limit,
1037              struct _cpp_strbuf *tbuf, bool wide)
1038 {
1039   cppchar_t ucn;
1040   uchar buf[6];
1041   uchar *bufp = buf;
1042   size_t bytesleft = 6;
1043   int rval;
1044   struct cset_converter cvt
1045     = wide ? pfile->wide_cset_desc : pfile->narrow_cset_desc;
1046   struct normalize_state nst = INITIAL_NORMALIZE_STATE;
1047
1048   from++;  /* Skip u/U.  */
1049   ucn = _cpp_valid_ucn (pfile, &from, limit, 0, &nst);
1050
1051   rval = one_cppchar_to_utf8 (ucn, &bufp, &bytesleft);
1052   if (rval)
1053     {
1054       errno = rval;
1055       cpp_errno (pfile, CPP_DL_ERROR,
1056                  "converting UCN to source character set");
1057     }
1058   else if (!APPLY_CONVERSION (cvt, buf, 6 - bytesleft, tbuf))
1059     cpp_errno (pfile, CPP_DL_ERROR,
1060                "converting UCN to execution character set");
1061
1062   return from;
1063 }
1064
1065 /* Subroutine of convert_hex and convert_oct.  N is the representation
1066    in the execution character set of a numeric escape; write it into the
1067    string buffer TBUF and update the end-of-string pointer therein.  WIDE
1068    is true if it's a wide string that's being assembled in TBUF.  This
1069    function issues no diagnostics and never fails.  */
1070 static void
1071 emit_numeric_escape (cpp_reader *pfile, cppchar_t n,
1072                      struct _cpp_strbuf *tbuf, bool wide)
1073 {
1074   if (wide)
1075     {
1076       /* We have to render this into the target byte order, which may not
1077          be our byte order.  */
1078       bool bigend = CPP_OPTION (pfile, bytes_big_endian);
1079       size_t width = CPP_OPTION (pfile, wchar_precision);
1080       size_t cwidth = CPP_OPTION (pfile, char_precision);
1081       size_t cmask = width_to_mask (cwidth);
1082       size_t nbwc = width / cwidth;
1083       size_t i;
1084       size_t off = tbuf->len;
1085       cppchar_t c;
1086
1087       if (tbuf->len + nbwc > tbuf->asize)
1088         {
1089           tbuf->asize += OUTBUF_BLOCK_SIZE;
1090           tbuf->text = XRESIZEVEC (uchar, tbuf->text, tbuf->asize);
1091         }
1092
1093       for (i = 0; i < nbwc; i++)
1094         {
1095           c = n & cmask;
1096           n >>= cwidth;
1097           tbuf->text[off + (bigend ? nbwc - i - 1 : i)] = c;
1098         }
1099       tbuf->len += nbwc;
1100     }
1101   else
1102     {
1103       /* Note: this code does not handle the case where the target
1104          and host have a different number of bits in a byte.  */
1105       if (tbuf->len + 1 > tbuf->asize)
1106         {
1107           tbuf->asize += OUTBUF_BLOCK_SIZE;
1108           tbuf->text = XRESIZEVEC (uchar, tbuf->text, tbuf->asize);
1109         }
1110       tbuf->text[tbuf->len++] = n;
1111     }
1112 }
1113
1114 /* Convert a hexadecimal escape, pointed to by FROM, to the execution
1115    character set and write it into the string buffer TBUF.  Returns an
1116    advanced pointer, and issues diagnostics as necessary.
1117    No character set translation occurs; this routine always produces the
1118    execution-set character with numeric value equal to the given hex
1119    number.  You can, e.g. generate surrogate pairs this way.  */
1120 static const uchar *
1121 convert_hex (cpp_reader *pfile, const uchar *from, const uchar *limit,
1122              struct _cpp_strbuf *tbuf, bool wide)
1123 {
1124   cppchar_t c, n = 0, overflow = 0;
1125   int digits_found = 0;
1126   size_t width = (wide ? CPP_OPTION (pfile, wchar_precision)
1127                   : CPP_OPTION (pfile, char_precision));
1128   size_t mask = width_to_mask (width);
1129
1130   if (CPP_WTRADITIONAL (pfile))
1131     cpp_error (pfile, CPP_DL_WARNING,
1132                "the meaning of '\\x' is different in traditional C");
1133
1134   from++;  /* Skip 'x'.  */
1135   while (from < limit)
1136     {
1137       c = *from;
1138       if (! hex_p (c))
1139         break;
1140       from++;
1141       overflow |= n ^ (n << 4 >> 4);
1142       n = (n << 4) + hex_value (c);
1143       digits_found = 1;
1144     }
1145
1146   if (!digits_found)
1147     {
1148       cpp_error (pfile, CPP_DL_ERROR,
1149                  "\\x used with no following hex digits");
1150       return from;
1151     }
1152
1153   if (overflow | (n != (n & mask)))
1154     {
1155       cpp_error (pfile, CPP_DL_PEDWARN,
1156                  "hex escape sequence out of range");
1157       n &= mask;
1158     }
1159
1160   emit_numeric_escape (pfile, n, tbuf, wide);
1161
1162   return from;
1163 }
1164
1165 /* Convert an octal escape, pointed to by FROM, to the execution
1166    character set and write it into the string buffer TBUF.  Returns an
1167    advanced pointer, and issues diagnostics as necessary.
1168    No character set translation occurs; this routine always produces the
1169    execution-set character with numeric value equal to the given octal
1170    number.  */
1171 static const uchar *
1172 convert_oct (cpp_reader *pfile, const uchar *from, const uchar *limit,
1173              struct _cpp_strbuf *tbuf, bool wide)
1174 {
1175   size_t count = 0;
1176   cppchar_t c, n = 0;
1177   size_t width = (wide ? CPP_OPTION (pfile, wchar_precision)
1178                   : CPP_OPTION (pfile, char_precision));
1179   size_t mask = width_to_mask (width);
1180   bool overflow = false;
1181
1182   while (from < limit && count++ < 3)
1183     {
1184       c = *from;
1185       if (c < '0' || c > '7')
1186         break;
1187       from++;
1188       overflow |= n ^ (n << 3 >> 3);
1189       n = (n << 3) + c - '0';
1190     }
1191
1192   if (n != (n & mask))
1193     {
1194       cpp_error (pfile, CPP_DL_PEDWARN,
1195                  "octal escape sequence out of range");
1196       n &= mask;
1197     }
1198
1199   emit_numeric_escape (pfile, n, tbuf, wide);
1200
1201   return from;
1202 }
1203
1204 /* Convert an escape sequence (pointed to by FROM) to its value on
1205    the target, and to the execution character set.  Do not scan past
1206    LIMIT.  Write the converted value into TBUF.  Returns an advanced
1207    pointer.  Handles all relevant diagnostics.  */
1208 static const uchar *
1209 convert_escape (cpp_reader *pfile, const uchar *from, const uchar *limit,
1210                 struct _cpp_strbuf *tbuf, bool wide)
1211 {
1212   /* Values of \a \b \e \f \n \r \t \v respectively.  */
1213 #if HOST_CHARSET == HOST_CHARSET_ASCII
1214   static const uchar charconsts[] = {  7,  8, 27, 12, 10, 13,  9, 11 };
1215 #elif HOST_CHARSET == HOST_CHARSET_EBCDIC
1216   static const uchar charconsts[] = { 47, 22, 39, 12, 21, 13,  5, 11 };
1217 #else
1218 #error "unknown host character set"
1219 #endif
1220
1221   uchar c;
1222   struct cset_converter cvt
1223     = wide ? pfile->wide_cset_desc : pfile->narrow_cset_desc;
1224
1225   c = *from;
1226   switch (c)
1227     {
1228       /* UCNs, hex escapes, and octal escapes are processed separately.  */
1229     case 'u': case 'U':
1230       return convert_ucn (pfile, from, limit, tbuf, wide);
1231
1232     case 'x':
1233       return convert_hex (pfile, from, limit, tbuf, wide);
1234       break;
1235
1236     case '0':  case '1':  case '2':  case '3':
1237     case '4':  case '5':  case '6':  case '7':
1238       return convert_oct (pfile, from, limit, tbuf, wide);
1239
1240       /* Various letter escapes.  Get the appropriate host-charset
1241          value into C.  */
1242     case '\\': case '\'': case '"': case '?': break;
1243
1244     case '(': case '{': case '[': case '%':
1245       /* '\(', etc, can be used at the beginning of a line in a long
1246          string split onto multiple lines with \-newline, to prevent
1247          Emacs or other text editors from getting confused.  '\%' can
1248          be used to prevent SCCS from mangling printf format strings.  */
1249       if (CPP_PEDANTIC (pfile))
1250         goto unknown;
1251       break;
1252
1253     case 'b': c = charconsts[1];  break;
1254     case 'f': c = charconsts[3];  break;
1255     case 'n': c = charconsts[4];  break;
1256     case 'r': c = charconsts[5];  break;
1257     case 't': c = charconsts[6];  break;
1258     case 'v': c = charconsts[7];  break;
1259
1260     case 'a':
1261       if (CPP_WTRADITIONAL (pfile))
1262         cpp_error (pfile, CPP_DL_WARNING,
1263                    "the meaning of '\\a' is different in traditional C");
1264       c = charconsts[0];
1265       break;
1266
1267     case 'e': case 'E':
1268       if (CPP_PEDANTIC (pfile))
1269         cpp_error (pfile, CPP_DL_PEDWARN,
1270                    "non-ISO-standard escape sequence, '\\%c'", (int) c);
1271       c = charconsts[2];
1272       break;
1273
1274     default:
1275     unknown:
1276       if (ISGRAPH (c))
1277         cpp_error (pfile, CPP_DL_PEDWARN,
1278                    "unknown escape sequence '\\%c'", (int) c);
1279       else
1280         {
1281           /* diagnostic.c does not support "%03o".  When it does, this
1282              code can use %03o directly in the diagnostic again.  */
1283           char buf[32];
1284           sprintf(buf, "%03o", (int) c);
1285           cpp_error (pfile, CPP_DL_PEDWARN,
1286                      "unknown escape sequence: '\\%s'", buf);
1287         }
1288     }
1289
1290   /* Now convert what we have to the execution character set.  */
1291   if (!APPLY_CONVERSION (cvt, &c, 1, tbuf))
1292     cpp_errno (pfile, CPP_DL_ERROR,
1293                "converting escape sequence to execution character set");
1294
1295   return from + 1;
1296 }
1297 \f
1298 /* FROM is an array of cpp_string structures of length COUNT.  These
1299    are to be converted from the source to the execution character set,
1300    escape sequences translated, and finally all are to be
1301    concatenated.  WIDE indicates whether or not to produce a wide
1302    string.  The result is written into TO.  Returns true for success,
1303    false for failure.  */
1304 bool
1305 cpp_interpret_string (cpp_reader *pfile, const cpp_string *from, size_t count,
1306                       cpp_string *to, bool wide)
1307 {
1308   struct _cpp_strbuf tbuf;
1309   const uchar *p, *base, *limit;
1310   size_t i;
1311   struct cset_converter cvt
1312     = wide ? pfile->wide_cset_desc : pfile->narrow_cset_desc;
1313
1314   tbuf.asize = MAX (OUTBUF_BLOCK_SIZE, from->len);
1315   tbuf.text = XNEWVEC (uchar, tbuf.asize);
1316   tbuf.len = 0;
1317
1318   for (i = 0; i < count; i++)
1319     {
1320       p = from[i].text;
1321       if (*p == 'L') p++;
1322       p++; /* Skip leading quote.  */
1323       limit = from[i].text + from[i].len - 1; /* Skip trailing quote.  */
1324
1325       for (;;)
1326         {
1327           base = p;
1328           while (p < limit && *p != '\\')
1329             p++;
1330           if (p > base)
1331             {
1332               /* We have a run of normal characters; these can be fed
1333                  directly to convert_cset.  */
1334               if (!APPLY_CONVERSION (cvt, base, p - base, &tbuf))
1335                 goto fail;
1336             }
1337           if (p == limit)
1338             break;
1339
1340           p = convert_escape (pfile, p + 1, limit, &tbuf, wide);
1341         }
1342     }
1343   /* NUL-terminate the 'to' buffer and translate it to a cpp_string
1344      structure.  */
1345   emit_numeric_escape (pfile, 0, &tbuf, wide);
1346   tbuf.text = XRESIZEVEC (uchar, tbuf.text, tbuf.len);
1347   to->text = tbuf.text;
1348   to->len = tbuf.len;
1349   return true;
1350
1351  fail:
1352   cpp_errno (pfile, CPP_DL_ERROR, "converting to execution character set");
1353   free (tbuf.text);
1354   return false;
1355 }
1356
1357 /* Subroutine of do_line and do_linemarker.  Convert escape sequences
1358    in a string, but do not perform character set conversion.  */
1359 bool
1360 cpp_interpret_string_notranslate (cpp_reader *pfile, const cpp_string *from,
1361                                   size_t count, cpp_string *to, bool wide)
1362 {
1363   struct cset_converter save_narrow_cset_desc = pfile->narrow_cset_desc;
1364   bool retval;
1365
1366   pfile->narrow_cset_desc.func = convert_no_conversion;
1367   pfile->narrow_cset_desc.cd = (iconv_t) -1;
1368
1369   retval = cpp_interpret_string (pfile, from, count, to, wide);
1370
1371   pfile->narrow_cset_desc = save_narrow_cset_desc;
1372   return retval;
1373 }
1374
1375 \f
1376 /* Subroutine of cpp_interpret_charconst which performs the conversion
1377    to a number, for narrow strings.  STR is the string structure returned
1378    by cpp_interpret_string.  PCHARS_SEEN and UNSIGNEDP are as for
1379    cpp_interpret_charconst.  */
1380 static cppchar_t
1381 narrow_str_to_charconst (cpp_reader *pfile, cpp_string str,
1382                          unsigned int *pchars_seen, int *unsignedp)
1383 {
1384   size_t width = CPP_OPTION (pfile, char_precision);
1385   size_t max_chars = CPP_OPTION (pfile, int_precision) / width;
1386   size_t mask = width_to_mask (width);
1387   size_t i;
1388   cppchar_t result, c;
1389   bool unsigned_p;
1390
1391   /* The value of a multi-character character constant, or a
1392      single-character character constant whose representation in the
1393      execution character set is more than one byte long, is
1394      implementation defined.  This implementation defines it to be the
1395      number formed by interpreting the byte sequence in memory as a
1396      big-endian binary number.  If overflow occurs, the high bytes are
1397      lost, and a warning is issued.
1398
1399      We don't want to process the NUL terminator handed back by
1400      cpp_interpret_string.  */
1401   result = 0;
1402   for (i = 0; i < str.len - 1; i++)
1403     {
1404       c = str.text[i] & mask;
1405       if (width < BITS_PER_CPPCHAR_T)
1406         result = (result << width) | c;
1407       else
1408         result = c;
1409     }
1410
1411   if (i > max_chars)
1412     {
1413       i = max_chars;
1414       cpp_error (pfile, CPP_DL_WARNING,
1415                  "character constant too long for its type");
1416     }
1417   else if (i > 1 && CPP_OPTION (pfile, warn_multichar))
1418     cpp_error (pfile, CPP_DL_WARNING, "multi-character character constant");
1419
1420   /* Multichar constants are of type int and therefore signed.  */
1421   if (i > 1)
1422     unsigned_p = 0;
1423   else
1424     unsigned_p = CPP_OPTION (pfile, unsigned_char);
1425
1426   /* Truncate the constant to its natural width, and simultaneously
1427      sign- or zero-extend to the full width of cppchar_t.
1428      For single-character constants, the value is WIDTH bits wide.
1429      For multi-character constants, the value is INT_PRECISION bits wide.  */
1430   if (i > 1)
1431     width = CPP_OPTION (pfile, int_precision);
1432   if (width < BITS_PER_CPPCHAR_T)
1433     {
1434       mask = ((cppchar_t) 1 << width) - 1;
1435       if (unsigned_p || !(result & (1 << (width - 1))))
1436         result &= mask;
1437       else
1438         result |= ~mask;
1439     }
1440   *pchars_seen = i;
1441   *unsignedp = unsigned_p;
1442   return result;
1443 }
1444
1445 /* Subroutine of cpp_interpret_charconst which performs the conversion
1446    to a number, for wide strings.  STR is the string structure returned
1447    by cpp_interpret_string.  PCHARS_SEEN and UNSIGNEDP are as for
1448    cpp_interpret_charconst.  */
1449 static cppchar_t
1450 wide_str_to_charconst (cpp_reader *pfile, cpp_string str,
1451                        unsigned int *pchars_seen, int *unsignedp)
1452 {
1453   bool bigend = CPP_OPTION (pfile, bytes_big_endian);
1454   size_t width = CPP_OPTION (pfile, wchar_precision);
1455   size_t cwidth = CPP_OPTION (pfile, char_precision);
1456   size_t mask = width_to_mask (width);
1457   size_t cmask = width_to_mask (cwidth);
1458   size_t nbwc = width / cwidth;
1459   size_t off, i;
1460   cppchar_t result = 0, c;
1461
1462   /* This is finicky because the string is in the target's byte order,
1463      which may not be our byte order.  Only the last character, ignoring
1464      the NUL terminator, is relevant.  */
1465   off = str.len - (nbwc * 2);
1466   result = 0;
1467   for (i = 0; i < nbwc; i++)
1468     {
1469       c = bigend ? str.text[off + i] : str.text[off + nbwc - i - 1];
1470       result = (result << cwidth) | (c & cmask);
1471     }
1472
1473   /* Wide character constants have type wchar_t, and a single
1474      character exactly fills a wchar_t, so a multi-character wide
1475      character constant is guaranteed to overflow.  */
1476   if (off > 0)
1477     cpp_error (pfile, CPP_DL_WARNING,
1478                "character constant too long for its type");
1479
1480   /* Truncate the constant to its natural width, and simultaneously
1481      sign- or zero-extend to the full width of cppchar_t.  */
1482   if (width < BITS_PER_CPPCHAR_T)
1483     {
1484       if (CPP_OPTION (pfile, unsigned_wchar) || !(result & (1 << (width - 1))))
1485         result &= mask;
1486       else
1487         result |= ~mask;
1488     }
1489
1490   *unsignedp = CPP_OPTION (pfile, unsigned_wchar);
1491   *pchars_seen = 1;
1492   return result;
1493 }
1494
1495 /* Interpret a (possibly wide) character constant in TOKEN.
1496    PCHARS_SEEN points to a variable that is filled in with the number
1497    of characters seen, and UNSIGNEDP to a variable that indicates
1498    whether the result has signed type.  */
1499 cppchar_t
1500 cpp_interpret_charconst (cpp_reader *pfile, const cpp_token *token,
1501                          unsigned int *pchars_seen, int *unsignedp)
1502 {
1503   cpp_string str = { 0, 0 };
1504   bool wide = (token->type == CPP_WCHAR);
1505   cppchar_t result;
1506
1507   /* an empty constant will appear as L'' or '' */
1508   if (token->val.str.len == (size_t) (2 + wide))
1509     {
1510       cpp_error (pfile, CPP_DL_ERROR, "empty character constant");
1511       return 0;
1512     }
1513   else if (!cpp_interpret_string (pfile, &token->val.str, 1, &str, wide))
1514     return 0;
1515
1516   if (wide)
1517     result = wide_str_to_charconst (pfile, str, pchars_seen, unsignedp);
1518   else
1519     result = narrow_str_to_charconst (pfile, str, pchars_seen, unsignedp);
1520
1521   if (str.text != token->val.str.text)
1522     free ((void *)str.text);
1523
1524   return result;
1525 }
1526 \f
1527 /* Convert an identifier denoted by ID and LEN, which might contain
1528    UCN escapes, to the source character set, either UTF-8 or
1529    UTF-EBCDIC.  Assumes that the identifier is actually a valid identifier.  */
1530 cpp_hashnode *
1531 _cpp_interpret_identifier (cpp_reader *pfile, const uchar *id, size_t len)
1532 {
1533   /* It turns out that a UCN escape always turns into fewer characters
1534      than the escape itself, so we can allocate a temporary in advance.  */
1535   uchar * buf = (uchar *) alloca (len + 1);
1536   uchar * bufp = buf;
1537   size_t idp;
1538   
1539   for (idp = 0; idp < len; idp++)
1540     if (id[idp] != '\\')
1541       *bufp++ = id[idp];
1542     else
1543       {
1544         unsigned length = id[idp+1] == 'u' ? 4 : 8;
1545         cppchar_t value = 0;
1546         size_t bufleft = len - (bufp - buf);
1547         int rval;
1548
1549         idp += 2;
1550         while (length && idp < len && ISXDIGIT (id[idp]))
1551           {
1552             value = (value << 4) + hex_value (id[idp]);
1553             idp++;
1554             length--;
1555           }
1556         idp--;
1557
1558         /* Special case for EBCDIC: if the identifier contains
1559            a '$' specified using a UCN, translate it to EBCDIC.  */
1560         if (value == 0x24)
1561           {
1562             *bufp++ = '$';
1563             continue;
1564           }
1565
1566         rval = one_cppchar_to_utf8 (value, &bufp, &bufleft);
1567         if (rval)
1568           {
1569             errno = rval;
1570             cpp_errno (pfile, CPP_DL_ERROR,
1571                        "converting UCN to source character set");
1572             break;
1573           }
1574       }
1575
1576   return CPP_HASHNODE (ht_lookup (pfile->hash_table, 
1577                                   buf, bufp - buf, HT_ALLOC));
1578 }
1579 \f
1580 /* Convert an input buffer (containing the complete contents of one
1581    source file) from INPUT_CHARSET to the source character set.  INPUT
1582    points to the input buffer, SIZE is its allocated size, and LEN is
1583    the length of the meaningful data within the buffer.  The
1584    translated buffer is returned, and *ST_SIZE is set to the length of
1585    the meaningful data within the translated buffer.
1586
1587    INPUT is expected to have been allocated with xmalloc.  This function
1588    will either return INPUT, or free it and return a pointer to another
1589    xmalloc-allocated block of memory.  */
1590 uchar * 
1591 _cpp_convert_input (cpp_reader *pfile, const char *input_charset,
1592                     uchar *input, size_t size, size_t len, off_t *st_size)
1593 {
1594   struct cset_converter input_cset;
1595   struct _cpp_strbuf to;
1596
1597   input_cset = init_iconv_desc (pfile, SOURCE_CHARSET, input_charset);
1598   if (input_cset.func == convert_no_conversion)
1599     {
1600       to.text = input;
1601       to.asize = size;
1602       to.len = len;
1603     }
1604   else
1605     {
1606       to.asize = MAX (65536, len);
1607       to.text = XNEWVEC (uchar, to.asize);
1608       to.len = 0;
1609
1610       if (!APPLY_CONVERSION (input_cset, input, len, &to))
1611         cpp_error (pfile, CPP_DL_ERROR,
1612                    "failure to convert %s to %s",
1613                    CPP_OPTION (pfile, input_charset), SOURCE_CHARSET);
1614
1615       free (input);
1616     }
1617
1618   /* Clean up the mess.  */
1619   if (input_cset.func == convert_using_iconv)
1620     iconv_close (input_cset.cd);
1621
1622   /* Resize buffer if we allocated substantially too much, or if we
1623      haven't enough space for the \n-terminator.  */
1624   if (to.len + 4096 < to.asize || to.len >= to.asize)
1625     to.text = XRESIZEVEC (uchar, to.text, to.len + 1);
1626
1627   /* If the file is using old-school Mac line endings (\r only),
1628      terminate with another \r, not an \n, so that we do not mistake
1629      the \r\n sequence for a single DOS line ending and erroneously
1630      issue the "No newline at end of file" diagnostic.  */
1631   if (to.len && to.text[to.len - 1] == '\r')
1632     to.text[to.len] = '\r';
1633   else
1634     to.text[to.len] = '\n';
1635
1636   *st_size = to.len;
1637   return to.text;
1638 }
1639
1640 /* Decide on the default encoding to assume for input files.  */
1641 const char *
1642 _cpp_default_encoding (void)
1643 {
1644   const char *current_encoding = NULL;
1645
1646   /* We disable this because the default codeset is 7-bit ASCII on
1647      most platforms, and this causes conversion failures on every
1648      file in GCC that happens to have one of the upper 128 characters
1649      in it -- most likely, as part of the name of a contributor.
1650      We should definitely recognize in-band markers of file encoding,
1651      like:
1652      - the appropriate Unicode byte-order mark (FE FF) to recognize
1653        UTF16 and UCS4 (in both big-endian and little-endian flavors)
1654        and UTF8
1655      - a "#i", "#d", "/ *", "//", " #p" or "#p" (for #pragma) to
1656        distinguish ASCII and EBCDIC.
1657      - now we can parse something like "#pragma GCC encoding <xyz>
1658        on the first line, or even Emacs/VIM's mode line tags (there's
1659        a problem here in that VIM uses the last line, and Emacs has
1660        its more elaborate "local variables" convention).
1661      - investigate whether Java has another common convention, which
1662        would be friendly to support.
1663      (Zack Weinberg and Paolo Bonzini, May 20th 2004)  */
1664 #if defined (HAVE_LOCALE_H) && defined (HAVE_LANGINFO_CODESET) && 0
1665   setlocale (LC_CTYPE, "");
1666   current_encoding = nl_langinfo (CODESET);
1667 #endif
1668   if (current_encoding == NULL || *current_encoding == '\0')
1669     current_encoding = SOURCE_CHARSET;
1670
1671   return current_encoding;
1672 }