OSDN Git Service

PR driver/40144
[pf3gnuchains/gcc-fork.git] / libcpp / charset.c
1 /* CPP Library - charsets
2    Copyright (C) 1998, 1999, 2000, 2001, 2002, 2003, 2004, 2006, 2008, 2009
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 3, 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; see the file COPYING3.  If not see
19 <http://www.gnu.org/licenses/>.  */
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, 0x03, 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
552 #define CONVERT_ICONV_GROW_BUFFER \
553   do { \
554       outbytesleft += OUTBUF_BLOCK_SIZE; \
555       to->asize += OUTBUF_BLOCK_SIZE; \
556       to->text = XRESIZEVEC (uchar, to->text, to->asize); \
557       outbuf = (char *)to->text + to->asize - outbytesleft; \
558   } while (0)
559
560 static bool
561 convert_using_iconv (iconv_t cd, const uchar *from, size_t flen,
562                      struct _cpp_strbuf *to)
563 {
564   ICONV_CONST char *inbuf;
565   char *outbuf;
566   size_t inbytesleft, outbytesleft;
567
568   /* Reset conversion descriptor and check that it is valid.  */
569   if (iconv (cd, 0, 0, 0, 0) == (size_t)-1)
570     return false;
571
572   inbuf = (ICONV_CONST char *)from;
573   inbytesleft = flen;
574   outbuf = (char *)to->text + to->len;
575   outbytesleft = to->asize - to->len;
576
577   for (;;)
578     {
579       iconv (cd, &inbuf, &inbytesleft, &outbuf, &outbytesleft);
580       if (__builtin_expect (inbytesleft == 0, 1))
581         {
582           /* Close out any shift states, returning to the initial state.  */
583           if (iconv (cd, 0, 0, &outbuf, &outbytesleft) == (size_t)-1)
584             {
585               if (errno != E2BIG)
586                 return false;
587
588               CONVERT_ICONV_GROW_BUFFER;
589               if (iconv (cd, 0, 0, &outbuf, &outbytesleft) == (size_t)-1)
590                 return false;
591             }
592
593           to->len = to->asize - outbytesleft;
594           return true;
595         }
596       if (errno != E2BIG)
597         return false;
598
599       CONVERT_ICONV_GROW_BUFFER;
600     }
601 }
602 #else
603 #define convert_using_iconv 0 /* prevent undefined symbol error below */
604 #endif
605
606 /* Arrange for the above custom conversion logic to be used automatically
607    when conversion between a suitable pair of character sets is requested.  */
608
609 #define APPLY_CONVERSION(CONVERTER, FROM, FLEN, TO) \
610    CONVERTER.func (CONVERTER.cd, FROM, FLEN, TO)
611
612 struct conversion
613 {
614   const char *pair;
615   convert_f func;
616   iconv_t fake_cd;
617 };
618 static const struct conversion conversion_tab[] = {
619   { "UTF-8/UTF-32LE", convert_utf8_utf32, (iconv_t)0 },
620   { "UTF-8/UTF-32BE", convert_utf8_utf32, (iconv_t)1 },
621   { "UTF-8/UTF-16LE", convert_utf8_utf16, (iconv_t)0 },
622   { "UTF-8/UTF-16BE", convert_utf8_utf16, (iconv_t)1 },
623   { "UTF-32LE/UTF-8", convert_utf32_utf8, (iconv_t)0 },
624   { "UTF-32BE/UTF-8", convert_utf32_utf8, (iconv_t)1 },
625   { "UTF-16LE/UTF-8", convert_utf16_utf8, (iconv_t)0 },
626   { "UTF-16BE/UTF-8", convert_utf16_utf8, (iconv_t)1 },
627 };
628
629 /* Subroutine of cpp_init_iconv: initialize and return a
630    cset_converter structure for conversion from FROM to TO.  If
631    iconv_open() fails, issue an error and return an identity
632    converter.  Silently return an identity converter if FROM and TO
633    are identical.  */
634 static struct cset_converter
635 init_iconv_desc (cpp_reader *pfile, const char *to, const char *from)
636 {
637   struct cset_converter ret;
638   char *pair;
639   size_t i;
640
641   if (!strcasecmp (to, from))
642     {
643       ret.func = convert_no_conversion;
644       ret.cd = (iconv_t) -1;
645       ret.width = -1;
646       return ret;
647     }
648
649   pair = (char *) alloca(strlen(to) + strlen(from) + 2);
650
651   strcpy(pair, from);
652   strcat(pair, "/");
653   strcat(pair, to);
654   for (i = 0; i < ARRAY_SIZE (conversion_tab); i++)
655     if (!strcasecmp (pair, conversion_tab[i].pair))
656       {
657         ret.func = conversion_tab[i].func;
658         ret.cd = conversion_tab[i].fake_cd;
659         ret.width = -1;
660         return ret;
661       }
662
663   /* No custom converter - try iconv.  */
664   if (HAVE_ICONV)
665     {
666       ret.func = convert_using_iconv;
667       ret.cd = iconv_open (to, from);
668       ret.width = -1;
669
670       if (ret.cd == (iconv_t) -1)
671         {
672           if (errno == EINVAL)
673             cpp_error (pfile, CPP_DL_ERROR, /* FIXME should be DL_SORRY */
674                        "conversion from %s to %s not supported by iconv",
675                        from, to);
676           else
677             cpp_errno (pfile, CPP_DL_ERROR, "iconv_open");
678
679           ret.func = convert_no_conversion;
680         }
681     }
682   else
683     {
684       cpp_error (pfile, CPP_DL_ERROR, /* FIXME: should be DL_SORRY */
685                  "no iconv implementation, cannot convert from %s to %s",
686                  from, to);
687       ret.func = convert_no_conversion;
688       ret.cd = (iconv_t) -1;
689       ret.width = -1;
690     }
691   return ret;
692 }
693
694 /* If charset conversion is requested, initialize iconv(3) descriptors
695    for conversion from the source character set to the execution
696    character sets.  If iconv is not present in the C library, and
697    conversion is requested, issue an error.  */
698
699 void
700 cpp_init_iconv (cpp_reader *pfile)
701 {
702   const char *ncset = CPP_OPTION (pfile, narrow_charset);
703   const char *wcset = CPP_OPTION (pfile, wide_charset);
704   const char *default_wcset;
705
706   bool be = CPP_OPTION (pfile, bytes_big_endian);
707
708   if (CPP_OPTION (pfile, wchar_precision) >= 32)
709     default_wcset = be ? "UTF-32BE" : "UTF-32LE";
710   else if (CPP_OPTION (pfile, wchar_precision) >= 16)
711     default_wcset = be ? "UTF-16BE" : "UTF-16LE";
712   else
713     /* This effectively means that wide strings are not supported,
714        so don't do any conversion at all.  */
715    default_wcset = SOURCE_CHARSET;
716
717   if (!ncset)
718     ncset = SOURCE_CHARSET;
719   if (!wcset)
720     wcset = default_wcset;
721
722   pfile->narrow_cset_desc = init_iconv_desc (pfile, ncset, SOURCE_CHARSET);
723   pfile->narrow_cset_desc.width = CPP_OPTION (pfile, char_precision);
724   pfile->char16_cset_desc = init_iconv_desc (pfile,
725                                              be ? "UTF-16BE" : "UTF-16LE",
726                                              SOURCE_CHARSET);
727   pfile->char16_cset_desc.width = 16;
728   pfile->char32_cset_desc = init_iconv_desc (pfile,
729                                              be ? "UTF-32BE" : "UTF-32LE",
730                                              SOURCE_CHARSET);
731   pfile->char32_cset_desc.width = 32;
732   pfile->wide_cset_desc = init_iconv_desc (pfile, wcset, SOURCE_CHARSET);
733   pfile->wide_cset_desc.width = CPP_OPTION (pfile, wchar_precision);
734 }
735
736 /* Destroy iconv(3) descriptors set up by cpp_init_iconv, if necessary.  */
737 void
738 _cpp_destroy_iconv (cpp_reader *pfile)
739 {
740   if (HAVE_ICONV)
741     {
742       if (pfile->narrow_cset_desc.func == convert_using_iconv)
743         iconv_close (pfile->narrow_cset_desc.cd);
744       if (pfile->wide_cset_desc.func == convert_using_iconv)
745         iconv_close (pfile->wide_cset_desc.cd);
746     }
747 }
748
749 /* Utility routine for use by a full compiler.  C is a character taken
750    from the *basic* source character set, encoded in the host's
751    execution encoding.  Convert it to (the target's) execution
752    encoding, and return that value.
753
754    Issues an internal error if C's representation in the narrow
755    execution character set fails to be a single-byte value (C99
756    5.2.1p3: "The representation of each member of the source and
757    execution character sets shall fit in a byte.")  May also issue an
758    internal error if C fails to be a member of the basic source
759    character set (testing this exactly is too hard, especially when
760    the host character set is EBCDIC).  */
761 cppchar_t
762 cpp_host_to_exec_charset (cpp_reader *pfile, cppchar_t c)
763 {
764   uchar sbuf[1];
765   struct _cpp_strbuf tbuf;
766
767   /* This test is merely an approximation, but it suffices to catch
768      the most important thing, which is that we don't get handed a
769      character outside the unibyte range of the host character set.  */
770   if (c > LAST_POSSIBLY_BASIC_SOURCE_CHAR)
771     {
772       cpp_error (pfile, CPP_DL_ICE,
773                  "character 0x%lx is not in the basic source character set\n",
774                  (unsigned long)c);
775       return 0;
776     }
777
778   /* Being a character in the unibyte range of the host character set,
779      we can safely splat it into a one-byte buffer and trust that that
780      is a well-formed string.  */
781   sbuf[0] = c;
782
783   /* This should never need to reallocate, but just in case... */
784   tbuf.asize = 1;
785   tbuf.text = XNEWVEC (uchar, tbuf.asize);
786   tbuf.len = 0;
787
788   if (!APPLY_CONVERSION (pfile->narrow_cset_desc, sbuf, 1, &tbuf))
789     {
790       cpp_errno (pfile, CPP_DL_ICE, "converting to execution character set");
791       return 0;
792     }
793   if (tbuf.len != 1)
794     {
795       cpp_error (pfile, CPP_DL_ICE,
796                  "character 0x%lx is not unibyte in execution character set",
797                  (unsigned long)c);
798       return 0;
799     }
800   c = tbuf.text[0];
801   free(tbuf.text);
802   return c;
803 }
804
805 \f
806
807 /* Utility routine that computes a mask of the form 0000...111... with
808    WIDTH 1-bits.  */
809 static inline size_t
810 width_to_mask (size_t width)
811 {
812   width = MIN (width, BITS_PER_CPPCHAR_T);
813   if (width >= CHAR_BIT * sizeof (size_t))
814     return ~(size_t) 0;
815   else
816     return ((size_t) 1 << width) - 1;
817 }
818
819 /* A large table of unicode character information.  */
820 enum {
821   /* Valid in a C99 identifier?  */
822   C99 = 1,
823   /* Valid in a C99 identifier, but not as the first character?  */
824   DIG = 2,
825   /* Valid in a C++ identifier?  */
826   CXX = 4,
827   /* NFC representation is not valid in an identifier?  */
828   CID = 8,
829   /* Might be valid NFC form?  */
830   NFC = 16,
831   /* Might be valid NFKC form?  */
832   NKC = 32,
833   /* Certain preceding characters might make it not valid NFC/NKFC form?  */
834   CTX = 64
835 };
836
837 static const struct {
838   /* Bitmap of flags above.  */
839   unsigned char flags;
840   /* Combining class of the character.  */
841   unsigned char combine;
842   /* Last character in the range described by this entry.  */
843   unsigned short end;
844 } ucnranges[] = {
845 #include "ucnid.h"
846 };
847
848 /* Returns 1 if C is valid in an identifier, 2 if C is valid except at
849    the start of an identifier, and 0 if C is not valid in an
850    identifier.  We assume C has already gone through the checks of
851    _cpp_valid_ucn.  Also update NST for C if returning nonzero.  The
852    algorithm is a simple binary search on the table defined in
853    ucnid.h.  */
854
855 static int
856 ucn_valid_in_identifier (cpp_reader *pfile, cppchar_t c,
857                          struct normalize_state *nst)
858 {
859   int mn, mx, md;
860
861   if (c > 0xFFFF)
862     return 0;
863
864   mn = 0;
865   mx = ARRAY_SIZE (ucnranges) - 1;
866   while (mx != mn)
867     {
868       md = (mn + mx) / 2;
869       if (c <= ucnranges[md].end)
870         mx = md;
871       else
872         mn = md + 1;
873     }
874
875   /* When -pedantic, we require the character to have been listed by
876      the standard for the current language.  Otherwise, we accept the
877      union of the acceptable sets for C++98 and C99.  */
878   if (! (ucnranges[mn].flags & (C99 | CXX)))
879       return 0;
880
881   if (CPP_PEDANTIC (pfile)
882       && ((CPP_OPTION (pfile, c99) && !(ucnranges[mn].flags & C99))
883           || (CPP_OPTION (pfile, cplusplus)
884               && !(ucnranges[mn].flags & CXX))))
885     return 0;
886
887   /* Update NST.  */
888   if (ucnranges[mn].combine != 0 && ucnranges[mn].combine < nst->prev_class)
889     nst->level = normalized_none;
890   else if (ucnranges[mn].flags & CTX)
891     {
892       bool safe;
893       cppchar_t p = nst->previous;
894
895       /* Easy cases from Bengali, Oriya, Tamil, Jannada, and Malayalam.  */
896       if (c == 0x09BE)
897         safe = p != 0x09C7;  /* Use 09CB instead of 09C7 09BE.  */
898       else if (c == 0x0B3E)
899         safe = p != 0x0B47;  /* Use 0B4B instead of 0B47 0B3E.  */
900       else if (c == 0x0BBE)
901         safe = p != 0x0BC6 && p != 0x0BC7;  /* Use 0BCA/0BCB instead.  */
902       else if (c == 0x0CC2)
903         safe = p != 0x0CC6;  /* Use 0CCA instead of 0CC6 0CC2.  */
904       else if (c == 0x0D3E)
905         safe = p != 0x0D46 && p != 0x0D47;  /* Use 0D4A/0D4B instead.  */
906       /* For Hangul, characters in the range AC00-D7A3 are NFC/NFKC,
907          and are combined algorithmically from a sequence of the form
908          1100-1112 1161-1175 11A8-11C2
909          (if the third is not present, it is treated as 11A7, which is not
910          really a valid character).
911          Unfortunately, C99 allows (only) the NFC form, but C++ allows
912          only the combining characters.  */
913       else if (c >= 0x1161 && c <= 0x1175)
914         safe = p < 0x1100 || p > 0x1112;
915       else if (c >= 0x11A8 && c <= 0x11C2)
916         safe = (p < 0xAC00 || p > 0xD7A3 || (p - 0xAC00) % 28 != 0);
917       else
918         {
919           /* Uh-oh, someone updated ucnid.h without updating this code.  */
920           cpp_error (pfile, CPP_DL_ICE, "Character %x might not be NFKC", c);
921           safe = true;
922         }
923       if (!safe && c < 0x1161)
924         nst->level = normalized_none;
925       else if (!safe)
926         nst->level = MAX (nst->level, normalized_identifier_C);
927     }
928   else if (ucnranges[mn].flags & NKC)
929     ;
930   else if (ucnranges[mn].flags & NFC)
931     nst->level = MAX (nst->level, normalized_C);
932   else if (ucnranges[mn].flags & CID)
933     nst->level = MAX (nst->level, normalized_identifier_C);
934   else
935     nst->level = normalized_none;
936   nst->previous = c;
937   nst->prev_class = ucnranges[mn].combine;
938
939   /* In C99, UCN digits may not begin identifiers.  */
940   if (CPP_OPTION (pfile, c99) && (ucnranges[mn].flags & DIG))
941     return 2;
942
943   return 1;
944 }
945
946 /* [lex.charset]: The character designated by the universal character
947    name \UNNNNNNNN is that character whose character short name in
948    ISO/IEC 10646 is NNNNNNNN; the character designated by the
949    universal character name \uNNNN is that character whose character
950    short name in ISO/IEC 10646 is 0000NNNN.  If the hexadecimal value
951    for a universal character name is less than 0x20 or in the range
952    0x7F-0x9F (inclusive), or if the universal character name
953    designates a character in the basic source character set, then the
954    program is ill-formed.
955
956    *PSTR must be preceded by "\u" or "\U"; it is assumed that the
957    buffer end is delimited by a non-hex digit.  Returns zero if the
958    UCN has not been consumed.
959
960    Otherwise the nonzero value of the UCN, whether valid or invalid,
961    is returned.  Diagnostics are emitted for invalid values.  PSTR
962    is updated to point one beyond the UCN, or to the syntactically
963    invalid character.
964
965    IDENTIFIER_POS is 0 when not in an identifier, 1 for the start of
966    an identifier, or 2 otherwise.  */
967
968 cppchar_t
969 _cpp_valid_ucn (cpp_reader *pfile, const uchar **pstr,
970                 const uchar *limit, int identifier_pos,
971                 struct normalize_state *nst)
972 {
973   cppchar_t result, c;
974   unsigned int length;
975   const uchar *str = *pstr;
976   const uchar *base = str - 2;
977
978   if (!CPP_OPTION (pfile, cplusplus) && !CPP_OPTION (pfile, c99))
979     cpp_error (pfile, CPP_DL_WARNING,
980                "universal character names are only valid in C++ and C99");
981   else if (CPP_WTRADITIONAL (pfile) && identifier_pos == 0)
982     cpp_error (pfile, CPP_DL_WARNING,
983                "the meaning of '\\%c' is different in traditional C",
984                (int) str[-1]);
985
986   if (str[-1] == 'u')
987     length = 4;
988   else if (str[-1] == 'U')
989     length = 8;
990   else
991     {
992       cpp_error (pfile, CPP_DL_ICE, "In _cpp_valid_ucn but not a UCN");
993       length = 4;
994     }
995
996   result = 0;
997   do
998     {
999       c = *str;
1000       if (!ISXDIGIT (c))
1001         break;
1002       str++;
1003       result = (result << 4) + hex_value (c);
1004     }
1005   while (--length && str < limit);
1006
1007   /* Partial UCNs are not valid in strings, but decompose into
1008      multiple tokens in identifiers, so we can't give a helpful
1009      error message in that case.  */
1010   if (length && identifier_pos)
1011     return 0;
1012   
1013   *pstr = str;
1014   if (length)
1015     {
1016       cpp_error (pfile, CPP_DL_ERROR,
1017                  "incomplete universal character name %.*s",
1018                  (int) (str - base), base);
1019       result = 1;
1020     }
1021   /* The standard permits $, @ and ` to be specified as UCNs.  We use
1022      hex escapes so that this also works with EBCDIC hosts.  */
1023   else if ((result < 0xa0
1024             && (result != 0x24 && result != 0x40 && result != 0x60))
1025            || (result & 0x80000000)
1026            || (result >= 0xD800 && result <= 0xDFFF))
1027     {
1028       cpp_error (pfile, CPP_DL_ERROR,
1029                  "%.*s is not a valid universal character",
1030                  (int) (str - base), base);
1031       result = 1;
1032     }
1033   else if (identifier_pos && result == 0x24 
1034            && CPP_OPTION (pfile, dollars_in_ident))
1035     {
1036       if (CPP_OPTION (pfile, warn_dollars) && !pfile->state.skipping)
1037         {
1038           CPP_OPTION (pfile, warn_dollars) = 0;
1039           cpp_error (pfile, CPP_DL_PEDWARN, "'$' in identifier or number");
1040         }
1041       NORMALIZE_STATE_UPDATE_IDNUM (nst);
1042     }
1043   else if (identifier_pos)
1044     {
1045       int validity = ucn_valid_in_identifier (pfile, result, nst);
1046
1047       if (validity == 0)
1048         cpp_error (pfile, CPP_DL_ERROR,
1049                    "universal character %.*s is not valid in an identifier",
1050                    (int) (str - base), base);
1051       else if (validity == 2 && identifier_pos == 1)
1052         cpp_error (pfile, CPP_DL_ERROR,
1053    "universal character %.*s is not valid at the start of an identifier",
1054                    (int) (str - base), base);
1055     }
1056
1057   if (result == 0)
1058     result = 1;
1059
1060   return result;
1061 }
1062
1063 /* Convert an UCN, pointed to by FROM, to UTF-8 encoding, then translate
1064    it to the execution character set and write the result into TBUF.
1065    An advanced pointer is returned.  Issues all relevant diagnostics.  */
1066 static const uchar *
1067 convert_ucn (cpp_reader *pfile, const uchar *from, const uchar *limit,
1068              struct _cpp_strbuf *tbuf, struct cset_converter cvt)
1069 {
1070   cppchar_t ucn;
1071   uchar buf[6];
1072   uchar *bufp = buf;
1073   size_t bytesleft = 6;
1074   int rval;
1075   struct normalize_state nst = INITIAL_NORMALIZE_STATE;
1076
1077   from++;  /* Skip u/U.  */
1078   ucn = _cpp_valid_ucn (pfile, &from, limit, 0, &nst);
1079
1080   rval = one_cppchar_to_utf8 (ucn, &bufp, &bytesleft);
1081   if (rval)
1082     {
1083       errno = rval;
1084       cpp_errno (pfile, CPP_DL_ERROR,
1085                  "converting UCN to source character set");
1086     }
1087   else if (!APPLY_CONVERSION (cvt, buf, 6 - bytesleft, tbuf))
1088     cpp_errno (pfile, CPP_DL_ERROR,
1089                "converting UCN to execution character set");
1090
1091   return from;
1092 }
1093
1094 /* Subroutine of convert_hex and convert_oct.  N is the representation
1095    in the execution character set of a numeric escape; write it into the
1096    string buffer TBUF and update the end-of-string pointer therein.  WIDE
1097    is true if it's a wide string that's being assembled in TBUF.  This
1098    function issues no diagnostics and never fails.  */
1099 static void
1100 emit_numeric_escape (cpp_reader *pfile, cppchar_t n,
1101                      struct _cpp_strbuf *tbuf, struct cset_converter cvt)
1102 {
1103   size_t width = cvt.width;
1104
1105   if (width != CPP_OPTION (pfile, char_precision))
1106     {
1107       /* We have to render this into the target byte order, which may not
1108          be our byte order.  */
1109       bool bigend = CPP_OPTION (pfile, bytes_big_endian);
1110       size_t cwidth = CPP_OPTION (pfile, char_precision);
1111       size_t cmask = width_to_mask (cwidth);
1112       size_t nbwc = width / cwidth;
1113       size_t i;
1114       size_t off = tbuf->len;
1115       cppchar_t c;
1116
1117       if (tbuf->len + nbwc > tbuf->asize)
1118         {
1119           tbuf->asize += OUTBUF_BLOCK_SIZE;
1120           tbuf->text = XRESIZEVEC (uchar, tbuf->text, tbuf->asize);
1121         }
1122
1123       for (i = 0; i < nbwc; i++)
1124         {
1125           c = n & cmask;
1126           n >>= cwidth;
1127           tbuf->text[off + (bigend ? nbwc - i - 1 : i)] = c;
1128         }
1129       tbuf->len += nbwc;
1130     }
1131   else
1132     {
1133       /* Note: this code does not handle the case where the target
1134          and host have a different number of bits in a byte.  */
1135       if (tbuf->len + 1 > tbuf->asize)
1136         {
1137           tbuf->asize += OUTBUF_BLOCK_SIZE;
1138           tbuf->text = XRESIZEVEC (uchar, tbuf->text, tbuf->asize);
1139         }
1140       tbuf->text[tbuf->len++] = n;
1141     }
1142 }
1143
1144 /* Convert a hexadecimal escape, pointed to by FROM, to the execution
1145    character set and write it into the string buffer TBUF.  Returns an
1146    advanced pointer, and issues diagnostics as necessary.
1147    No character set translation occurs; this routine always produces the
1148    execution-set character with numeric value equal to the given hex
1149    number.  You can, e.g. generate surrogate pairs this way.  */
1150 static const uchar *
1151 convert_hex (cpp_reader *pfile, const uchar *from, const uchar *limit,
1152              struct _cpp_strbuf *tbuf, struct cset_converter cvt)
1153 {
1154   cppchar_t c, n = 0, overflow = 0;
1155   int digits_found = 0;
1156   size_t width = cvt.width;
1157   size_t mask = width_to_mask (width);
1158
1159   if (CPP_WTRADITIONAL (pfile))
1160     cpp_error (pfile, CPP_DL_WARNING,
1161                "the meaning of '\\x' is different in traditional C");
1162
1163   from++;  /* Skip 'x'.  */
1164   while (from < limit)
1165     {
1166       c = *from;
1167       if (! hex_p (c))
1168         break;
1169       from++;
1170       overflow |= n ^ (n << 4 >> 4);
1171       n = (n << 4) + hex_value (c);
1172       digits_found = 1;
1173     }
1174
1175   if (!digits_found)
1176     {
1177       cpp_error (pfile, CPP_DL_ERROR,
1178                  "\\x used with no following hex digits");
1179       return from;
1180     }
1181
1182   if (overflow | (n != (n & mask)))
1183     {
1184       cpp_error (pfile, CPP_DL_PEDWARN,
1185                  "hex escape sequence out of range");
1186       n &= mask;
1187     }
1188
1189   emit_numeric_escape (pfile, n, tbuf, cvt);
1190
1191   return from;
1192 }
1193
1194 /* Convert an octal escape, pointed to by FROM, to the execution
1195    character set and write it into the string buffer TBUF.  Returns an
1196    advanced pointer, and issues diagnostics as necessary.
1197    No character set translation occurs; this routine always produces the
1198    execution-set character with numeric value equal to the given octal
1199    number.  */
1200 static const uchar *
1201 convert_oct (cpp_reader *pfile, const uchar *from, const uchar *limit,
1202              struct _cpp_strbuf *tbuf, struct cset_converter cvt)
1203 {
1204   size_t count = 0;
1205   cppchar_t c, n = 0;
1206   size_t width = cvt.width;
1207   size_t mask = width_to_mask (width);
1208   bool overflow = false;
1209
1210   while (from < limit && count++ < 3)
1211     {
1212       c = *from;
1213       if (c < '0' || c > '7')
1214         break;
1215       from++;
1216       overflow |= n ^ (n << 3 >> 3);
1217       n = (n << 3) + c - '0';
1218     }
1219
1220   if (n != (n & mask))
1221     {
1222       cpp_error (pfile, CPP_DL_PEDWARN,
1223                  "octal escape sequence out of range");
1224       n &= mask;
1225     }
1226
1227   emit_numeric_escape (pfile, n, tbuf, cvt);
1228
1229   return from;
1230 }
1231
1232 /* Convert an escape sequence (pointed to by FROM) to its value on
1233    the target, and to the execution character set.  Do not scan past
1234    LIMIT.  Write the converted value into TBUF.  Returns an advanced
1235    pointer.  Handles all relevant diagnostics.  */
1236 static const uchar *
1237 convert_escape (cpp_reader *pfile, const uchar *from, const uchar *limit,
1238                 struct _cpp_strbuf *tbuf, struct cset_converter cvt)
1239 {
1240   /* Values of \a \b \e \f \n \r \t \v respectively.  */
1241 #if HOST_CHARSET == HOST_CHARSET_ASCII
1242   static const uchar charconsts[] = {  7,  8, 27, 12, 10, 13,  9, 11 };
1243 #elif HOST_CHARSET == HOST_CHARSET_EBCDIC
1244   static const uchar charconsts[] = { 47, 22, 39, 12, 21, 13,  5, 11 };
1245 #else
1246 #error "unknown host character set"
1247 #endif
1248
1249   uchar c;
1250
1251   c = *from;
1252   switch (c)
1253     {
1254       /* UCNs, hex escapes, and octal escapes are processed separately.  */
1255     case 'u': case 'U':
1256       return convert_ucn (pfile, from, limit, tbuf, cvt);
1257
1258     case 'x':
1259       return convert_hex (pfile, from, limit, tbuf, cvt);
1260       break;
1261
1262     case '0':  case '1':  case '2':  case '3':
1263     case '4':  case '5':  case '6':  case '7':
1264       return convert_oct (pfile, from, limit, tbuf, cvt);
1265
1266       /* Various letter escapes.  Get the appropriate host-charset
1267          value into C.  */
1268     case '\\': case '\'': case '"': case '?': break;
1269
1270     case '(': case '{': case '[': case '%':
1271       /* '\(', etc, can be used at the beginning of a line in a long
1272          string split onto multiple lines with \-newline, to prevent
1273          Emacs or other text editors from getting confused.  '\%' can
1274          be used to prevent SCCS from mangling printf format strings.  */
1275       if (CPP_PEDANTIC (pfile))
1276         goto unknown;
1277       break;
1278
1279     case 'b': c = charconsts[1];  break;
1280     case 'f': c = charconsts[3];  break;
1281     case 'n': c = charconsts[4];  break;
1282     case 'r': c = charconsts[5];  break;
1283     case 't': c = charconsts[6];  break;
1284     case 'v': c = charconsts[7];  break;
1285
1286     case 'a':
1287       if (CPP_WTRADITIONAL (pfile))
1288         cpp_error (pfile, CPP_DL_WARNING,
1289                    "the meaning of '\\a' is different in traditional C");
1290       c = charconsts[0];
1291       break;
1292
1293     case 'e': case 'E':
1294       if (CPP_PEDANTIC (pfile))
1295         cpp_error (pfile, CPP_DL_PEDWARN,
1296                    "non-ISO-standard escape sequence, '\\%c'", (int) c);
1297       c = charconsts[2];
1298       break;
1299
1300     default:
1301     unknown:
1302       if (ISGRAPH (c))
1303         cpp_error (pfile, CPP_DL_PEDWARN,
1304                    "unknown escape sequence '\\%c'", (int) c);
1305       else
1306         {
1307           /* diagnostic.c does not support "%03o".  When it does, this
1308              code can use %03o directly in the diagnostic again.  */
1309           char buf[32];
1310           sprintf(buf, "%03o", (int) c);
1311           cpp_error (pfile, CPP_DL_PEDWARN,
1312                      "unknown escape sequence: '\\%s'", buf);
1313         }
1314     }
1315
1316   /* Now convert what we have to the execution character set.  */
1317   if (!APPLY_CONVERSION (cvt, &c, 1, tbuf))
1318     cpp_errno (pfile, CPP_DL_ERROR,
1319                "converting escape sequence to execution character set");
1320
1321   return from + 1;
1322 }
1323 \f
1324 /* TYPE is a token type.  The return value is the conversion needed to
1325    convert from source to execution character set for the given type. */
1326 static struct cset_converter
1327 converter_for_type (cpp_reader *pfile, enum cpp_ttype type)
1328 {
1329   switch (type)
1330     {
1331     default:
1332         return pfile->narrow_cset_desc;
1333     case CPP_CHAR16:
1334     case CPP_STRING16:
1335         return pfile->char16_cset_desc;
1336     case CPP_CHAR32:
1337     case CPP_STRING32:
1338         return pfile->char32_cset_desc;
1339     case CPP_WCHAR:
1340     case CPP_WSTRING:
1341         return pfile->wide_cset_desc;
1342     }
1343 }
1344
1345 /* FROM is an array of cpp_string structures of length COUNT.  These
1346    are to be converted from the source to the execution character set,
1347    escape sequences translated, and finally all are to be
1348    concatenated.  WIDE indicates whether or not to produce a wide
1349    string.  The result is written into TO.  Returns true for success,
1350    false for failure.  */
1351 bool
1352 cpp_interpret_string (cpp_reader *pfile, const cpp_string *from, size_t count,
1353                       cpp_string *to,  enum cpp_ttype type)
1354 {
1355   struct _cpp_strbuf tbuf;
1356   const uchar *p, *base, *limit;
1357   size_t i;
1358   struct cset_converter cvt = converter_for_type (pfile, type);
1359
1360   tbuf.asize = MAX (OUTBUF_BLOCK_SIZE, from->len);
1361   tbuf.text = XNEWVEC (uchar, tbuf.asize);
1362   tbuf.len = 0;
1363
1364   for (i = 0; i < count; i++)
1365     {
1366       p = from[i].text;
1367       if (*p == 'L' || *p == 'u' || *p == 'U') p++;
1368       p++; /* Skip leading quote.  */
1369       limit = from[i].text + from[i].len - 1; /* Skip trailing quote.  */
1370
1371       for (;;)
1372         {
1373           base = p;
1374           while (p < limit && *p != '\\')
1375             p++;
1376           if (p > base)
1377             {
1378               /* We have a run of normal characters; these can be fed
1379                  directly to convert_cset.  */
1380               if (!APPLY_CONVERSION (cvt, base, p - base, &tbuf))
1381                 goto fail;
1382             }
1383           if (p == limit)
1384             break;
1385
1386           p = convert_escape (pfile, p + 1, limit, &tbuf, cvt);
1387         }
1388     }
1389   /* NUL-terminate the 'to' buffer and translate it to a cpp_string
1390      structure.  */
1391   emit_numeric_escape (pfile, 0, &tbuf, cvt);
1392   tbuf.text = XRESIZEVEC (uchar, tbuf.text, tbuf.len);
1393   to->text = tbuf.text;
1394   to->len = tbuf.len;
1395   return true;
1396
1397  fail:
1398   cpp_errno (pfile, CPP_DL_ERROR, "converting to execution character set");
1399   free (tbuf.text);
1400   return false;
1401 }
1402
1403 /* Subroutine of do_line and do_linemarker.  Convert escape sequences
1404    in a string, but do not perform character set conversion.  */
1405 bool
1406 cpp_interpret_string_notranslate (cpp_reader *pfile, const cpp_string *from,
1407                                   size_t count, cpp_string *to,
1408                                   enum cpp_ttype type ATTRIBUTE_UNUSED)
1409 {
1410   struct cset_converter save_narrow_cset_desc = pfile->narrow_cset_desc;
1411   bool retval;
1412
1413   pfile->narrow_cset_desc.func = convert_no_conversion;
1414   pfile->narrow_cset_desc.cd = (iconv_t) -1;
1415   pfile->narrow_cset_desc.width = CPP_OPTION (pfile, char_precision);
1416
1417   retval = cpp_interpret_string (pfile, from, count, to, CPP_STRING);
1418
1419   pfile->narrow_cset_desc = save_narrow_cset_desc;
1420   return retval;
1421 }
1422
1423 \f
1424 /* Subroutine of cpp_interpret_charconst which performs the conversion
1425    to a number, for narrow strings.  STR is the string structure returned
1426    by cpp_interpret_string.  PCHARS_SEEN and UNSIGNEDP are as for
1427    cpp_interpret_charconst.  */
1428 static cppchar_t
1429 narrow_str_to_charconst (cpp_reader *pfile, cpp_string str,
1430                          unsigned int *pchars_seen, int *unsignedp)
1431 {
1432   size_t width = CPP_OPTION (pfile, char_precision);
1433   size_t max_chars = CPP_OPTION (pfile, int_precision) / width;
1434   size_t mask = width_to_mask (width);
1435   size_t i;
1436   cppchar_t result, c;
1437   bool unsigned_p;
1438
1439   /* The value of a multi-character character constant, or a
1440      single-character character constant whose representation in the
1441      execution character set is more than one byte long, is
1442      implementation defined.  This implementation defines it to be the
1443      number formed by interpreting the byte sequence in memory as a
1444      big-endian binary number.  If overflow occurs, the high bytes are
1445      lost, and a warning is issued.
1446
1447      We don't want to process the NUL terminator handed back by
1448      cpp_interpret_string.  */
1449   result = 0;
1450   for (i = 0; i < str.len - 1; i++)
1451     {
1452       c = str.text[i] & mask;
1453       if (width < BITS_PER_CPPCHAR_T)
1454         result = (result << width) | c;
1455       else
1456         result = c;
1457     }
1458
1459   if (i > max_chars)
1460     {
1461       i = max_chars;
1462       cpp_error (pfile, CPP_DL_WARNING,
1463                  "character constant too long for its type");
1464     }
1465   else if (i > 1 && CPP_OPTION (pfile, warn_multichar))
1466     cpp_error (pfile, CPP_DL_WARNING, "multi-character character constant");
1467
1468   /* Multichar constants are of type int and therefore signed.  */
1469   if (i > 1)
1470     unsigned_p = 0;
1471   else
1472     unsigned_p = CPP_OPTION (pfile, unsigned_char);
1473
1474   /* Truncate the constant to its natural width, and simultaneously
1475      sign- or zero-extend to the full width of cppchar_t.
1476      For single-character constants, the value is WIDTH bits wide.
1477      For multi-character constants, the value is INT_PRECISION bits wide.  */
1478   if (i > 1)
1479     width = CPP_OPTION (pfile, int_precision);
1480   if (width < BITS_PER_CPPCHAR_T)
1481     {
1482       mask = ((cppchar_t) 1 << width) - 1;
1483       if (unsigned_p || !(result & (1 << (width - 1))))
1484         result &= mask;
1485       else
1486         result |= ~mask;
1487     }
1488   *pchars_seen = i;
1489   *unsignedp = unsigned_p;
1490   return result;
1491 }
1492
1493 /* Subroutine of cpp_interpret_charconst which performs the conversion
1494    to a number, for wide strings.  STR is the string structure returned
1495    by cpp_interpret_string.  PCHARS_SEEN and UNSIGNEDP are as for
1496    cpp_interpret_charconst.  TYPE is the token type.  */
1497 static cppchar_t
1498 wide_str_to_charconst (cpp_reader *pfile, cpp_string str,
1499                        unsigned int *pchars_seen, int *unsignedp,
1500                        enum cpp_ttype type)
1501 {
1502   bool bigend = CPP_OPTION (pfile, bytes_big_endian);
1503   size_t width = converter_for_type (pfile, type).width;
1504   size_t cwidth = CPP_OPTION (pfile, char_precision);
1505   size_t mask = width_to_mask (width);
1506   size_t cmask = width_to_mask (cwidth);
1507   size_t nbwc = width / cwidth;
1508   size_t off, i;
1509   cppchar_t result = 0, c;
1510
1511   /* This is finicky because the string is in the target's byte order,
1512      which may not be our byte order.  Only the last character, ignoring
1513      the NUL terminator, is relevant.  */
1514   off = str.len - (nbwc * 2);
1515   result = 0;
1516   for (i = 0; i < nbwc; i++)
1517     {
1518       c = bigend ? str.text[off + i] : str.text[off + nbwc - i - 1];
1519       result = (result << cwidth) | (c & cmask);
1520     }
1521
1522   /* Wide character constants have type wchar_t, and a single
1523      character exactly fills a wchar_t, so a multi-character wide
1524      character constant is guaranteed to overflow.  */
1525   if (str.len > nbwc * 2)
1526     cpp_error (pfile, CPP_DL_WARNING,
1527                "character constant too long for its type");
1528
1529   /* Truncate the constant to its natural width, and simultaneously
1530      sign- or zero-extend to the full width of cppchar_t.  */
1531   if (width < BITS_PER_CPPCHAR_T)
1532     {
1533       if (type == CPP_CHAR16 || type == CPP_CHAR32
1534           || CPP_OPTION (pfile, unsigned_wchar)
1535           || !(result & (1 << (width - 1))))
1536         result &= mask;
1537       else
1538         result |= ~mask;
1539     }
1540
1541   if (type == CPP_CHAR16 || type == CPP_CHAR32
1542       || CPP_OPTION (pfile, unsigned_wchar))
1543     *unsignedp = 1;
1544   else
1545     *unsignedp = 0;
1546
1547   *pchars_seen = 1;
1548   return result;
1549 }
1550
1551 /* Interpret a (possibly wide) character constant in TOKEN.
1552    PCHARS_SEEN points to a variable that is filled in with the number
1553    of characters seen, and UNSIGNEDP to a variable that indicates
1554    whether the result has signed type.  */
1555 cppchar_t
1556 cpp_interpret_charconst (cpp_reader *pfile, const cpp_token *token,
1557                          unsigned int *pchars_seen, int *unsignedp)
1558 {
1559   cpp_string str = { 0, 0 };
1560   bool wide = (token->type != CPP_CHAR);
1561   cppchar_t result;
1562
1563   /* an empty constant will appear as L'', u'', U'' or '' */
1564   if (token->val.str.len == (size_t) (2 + wide))
1565     {
1566       cpp_error (pfile, CPP_DL_ERROR, "empty character constant");
1567       return 0;
1568     }
1569   else if (!cpp_interpret_string (pfile, &token->val.str, 1, &str, token->type))
1570     return 0;
1571
1572   if (wide)
1573     result = wide_str_to_charconst (pfile, str, pchars_seen, unsignedp,
1574                                     token->type);
1575   else
1576     result = narrow_str_to_charconst (pfile, str, pchars_seen, unsignedp);
1577
1578   if (str.text != token->val.str.text)
1579     free ((void *)str.text);
1580
1581   return result;
1582 }
1583 \f
1584 /* Convert an identifier denoted by ID and LEN, which might contain
1585    UCN escapes, to the source character set, either UTF-8 or
1586    UTF-EBCDIC.  Assumes that the identifier is actually a valid identifier.  */
1587 cpp_hashnode *
1588 _cpp_interpret_identifier (cpp_reader *pfile, const uchar *id, size_t len)
1589 {
1590   /* It turns out that a UCN escape always turns into fewer characters
1591      than the escape itself, so we can allocate a temporary in advance.  */
1592   uchar * buf = (uchar *) alloca (len + 1);
1593   uchar * bufp = buf;
1594   size_t idp;
1595   
1596   for (idp = 0; idp < len; idp++)
1597     if (id[idp] != '\\')
1598       *bufp++ = id[idp];
1599     else
1600       {
1601         unsigned length = id[idp+1] == 'u' ? 4 : 8;
1602         cppchar_t value = 0;
1603         size_t bufleft = len - (bufp - buf);
1604         int rval;
1605
1606         idp += 2;
1607         while (length && idp < len && ISXDIGIT (id[idp]))
1608           {
1609             value = (value << 4) + hex_value (id[idp]);
1610             idp++;
1611             length--;
1612           }
1613         idp--;
1614
1615         /* Special case for EBCDIC: if the identifier contains
1616            a '$' specified using a UCN, translate it to EBCDIC.  */
1617         if (value == 0x24)
1618           {
1619             *bufp++ = '$';
1620             continue;
1621           }
1622
1623         rval = one_cppchar_to_utf8 (value, &bufp, &bufleft);
1624         if (rval)
1625           {
1626             errno = rval;
1627             cpp_errno (pfile, CPP_DL_ERROR,
1628                        "converting UCN to source character set");
1629             break;
1630           }
1631       }
1632
1633   return CPP_HASHNODE (ht_lookup (pfile->hash_table, 
1634                                   buf, bufp - buf, HT_ALLOC));
1635 }
1636 \f
1637 /* Convert an input buffer (containing the complete contents of one
1638    source file) from INPUT_CHARSET to the source character set.  INPUT
1639    points to the input buffer, SIZE is its allocated size, and LEN is
1640    the length of the meaningful data within the buffer.  The
1641    translated buffer is returned, *ST_SIZE is set to the length of
1642    the meaningful data within the translated buffer, and *BUFFER_START
1643    is set to the start of the returned buffer.  *BUFFER_START may
1644    differ from the return value in the case of a BOM or other ignored
1645    marker information.
1646
1647    INPUT is expected to have been allocated with xmalloc.  This
1648    function will either set *BUFFER_START to INPUT, or free it and set
1649    *BUFFER_START to a pointer to another xmalloc-allocated block of
1650    memory.  */
1651 uchar * 
1652 _cpp_convert_input (cpp_reader *pfile, const char *input_charset,
1653                     uchar *input, size_t size, size_t len,
1654                     const unsigned char **buffer_start, off_t *st_size)
1655 {
1656   struct cset_converter input_cset;
1657   struct _cpp_strbuf to;
1658   unsigned char *buffer;
1659
1660   input_cset = init_iconv_desc (pfile, SOURCE_CHARSET, input_charset);
1661   if (input_cset.func == convert_no_conversion)
1662     {
1663       to.text = input;
1664       to.asize = size;
1665       to.len = len;
1666     }
1667   else
1668     {
1669       to.asize = MAX (65536, len);
1670       to.text = XNEWVEC (uchar, to.asize);
1671       to.len = 0;
1672
1673       if (!APPLY_CONVERSION (input_cset, input, len, &to))
1674         cpp_error (pfile, CPP_DL_ERROR,
1675                    "failure to convert %s to %s",
1676                    CPP_OPTION (pfile, input_charset), SOURCE_CHARSET);
1677
1678       free (input);
1679     }
1680
1681   /* Clean up the mess.  */
1682   if (input_cset.func == convert_using_iconv)
1683     iconv_close (input_cset.cd);
1684
1685   /* Resize buffer if we allocated substantially too much, or if we
1686      haven't enough space for the \n-terminator.  */
1687   if (to.len + 4096 < to.asize || to.len >= to.asize)
1688     to.text = XRESIZEVEC (uchar, to.text, to.len + 1);
1689
1690   /* If the file is using old-school Mac line endings (\r only),
1691      terminate with another \r, not an \n, so that we do not mistake
1692      the \r\n sequence for a single DOS line ending and erroneously
1693      issue the "No newline at end of file" diagnostic.  */
1694   if (to.len && to.text[to.len - 1] == '\r')
1695     to.text[to.len] = '\r';
1696   else
1697     to.text[to.len] = '\n';
1698
1699   buffer = to.text;
1700   *st_size = to.len;
1701 #if HOST_CHARSET == HOST_CHARSET_ASCII
1702   /* The HOST_CHARSET test just above ensures that the source charset
1703      is UTF-8.  So, ignore a UTF-8 BOM if we see one.  Note that
1704      glib'c UTF-8 iconv() provider (as of glibc 2.7) does not ignore a
1705      BOM -- however, even if it did, we would still need this code due
1706      to the 'convert_no_conversion' case.  */
1707   if (to.len >= 3 && to.text[0] == 0xef && to.text[1] == 0xbb
1708       && to.text[2] == 0xbf)
1709     {
1710       *st_size -= 3;
1711       buffer += 3;
1712     }
1713 #endif
1714
1715   *buffer_start = to.text;
1716   return buffer;
1717 }
1718
1719 /* Decide on the default encoding to assume for input files.  */
1720 const char *
1721 _cpp_default_encoding (void)
1722 {
1723   const char *current_encoding = NULL;
1724
1725   /* We disable this because the default codeset is 7-bit ASCII on
1726      most platforms, and this causes conversion failures on every
1727      file in GCC that happens to have one of the upper 128 characters
1728      in it -- most likely, as part of the name of a contributor.
1729      We should definitely recognize in-band markers of file encoding,
1730      like:
1731      - the appropriate Unicode byte-order mark (FE FF) to recognize
1732        UTF16 and UCS4 (in both big-endian and little-endian flavors)
1733        and UTF8
1734      - a "#i", "#d", "/ *", "//", " #p" or "#p" (for #pragma) to
1735        distinguish ASCII and EBCDIC.
1736      - now we can parse something like "#pragma GCC encoding <xyz>
1737        on the first line, or even Emacs/VIM's mode line tags (there's
1738        a problem here in that VIM uses the last line, and Emacs has
1739        its more elaborate "local variables" convention).
1740      - investigate whether Java has another common convention, which
1741        would be friendly to support.
1742      (Zack Weinberg and Paolo Bonzini, May 20th 2004)  */
1743 #if defined (HAVE_LOCALE_H) && defined (HAVE_LANGINFO_CODESET) && 0
1744   setlocale (LC_CTYPE, "");
1745   current_encoding = nl_langinfo (CODESET);
1746 #endif
1747   if (current_encoding == NULL || *current_encoding == '\0')
1748     current_encoding = SOURCE_CHARSET;
1749
1750   return current_encoding;
1751 }