OSDN Git Service

Index: gcc/ChangeLog
[pf3gnuchains/gcc-fork.git] / libcpp / charset.c
1 /* CPP Library - charsets
2    Copyright (C) 1998, 1999, 2000, 2001, 2002, 2003, 2004
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, 59 Temple Place - Suite 330, Boston, MA 02111-1307, 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 = xrealloc (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 = xrealloc (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 = xrealloc (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 = 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 = xmalloc (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 UCNs
927    are not part of the relevant standard, or if the string beginning
928    at *PSTR doesn't syntactically match the form 'NNNN' or 'NNNNNNNN'.
929
930    Otherwise the nonzero value of the UCN, whether valid or invalid,
931    is returned.  Diagnostics are emitted for invalid values.  PSTR
932    is updated to point one beyond the UCN, or to the syntactically
933    invalid character.
934
935    IDENTIFIER_POS is 0 when not in an identifier, 1 for the start of
936    an identifier, or 2 otherwise.  */
937
938 cppchar_t
939 _cpp_valid_ucn (cpp_reader *pfile, const uchar **pstr,
940                 const uchar *limit, int identifier_pos,
941                 struct normalize_state *nst)
942 {
943   cppchar_t result, c;
944   unsigned int length;
945   const uchar *str = *pstr;
946   const uchar *base = str - 2;
947
948   if (!CPP_OPTION (pfile, cplusplus) && !CPP_OPTION (pfile, c99))
949     cpp_error (pfile, CPP_DL_WARNING,
950                "universal character names are only valid in C++ and C99");
951   else if (CPP_WTRADITIONAL (pfile) && identifier_pos == 0)
952     cpp_error (pfile, CPP_DL_WARNING,
953                "the meaning of '\\%c' is different in traditional C",
954                (int) str[-1]);
955
956   if (str[-1] == 'u')
957     length = 4;
958   else if (str[-1] == 'U')
959     length = 8;
960   else
961     {
962       cpp_error (pfile, CPP_DL_ICE, "In _cpp_valid_ucn but not a UCN");
963       length = 4;
964     }
965
966   result = 0;
967   do
968     {
969       c = *str;
970       if (!ISXDIGIT (c))
971         break;
972       str++;
973       result = (result << 4) + hex_value (c);
974     }
975   while (--length && str < limit);
976
977   *pstr = str;
978   if (length)
979     {
980       /* We'll error when we try it out as the start of an identifier.  */
981       cpp_error (pfile, CPP_DL_ERROR,
982                  "incomplete universal character name %.*s",
983                  (int) (str - base), base);
984       result = 1;
985     }
986   /* The standard permits $, @ and ` to be specified as UCNs.  We use
987      hex escapes so that this also works with EBCDIC hosts.  */
988   else if ((result < 0xa0
989             && (result != 0x24 && result != 0x40 && result != 0x60))
990            || (result & 0x80000000)
991            || (result >= 0xD800 && result <= 0xDFFF))
992     {
993       cpp_error (pfile, CPP_DL_ERROR,
994                  "%.*s is not a valid universal character",
995                  (int) (str - base), base);
996       result = 1;
997     }
998   else if (identifier_pos && result == 0x24 
999            && CPP_OPTION (pfile, dollars_in_ident))
1000     {
1001       if (CPP_OPTION (pfile, warn_dollars) && !pfile->state.skipping)
1002         {
1003           CPP_OPTION (pfile, warn_dollars) = 0;
1004           cpp_error (pfile, CPP_DL_PEDWARN, "'$' in identifier or number");
1005         }
1006       NORMALIZE_STATE_UPDATE_IDNUM (nst);
1007     }
1008   else if (identifier_pos)
1009     {
1010       int validity = ucn_valid_in_identifier (pfile, result, nst);
1011
1012       if (validity == 0)
1013         cpp_error (pfile, CPP_DL_ERROR,
1014                    "universal character %.*s is not valid in an identifier",
1015                    (int) (str - base), base);
1016       else if (validity == 2 && identifier_pos == 1)
1017         cpp_error (pfile, CPP_DL_ERROR,
1018    "universal character %.*s is not valid at the start of an identifier",
1019                    (int) (str - base), base);
1020     }
1021
1022   if (result == 0)
1023     result = 1;
1024
1025   return result;
1026 }
1027
1028 /* Convert an UCN, pointed to by FROM, to UTF-8 encoding, then translate
1029    it to the execution character set and write the result into TBUF.
1030    An advanced pointer is returned.  Issues all relevant diagnostics.  */
1031 static const uchar *
1032 convert_ucn (cpp_reader *pfile, const uchar *from, const uchar *limit,
1033              struct _cpp_strbuf *tbuf, bool wide)
1034 {
1035   cppchar_t ucn;
1036   uchar buf[6];
1037   uchar *bufp = buf;
1038   size_t bytesleft = 6;
1039   int rval;
1040   struct cset_converter cvt
1041     = wide ? pfile->wide_cset_desc : pfile->narrow_cset_desc;
1042   struct normalize_state nst = INITIAL_NORMALIZE_STATE;
1043
1044   from++;  /* Skip u/U.  */
1045   ucn = _cpp_valid_ucn (pfile, &from, limit, 0, &nst);
1046
1047   rval = one_cppchar_to_utf8 (ucn, &bufp, &bytesleft);
1048   if (rval)
1049     {
1050       errno = rval;
1051       cpp_errno (pfile, CPP_DL_ERROR,
1052                  "converting UCN to source character set");
1053     }
1054   else if (!APPLY_CONVERSION (cvt, buf, 6 - bytesleft, tbuf))
1055     cpp_errno (pfile, CPP_DL_ERROR,
1056                "converting UCN to execution character set");
1057
1058   return from;
1059 }
1060
1061 /* Subroutine of convert_hex and convert_oct.  N is the representation
1062    in the execution character set of a numeric escape; write it into the
1063    string buffer TBUF and update the end-of-string pointer therein.  WIDE
1064    is true if it's a wide string that's being assembled in TBUF.  This
1065    function issues no diagnostics and never fails.  */
1066 static void
1067 emit_numeric_escape (cpp_reader *pfile, cppchar_t n,
1068                      struct _cpp_strbuf *tbuf, bool wide)
1069 {
1070   if (wide)
1071     {
1072       /* We have to render this into the target byte order, which may not
1073          be our byte order.  */
1074       bool bigend = CPP_OPTION (pfile, bytes_big_endian);
1075       size_t width = CPP_OPTION (pfile, wchar_precision);
1076       size_t cwidth = CPP_OPTION (pfile, char_precision);
1077       size_t cmask = width_to_mask (cwidth);
1078       size_t nbwc = width / cwidth;
1079       size_t i;
1080       size_t off = tbuf->len;
1081       cppchar_t c;
1082
1083       if (tbuf->len + nbwc > tbuf->asize)
1084         {
1085           tbuf->asize += OUTBUF_BLOCK_SIZE;
1086           tbuf->text = xrealloc (tbuf->text, tbuf->asize);
1087         }
1088
1089       for (i = 0; i < nbwc; i++)
1090         {
1091           c = n & cmask;
1092           n >>= cwidth;
1093           tbuf->text[off + (bigend ? nbwc - i - 1 : i)] = c;
1094         }
1095       tbuf->len += nbwc;
1096     }
1097   else
1098     {
1099       /* Note: this code does not handle the case where the target
1100          and host have a different number of bits in a byte.  */
1101       if (tbuf->len + 1 > tbuf->asize)
1102         {
1103           tbuf->asize += OUTBUF_BLOCK_SIZE;
1104           tbuf->text = xrealloc (tbuf->text, tbuf->asize);
1105         }
1106       tbuf->text[tbuf->len++] = n;
1107     }
1108 }
1109
1110 /* Convert a hexadecimal escape, pointed to by FROM, to the execution
1111    character set and write it into the string buffer TBUF.  Returns an
1112    advanced pointer, and issues diagnostics as necessary.
1113    No character set translation occurs; this routine always produces the
1114    execution-set character with numeric value equal to the given hex
1115    number.  You can, e.g. generate surrogate pairs this way.  */
1116 static const uchar *
1117 convert_hex (cpp_reader *pfile, const uchar *from, const uchar *limit,
1118              struct _cpp_strbuf *tbuf, bool wide)
1119 {
1120   cppchar_t c, n = 0, overflow = 0;
1121   int digits_found = 0;
1122   size_t width = (wide ? CPP_OPTION (pfile, wchar_precision)
1123                   : CPP_OPTION (pfile, char_precision));
1124   size_t mask = width_to_mask (width);
1125
1126   if (CPP_WTRADITIONAL (pfile))
1127     cpp_error (pfile, CPP_DL_WARNING,
1128                "the meaning of '\\x' is different in traditional C");
1129
1130   from++;  /* Skip 'x'.  */
1131   while (from < limit)
1132     {
1133       c = *from;
1134       if (! hex_p (c))
1135         break;
1136       from++;
1137       overflow |= n ^ (n << 4 >> 4);
1138       n = (n << 4) + hex_value (c);
1139       digits_found = 1;
1140     }
1141
1142   if (!digits_found)
1143     {
1144       cpp_error (pfile, CPP_DL_ERROR,
1145                  "\\x used with no following hex digits");
1146       return from;
1147     }
1148
1149   if (overflow | (n != (n & mask)))
1150     {
1151       cpp_error (pfile, CPP_DL_PEDWARN,
1152                  "hex escape sequence out of range");
1153       n &= mask;
1154     }
1155
1156   emit_numeric_escape (pfile, n, tbuf, wide);
1157
1158   return from;
1159 }
1160
1161 /* Convert an octal escape, pointed to by FROM, to the execution
1162    character set and write it into the string buffer TBUF.  Returns an
1163    advanced pointer, and issues diagnostics as necessary.
1164    No character set translation occurs; this routine always produces the
1165    execution-set character with numeric value equal to the given octal
1166    number.  */
1167 static const uchar *
1168 convert_oct (cpp_reader *pfile, const uchar *from, const uchar *limit,
1169              struct _cpp_strbuf *tbuf, bool wide)
1170 {
1171   size_t count = 0;
1172   cppchar_t c, n = 0;
1173   size_t width = (wide ? CPP_OPTION (pfile, wchar_precision)
1174                   : CPP_OPTION (pfile, char_precision));
1175   size_t mask = width_to_mask (width);
1176   bool overflow = false;
1177
1178   while (from < limit && count++ < 3)
1179     {
1180       c = *from;
1181       if (c < '0' || c > '7')
1182         break;
1183       from++;
1184       overflow |= n ^ (n << 3 >> 3);
1185       n = (n << 3) + c - '0';
1186     }
1187
1188   if (n != (n & mask))
1189     {
1190       cpp_error (pfile, CPP_DL_PEDWARN,
1191                  "octal escape sequence out of range");
1192       n &= mask;
1193     }
1194
1195   emit_numeric_escape (pfile, n, tbuf, wide);
1196
1197   return from;
1198 }
1199
1200 /* Convert an escape sequence (pointed to by FROM) to its value on
1201    the target, and to the execution character set.  Do not scan past
1202    LIMIT.  Write the converted value into TBUF.  Returns an advanced
1203    pointer.  Handles all relevant diagnostics.  */
1204 static const uchar *
1205 convert_escape (cpp_reader *pfile, const uchar *from, const uchar *limit,
1206                 struct _cpp_strbuf *tbuf, bool wide)
1207 {
1208   /* Values of \a \b \e \f \n \r \t \v respectively.  */
1209 #if HOST_CHARSET == HOST_CHARSET_ASCII
1210   static const uchar charconsts[] = {  7,  8, 27, 12, 10, 13,  9, 11 };
1211 #elif HOST_CHARSET == HOST_CHARSET_EBCDIC
1212   static const uchar charconsts[] = { 47, 22, 39, 12, 21, 13,  5, 11 };
1213 #else
1214 #error "unknown host character set"
1215 #endif
1216
1217   uchar c;
1218   struct cset_converter cvt
1219     = wide ? pfile->wide_cset_desc : pfile->narrow_cset_desc;
1220
1221   c = *from;
1222   switch (c)
1223     {
1224       /* UCNs, hex escapes, and octal escapes are processed separately.  */
1225     case 'u': case 'U':
1226       return convert_ucn (pfile, from, limit, tbuf, wide);
1227
1228     case 'x':
1229       return convert_hex (pfile, from, limit, tbuf, wide);
1230       break;
1231
1232     case '0':  case '1':  case '2':  case '3':
1233     case '4':  case '5':  case '6':  case '7':
1234       return convert_oct (pfile, from, limit, tbuf, wide);
1235
1236       /* Various letter escapes.  Get the appropriate host-charset
1237          value into C.  */
1238     case '\\': case '\'': case '"': case '?': break;
1239
1240     case '(': case '{': case '[': case '%':
1241       /* '\(', etc, can be used at the beginning of a line in a long
1242          string split onto multiple lines with \-newline, to prevent
1243          Emacs or other text editors from getting confused.  '\%' can
1244          be used to prevent SCCS from mangling printf format strings.  */
1245       if (CPP_PEDANTIC (pfile))
1246         goto unknown;
1247       break;
1248
1249     case 'b': c = charconsts[1];  break;
1250     case 'f': c = charconsts[3];  break;
1251     case 'n': c = charconsts[4];  break;
1252     case 'r': c = charconsts[5];  break;
1253     case 't': c = charconsts[6];  break;
1254     case 'v': c = charconsts[7];  break;
1255
1256     case 'a':
1257       if (CPP_WTRADITIONAL (pfile))
1258         cpp_error (pfile, CPP_DL_WARNING,
1259                    "the meaning of '\\a' is different in traditional C");
1260       c = charconsts[0];
1261       break;
1262
1263     case 'e': case 'E':
1264       if (CPP_PEDANTIC (pfile))
1265         cpp_error (pfile, CPP_DL_PEDWARN,
1266                    "non-ISO-standard escape sequence, '\\%c'", (int) c);
1267       c = charconsts[2];
1268       break;
1269
1270     default:
1271     unknown:
1272       if (ISGRAPH (c))
1273         cpp_error (pfile, CPP_DL_PEDWARN,
1274                    "unknown escape sequence '\\%c'", (int) c);
1275       else
1276         cpp_error (pfile, CPP_DL_PEDWARN,
1277                    "unknown escape sequence: '\\%03o'", (int) c);
1278     }
1279
1280   /* Now convert what we have to the execution character set.  */
1281   if (!APPLY_CONVERSION (cvt, &c, 1, tbuf))
1282     cpp_errno (pfile, CPP_DL_ERROR,
1283                "converting escape sequence to execution character set");
1284
1285   return from + 1;
1286 }
1287 \f
1288 /* FROM is an array of cpp_string structures of length COUNT.  These
1289    are to be converted from the source to the execution character set,
1290    escape sequences translated, and finally all are to be
1291    concatenated.  WIDE indicates whether or not to produce a wide
1292    string.  The result is written into TO.  Returns true for success,
1293    false for failure.  */
1294 bool
1295 cpp_interpret_string (cpp_reader *pfile, const cpp_string *from, size_t count,
1296                       cpp_string *to, bool wide)
1297 {
1298   struct _cpp_strbuf tbuf;
1299   const uchar *p, *base, *limit;
1300   size_t i;
1301   struct cset_converter cvt
1302     = wide ? pfile->wide_cset_desc : pfile->narrow_cset_desc;
1303
1304   tbuf.asize = MAX (OUTBUF_BLOCK_SIZE, from->len);
1305   tbuf.text = xmalloc (tbuf.asize);
1306   tbuf.len = 0;
1307
1308   for (i = 0; i < count; i++)
1309     {
1310       p = from[i].text;
1311       if (*p == 'L') p++;
1312       p++; /* Skip leading quote.  */
1313       limit = from[i].text + from[i].len - 1; /* Skip trailing quote.  */
1314
1315       for (;;)
1316         {
1317           base = p;
1318           while (p < limit && *p != '\\')
1319             p++;
1320           if (p > base)
1321             {
1322               /* We have a run of normal characters; these can be fed
1323                  directly to convert_cset.  */
1324               if (!APPLY_CONVERSION (cvt, base, p - base, &tbuf))
1325                 goto fail;
1326             }
1327           if (p == limit)
1328             break;
1329
1330           p = convert_escape (pfile, p + 1, limit, &tbuf, wide);
1331         }
1332     }
1333   /* NUL-terminate the 'to' buffer and translate it to a cpp_string
1334      structure.  */
1335   emit_numeric_escape (pfile, 0, &tbuf, wide);
1336   tbuf.text = xrealloc (tbuf.text, tbuf.len);
1337   to->text = tbuf.text;
1338   to->len = tbuf.len;
1339   return true;
1340
1341  fail:
1342   cpp_errno (pfile, CPP_DL_ERROR, "converting to execution character set");
1343   free (tbuf.text);
1344   return false;
1345 }
1346
1347 /* Subroutine of do_line and do_linemarker.  Convert escape sequences
1348    in a string, but do not perform character set conversion.  */
1349 bool
1350 cpp_interpret_string_notranslate (cpp_reader *pfile, const cpp_string *from,
1351                                   size_t count, cpp_string *to, bool wide)
1352 {
1353   struct cset_converter save_narrow_cset_desc = pfile->narrow_cset_desc;
1354   bool retval;
1355
1356   pfile->narrow_cset_desc.func = convert_no_conversion;
1357   pfile->narrow_cset_desc.cd = (iconv_t) -1;
1358
1359   retval = cpp_interpret_string (pfile, from, count, to, wide);
1360
1361   pfile->narrow_cset_desc = save_narrow_cset_desc;
1362   return retval;
1363 }
1364
1365 \f
1366 /* Subroutine of cpp_interpret_charconst which performs the conversion
1367    to a number, for narrow strings.  STR is the string structure returned
1368    by cpp_interpret_string.  PCHARS_SEEN and UNSIGNEDP are as for
1369    cpp_interpret_charconst.  */
1370 static cppchar_t
1371 narrow_str_to_charconst (cpp_reader *pfile, cpp_string str,
1372                          unsigned int *pchars_seen, int *unsignedp)
1373 {
1374   size_t width = CPP_OPTION (pfile, char_precision);
1375   size_t max_chars = CPP_OPTION (pfile, int_precision) / width;
1376   size_t mask = width_to_mask (width);
1377   size_t i;
1378   cppchar_t result, c;
1379   bool unsigned_p;
1380
1381   /* The value of a multi-character character constant, or a
1382      single-character character constant whose representation in the
1383      execution character set is more than one byte long, is
1384      implementation defined.  This implementation defines it to be the
1385      number formed by interpreting the byte sequence in memory as a
1386      big-endian binary number.  If overflow occurs, the high bytes are
1387      lost, and a warning is issued.
1388
1389      We don't want to process the NUL terminator handed back by
1390      cpp_interpret_string.  */
1391   result = 0;
1392   for (i = 0; i < str.len - 1; i++)
1393     {
1394       c = str.text[i] & mask;
1395       if (width < BITS_PER_CPPCHAR_T)
1396         result = (result << width) | c;
1397       else
1398         result = c;
1399     }
1400
1401   if (i > max_chars)
1402     {
1403       i = max_chars;
1404       cpp_error (pfile, CPP_DL_WARNING,
1405                  "character constant too long for its type");
1406     }
1407   else if (i > 1 && CPP_OPTION (pfile, warn_multichar))
1408     cpp_error (pfile, CPP_DL_WARNING, "multi-character character constant");
1409
1410   /* Multichar constants are of type int and therefore signed.  */
1411   if (i > 1)
1412     unsigned_p = 0;
1413   else
1414     unsigned_p = CPP_OPTION (pfile, unsigned_char);
1415
1416   /* Truncate the constant to its natural width, and simultaneously
1417      sign- or zero-extend to the full width of cppchar_t.
1418      For single-character constants, the value is WIDTH bits wide.
1419      For multi-character constants, the value is INT_PRECISION bits wide.  */
1420   if (i > 1)
1421     width = CPP_OPTION (pfile, int_precision);
1422   if (width < BITS_PER_CPPCHAR_T)
1423     {
1424       mask = ((cppchar_t) 1 << width) - 1;
1425       if (unsigned_p || !(result & (1 << (width - 1))))
1426         result &= mask;
1427       else
1428         result |= ~mask;
1429     }
1430   *pchars_seen = i;
1431   *unsignedp = unsigned_p;
1432   return result;
1433 }
1434
1435 /* Subroutine of cpp_interpret_charconst which performs the conversion
1436    to a number, for wide strings.  STR is the string structure returned
1437    by cpp_interpret_string.  PCHARS_SEEN and UNSIGNEDP are as for
1438    cpp_interpret_charconst.  */
1439 static cppchar_t
1440 wide_str_to_charconst (cpp_reader *pfile, cpp_string str,
1441                        unsigned int *pchars_seen, int *unsignedp)
1442 {
1443   bool bigend = CPP_OPTION (pfile, bytes_big_endian);
1444   size_t width = CPP_OPTION (pfile, wchar_precision);
1445   size_t cwidth = CPP_OPTION (pfile, char_precision);
1446   size_t mask = width_to_mask (width);
1447   size_t cmask = width_to_mask (cwidth);
1448   size_t nbwc = width / cwidth;
1449   size_t off, i;
1450   cppchar_t result = 0, c;
1451
1452   /* This is finicky because the string is in the target's byte order,
1453      which may not be our byte order.  Only the last character, ignoring
1454      the NUL terminator, is relevant.  */
1455   off = str.len - (nbwc * 2);
1456   result = 0;
1457   for (i = 0; i < nbwc; i++)
1458     {
1459       c = bigend ? str.text[off + i] : str.text[off + nbwc - i - 1];
1460       result = (result << cwidth) | (c & cmask);
1461     }
1462
1463   /* Wide character constants have type wchar_t, and a single
1464      character exactly fills a wchar_t, so a multi-character wide
1465      character constant is guaranteed to overflow.  */
1466   if (off > 0)
1467     cpp_error (pfile, CPP_DL_WARNING,
1468                "character constant too long for its type");
1469
1470   /* Truncate the constant to its natural width, and simultaneously
1471      sign- or zero-extend to the full width of cppchar_t.  */
1472   if (width < BITS_PER_CPPCHAR_T)
1473     {
1474       if (CPP_OPTION (pfile, unsigned_wchar) || !(result & (1 << (width - 1))))
1475         result &= mask;
1476       else
1477         result |= ~mask;
1478     }
1479
1480   *unsignedp = CPP_OPTION (pfile, unsigned_wchar);
1481   *pchars_seen = 1;
1482   return result;
1483 }
1484
1485 /* Interpret a (possibly wide) character constant in TOKEN.
1486    PCHARS_SEEN points to a variable that is filled in with the number
1487    of characters seen, and UNSIGNEDP to a variable that indicates
1488    whether the result has signed type.  */
1489 cppchar_t
1490 cpp_interpret_charconst (cpp_reader *pfile, const cpp_token *token,
1491                          unsigned int *pchars_seen, int *unsignedp)
1492 {
1493   cpp_string str = { 0, 0 };
1494   bool wide = (token->type == CPP_WCHAR);
1495   cppchar_t result;
1496
1497   /* an empty constant will appear as L'' or '' */
1498   if (token->val.str.len == (size_t) (2 + wide))
1499     {
1500       cpp_error (pfile, CPP_DL_ERROR, "empty character constant");
1501       return 0;
1502     }
1503   else if (!cpp_interpret_string (pfile, &token->val.str, 1, &str, wide))
1504     return 0;
1505
1506   if (wide)
1507     result = wide_str_to_charconst (pfile, str, pchars_seen, unsignedp);
1508   else
1509     result = narrow_str_to_charconst (pfile, str, pchars_seen, unsignedp);
1510
1511   if (str.text != token->val.str.text)
1512     free ((void *)str.text);
1513
1514   return result;
1515 }
1516 \f
1517 /* Convert an identifier denoted by ID and LEN, which might contain
1518    UCN escapes, to the source character set, either UTF-8 or
1519    UTF-EBCDIC.  Assumes that the identifier is actually a valid identifier.  */
1520 cpp_hashnode *
1521 _cpp_interpret_identifier (cpp_reader *pfile, const uchar *id, size_t len)
1522 {
1523   /* It turns out that a UCN escape always turns into fewer characters
1524      than the escape itself, so we can allocate a temporary in advance.  */
1525   uchar * buf = alloca (len + 1);
1526   uchar * bufp = buf;
1527   size_t idp;
1528   
1529   for (idp = 0; idp < len; idp++)
1530     if (id[idp] != '\\')
1531       *bufp++ = id[idp];
1532     else
1533       {
1534         unsigned length = id[idp+1] == 'u' ? 4 : 8;
1535         cppchar_t value = 0;
1536         size_t bufleft = len - (bufp - buf);
1537         int rval;
1538
1539         idp += 2;
1540         while (length && idp < len && ISXDIGIT (id[idp]))
1541           {
1542             value = (value << 4) + hex_value (id[idp]);
1543             idp++;
1544             length--;
1545           }
1546         idp--;
1547
1548         /* Special case for EBCDIC: if the identifier contains
1549            a '$' specified using a UCN, translate it to EBCDIC.  */
1550         if (value == 0x24)
1551           {
1552             *bufp++ = '$';
1553             continue;
1554           }
1555
1556         rval = one_cppchar_to_utf8 (value, &bufp, &bufleft);
1557         if (rval)
1558           {
1559             errno = rval;
1560             cpp_errno (pfile, CPP_DL_ERROR,
1561                        "converting UCN to source character set");
1562             break;
1563           }
1564       }
1565
1566   return CPP_HASHNODE (ht_lookup (pfile->hash_table, 
1567                                   buf, bufp - buf, HT_ALLOC));
1568 }
1569 \f
1570 /* Convert an input buffer (containing the complete contents of one
1571    source file) from INPUT_CHARSET to the source character set.  INPUT
1572    points to the input buffer, SIZE is its allocated size, and LEN is
1573    the length of the meaningful data within the buffer.  The
1574    translated buffer is returned, and *ST_SIZE is set to the length of
1575    the meaningful data within the translated buffer.
1576
1577    INPUT is expected to have been allocated with xmalloc.  This function
1578    will either return INPUT, or free it and return a pointer to another
1579    xmalloc-allocated block of memory.  */
1580 uchar * 
1581 _cpp_convert_input (cpp_reader *pfile, const char *input_charset,
1582                     uchar *input, size_t size, size_t len, off_t *st_size)
1583 {
1584   struct cset_converter input_cset;
1585   struct _cpp_strbuf to;
1586
1587   input_cset = init_iconv_desc (pfile, SOURCE_CHARSET, input_charset);
1588   if (input_cset.func == convert_no_conversion)
1589     {
1590       to.text = input;
1591       to.asize = size;
1592       to.len = len;
1593     }
1594   else
1595     {
1596       to.asize = MAX (65536, len);
1597       to.text = xmalloc (to.asize);
1598       to.len = 0;
1599
1600       if (!APPLY_CONVERSION (input_cset, input, len, &to))
1601         cpp_error (pfile, CPP_DL_ERROR,
1602                    "failure to convert %s to %s",
1603                    CPP_OPTION (pfile, input_charset), SOURCE_CHARSET);
1604
1605       free (input);
1606     }
1607
1608   /* Clean up the mess.  */
1609   if (input_cset.func == convert_using_iconv)
1610     iconv_close (input_cset.cd);
1611
1612   /* Resize buffer if we allocated substantially too much, or if we
1613      haven't enough space for the \n-terminator.  */
1614   if (to.len + 4096 < to.asize || to.len >= to.asize)
1615     to.text = xrealloc (to.text, to.len + 1);
1616
1617   /* If the file is using old-school Mac line endings (\r only),
1618      terminate with another \r, not an \n, so that we do not mistake
1619      the \r\n sequence for a single DOS line ending and erroneously
1620      issue the "No newline at end of file" diagnostic.  */
1621   if (to.text[to.len - 1] == '\r')
1622     to.text[to.len] = '\r';
1623   else
1624     to.text[to.len] = '\n';
1625
1626   *st_size = to.len;
1627   return to.text;
1628 }
1629
1630 /* Decide on the default encoding to assume for input files.  */
1631 const char *
1632 _cpp_default_encoding (void)
1633 {
1634   const char *current_encoding = NULL;
1635
1636   /* We disable this because the default codeset is 7-bit ASCII on
1637      most platforms, and this causes conversion failures on every
1638      file in GCC that happens to have one of the upper 128 characters
1639      in it -- most likely, as part of the name of a contributor.
1640      We should definitely recognize in-band markers of file encoding,
1641      like:
1642      - the appropriate Unicode byte-order mark (FE FF) to recognize
1643        UTF16 and UCS4 (in both big-endian and little-endian flavors)
1644        and UTF8
1645      - a "#i", "#d", "/ *", "//", " #p" or "#p" (for #pragma) to
1646        distinguish ASCII and EBCDIC.
1647      - now we can parse something like "#pragma GCC encoding <xyz>
1648        on the first line, or even Emacs/VIM's mode line tags (there's
1649        a problem here in that VIM uses the last line, and Emacs has
1650        its more elaborate "local variables" convention).
1651      - investigate whether Java has another common convention, which
1652        would be friendly to support.
1653      (Zack Weinberg and Paolo Bonzini, May 20th 2004)  */
1654 #if defined (HAVE_LOCALE_H) && defined (HAVE_LANGINFO_CODESET) && 0
1655   setlocale (LC_CTYPE, "");
1656   current_encoding = nl_langinfo (CODESET);
1657 #endif
1658   if (current_encoding == NULL || *current_encoding == '\0')
1659     current_encoding = SOURCE_CHARSET;
1660
1661   return current_encoding;
1662 }