contrib/llvm/lib/Support/ConvertUTFWrapper.cpp

   1 //===-- ConvertUTFWrapper.cpp - Wrap ConvertUTF.h with clang data types -----===
   2 //
   3 //                     The LLVM Compiler Infrastructure
   4 //
   5 // This file is distributed under the University of Illinois Open Source
   6 // License. See LICENSE.TXT for details.
   7 //
   8 //===----------------------------------------------------------------------===//
   9
  10 #include "llvm/ADT/ArrayRef.h"
  11 #include "llvm/ADT/StringRef.h"
  12 #include "llvm/Support/ConvertUTF.h"
  13 #include "llvm/Support/ErrorHandling.h"
  14 #include "llvm/Support/SwapByteOrder.h"
  15 #include <string>
  16 #include <vector>
  17
  18 namespace llvm {
  19
  20 bool ConvertUTF8toWide(unsigned WideCharWidth, llvm::StringRef Source,
  21                        char *&ResultPtr, const UTF8 *&ErrorPtr) {
  22   assert(WideCharWidth == 1 || WideCharWidth == 2 || WideCharWidth == 4);
  23   ConversionResult result = conversionOK;
  24   // Copy the character span over.
  25   if (WideCharWidth == 1) {
  26     const UTF8 *Pos = reinterpret_cast<const UTF8*>(Source.begin());
  27     if (!isLegalUTF8String(&Pos, reinterpret_cast<const UTF8*>(Source.end()))) {
  28       result = sourceIllegal;
  29       ErrorPtr = Pos;
  30     } else {
  31       memcpy(ResultPtr, Source.data(), Source.size());
  32       ResultPtr += Source.size();
  33     }
  34   } else if (WideCharWidth == 2) {
  35     const UTF8 *sourceStart = (const UTF8*)Source.data();
  36     // FIXME: Make the type of the result buffer correct instead of
  37     // using reinterpret_cast.
  38     UTF16 *targetStart = reinterpret_cast<UTF16*>(ResultPtr);
  39     ConversionFlags flags = strictConversion;
  40     result = ConvertUTF8toUTF16(
  41         &sourceStart, sourceStart + Source.size(),
  42         &targetStart, targetStart + Source.size(), flags);
  43     if (result == conversionOK)
  44       ResultPtr = reinterpret_cast<char*>(targetStart);
  45     else
  46       ErrorPtr = sourceStart;
  47   } else if (WideCharWidth == 4) {
  48     const UTF8 *sourceStart = (const UTF8*)Source.data();
  49     // FIXME: Make the type of the result buffer correct instead of
  50     // using reinterpret_cast.
  51     UTF32 *targetStart = reinterpret_cast<UTF32*>(ResultPtr);
  52     ConversionFlags flags = strictConversion;
  53     result = ConvertUTF8toUTF32(
  54         &sourceStart, sourceStart + Source.size(),
  55         &targetStart, targetStart + Source.size(), flags);
  56     if (result == conversionOK)
  57       ResultPtr = reinterpret_cast<char*>(targetStart);
  58     else
  59       ErrorPtr = sourceStart;
  60   }
  61   assert((result != targetExhausted)
  62          && "ConvertUTF8toUTFXX exhausted target buffer");
  63   return result == conversionOK;
  64 }
  65
  66 bool ConvertCodePointToUTF8(unsigned Source, char *&ResultPtr) {
  67   const UTF32 *SourceStart = &Source;
  68   const UTF32 *SourceEnd = SourceStart + 1;
  69   UTF8 *TargetStart = reinterpret_cast<UTF8 *>(ResultPtr);
  70   UTF8 *TargetEnd = TargetStart + 4;
  71   ConversionResult CR = ConvertUTF32toUTF8(&SourceStart, SourceEnd,
  72                                            &TargetStart, TargetEnd,
  73                                            strictConversion);
  74   if (CR != conversionOK)
  75     return false;
  76
  77   ResultPtr = reinterpret_cast<char*>(TargetStart);
  78   return true;
  79 }
  80
  81 bool hasUTF16ByteOrderMark(ArrayRef<char> S) {
  82   return (S.size() >= 2 &&
  83           ((S[0] == '\xff' && S[1] == '\xfe') ||
  84            (S[0] == '\xfe' && S[1] == '\xff')));
  85 }
  86
  87 bool convertUTF16ToUTF8String(ArrayRef<char> SrcBytes, std::string &Out) {
  88   assert(Out.empty());
  89
  90   // Error out on an uneven byte count.
  91   if (SrcBytes.size() % 2)
  92     return false;
  93
  94   // Avoid OOB by returning early on empty input.
  95   if (SrcBytes.empty())
  96     return true;
  97
  98   const UTF16 *Src = reinterpret_cast<const UTF16 *>(SrcBytes.begin());
  99   const UTF16 *SrcEnd = reinterpret_cast<const UTF16 *>(SrcBytes.end());
 100
 101   // Byteswap if necessary.
 102   std::vector<UTF16> ByteSwapped;
 103   if (Src[0] == UNI_UTF16_BYTE_ORDER_MARK_SWAPPED) {
 104     ByteSwapped.insert(ByteSwapped.end(), Src, SrcEnd);
 105     for (unsigned I = 0, E = ByteSwapped.size(); I != E; ++I)
 106       ByteSwapped[I] = llvm::sys::SwapByteOrder_16(ByteSwapped[I]);
 107     Src = &ByteSwapped[0];
 108     SrcEnd = &ByteSwapped[ByteSwapped.size() - 1] + 1;
 109   }
 110
 111   // Skip the BOM for conversion.
 112   if (Src[0] == UNI_UTF16_BYTE_ORDER_MARK_NATIVE)
 113     Src++;
 114
 115   // Just allocate enough space up front.  We'll shrink it later.  Allocate
 116   // enough that we can fit a null terminator without reallocating.
 117   Out.resize(SrcBytes.size() * UNI_MAX_UTF8_BYTES_PER_CODE_POINT + 1);
 118   UTF8 *Dst = reinterpret_cast<UTF8 *>(&Out[0]);
 119   UTF8 *DstEnd = Dst + Out.size();
 120
 121   ConversionResult CR =
 122       ConvertUTF16toUTF8(&Src, SrcEnd, &Dst, DstEnd, strictConversion);
 123   assert(CR != targetExhausted);
 124
 125   if (CR != conversionOK) {
 126     Out.clear();
 127     return false;
 128   }
 129
 130   Out.resize(reinterpret_cast<char *>(Dst) - &Out[0]);
 131   Out.push_back(0);
 132   Out.pop_back();
 133   return true;
 134 }
 135
 136 bool convertUTF16ToUTF8String(ArrayRef<UTF16> Src, std::string &Out)
 137 {
 138   return convertUTF16ToUTF8String(
 139       llvm::ArrayRef<char>(reinterpret_cast<const char *>(Src.data()),
 140       Src.size() * sizeof(UTF16)), Out);
 141 }
 142
 143 bool convertUTF8ToUTF16String(StringRef SrcUTF8,
 144                               SmallVectorImpl<UTF16> &DstUTF16) {
 145   assert(DstUTF16.empty());
 146
 147   // Avoid OOB by returning early on empty input.
 148   if (SrcUTF8.empty()) {
 149     DstUTF16.push_back(0);
 150     DstUTF16.pop_back();
 151     return true;
 152   }
 153
 154   const UTF8 *Src = reinterpret_cast<const UTF8 *>(SrcUTF8.begin());
 155   const UTF8 *SrcEnd = reinterpret_cast<const UTF8 *>(SrcUTF8.end());
 156
 157   // Allocate the same number of UTF-16 code units as UTF-8 code units. Encoding
 158   // as UTF-16 should always require the same amount or less code units than the
 159   // UTF-8 encoding.  Allocate one extra byte for the null terminator though,
 160   // so that someone calling DstUTF16.data() gets a null terminated string.
 161   // We resize down later so we don't have to worry that this over allocates.
 162   DstUTF16.resize(SrcUTF8.size()+1);
 163   UTF16 *Dst = &DstUTF16[0];
 164   UTF16 *DstEnd = Dst + DstUTF16.size();
 165
 166   ConversionResult CR =
 167       ConvertUTF8toUTF16(&Src, SrcEnd, &Dst, DstEnd, strictConversion);
 168   assert(CR != targetExhausted);
 169
 170   if (CR != conversionOK) {
 171     DstUTF16.clear();
 172     return false;
 173   }
 174
 175   DstUTF16.resize(Dst - &DstUTF16[0]);
 176   DstUTF16.push_back(0);
 177   DstUTF16.pop_back();
 178   return true;
 179 }
 180
 181 static_assert(sizeof(wchar_t) == 1 || sizeof(wchar_t) == 2 ||
 182                   sizeof(wchar_t) == 4,
 183               "Expected wchar_t to be 1, 2, or 4 bytes");
 184
 185 template <typename TResult>
 186 static inline bool ConvertUTF8toWideInternal(llvm::StringRef Source,
 187                                              TResult &Result) {
 188   // Even in the case of UTF-16, the number of bytes in a UTF-8 string is
 189   // at least as large as the number of elements in the resulting wide
 190   // string, because surrogate pairs take at least 4 bytes in UTF-8.
 191   Result.resize(Source.size() + 1);
 192   char *ResultPtr = reinterpret_cast<char *>(&Result[0]);
 193   const UTF8 *ErrorPtr;
 194   if (!ConvertUTF8toWide(sizeof(wchar_t), Source, ResultPtr, ErrorPtr)) {
 195     Result.clear();
 196     return false;
 197   }
 198   Result.resize(reinterpret_cast<wchar_t *>(ResultPtr) - &Result[0]);
 199   return true;
 200 }
 201
 202 bool ConvertUTF8toWide(llvm::StringRef Source, std::wstring &Result) {
 203   return ConvertUTF8toWideInternal(Source, Result);
 204 }
 205
 206 bool ConvertUTF8toWide(const char *Source, std::wstring &Result) {
 207   if (!Source) {
 208     Result.clear();
 209     return true;
 210   }
 211   return ConvertUTF8toWide(llvm::StringRef(Source), Result);
 212 }
 213
 214 bool convertWideToUTF8(const std::wstring &Source, std::string &Result) {
 215   if (sizeof(wchar_t) == 1) {
 216     const UTF8 *Start = reinterpret_cast<const UTF8 *>(Source.data());
 217     const UTF8 *End =
 218         reinterpret_cast<const UTF8 *>(Source.data() + Source.size());
 219     if (!isLegalUTF8String(&Start, End))
 220       return false;
 221     Result.resize(Source.size());
 222     memcpy(&Result[0], Source.data(), Source.size());
 223     return true;
 224   } else if (sizeof(wchar_t) == 2) {
 225     return convertUTF16ToUTF8String(
 226         llvm::ArrayRef<UTF16>(reinterpret_cast<const UTF16 *>(Source.data()),
 227                               Source.size()),
 228         Result);
 229   } else if (sizeof(wchar_t) == 4) {
 230     const UTF32 *Start = reinterpret_cast<const UTF32 *>(Source.data());
 231     const UTF32 *End =
 232         reinterpret_cast<const UTF32 *>(Source.data() + Source.size());
 233     Result.resize(UNI_MAX_UTF8_BYTES_PER_CODE_POINT * Source.size());
 234     UTF8 *ResultPtr = reinterpret_cast<UTF8 *>(&Result[0]);
 235     UTF8 *ResultEnd = reinterpret_cast<UTF8 *>(&Result[0] + Result.size());
 236     if (ConvertUTF32toUTF8(&Start, End, &ResultPtr, ResultEnd,
 237                            strictConversion) == conversionOK) {
 238       Result.resize(reinterpret_cast<char *>(ResultPtr) - &Result[0]);
 239       return true;
 240     } else {
 241       Result.clear();
 242       return false;
 243     }
 244   } else {
 245     llvm_unreachable(
 246         "Control should never reach this point; see static_assert further up");
 247   }
 248 }
 249
 250 } // end namespace llvm
 251