summaryrefslogtreecommitdiff
path: root/src/common
diff options
context:
space:
mode:
authorCyrille Bagard <nocbos@gmail.com>2020-01-25 18:12:52 (GMT)
committerCyrille Bagard <nocbos@gmail.com>2020-01-25 18:12:52 (GMT)
commit61c9454a718b1cf87029833d5fb493e09990dbfe (patch)
tree2a134c6d8880f17e41f746b7b9d93018995e56b8 /src/common
parentd7a7c0dc3f20664f3e4d6bd7a3caa08bb6511cd9 (diff)
Handled the MUTF-8 U+0000 code point.
Diffstat (limited to 'src/common')
-rw-r--r--src/common/utf8.c120
-rw-r--r--src/common/utf8.h3
2 files changed, 123 insertions, 0 deletions
diff --git a/src/common/utf8.c b/src/common/utf8.c
index c5cfa03..9250fef 100644
--- a/src/common/utf8.c
+++ b/src/common/utf8.c
@@ -148,3 +148,123 @@ unichar_t decode_utf8_char(const unsigned char *text, size_t len, size_t *consum
return result;
}
+
+
+/******************************************************************************
+* *
+* Paramètres : text = position courante dans une chaîne de caractères. *
+* len = nombre d'octets de cette même chaîne. *
+* consumed = nombre d'octets lus pendant l'opération. [OUT] *
+* *
+* Description : Procède à la lecture d'un caractère d'une chaîne en MUTF-8. *
+* *
+* Retour : Caractère sur 32 bits lu ou code d'erreur en cas de soucis. *
+* *
+* Remarques : - *
+* *
+******************************************************************************/
+
+unichar_t decode_mutf8_char(const unsigned char *text, size_t len, size_t *consumed)
+{
+ unichar_t result; /* Valeur à retourner */
+ size_t expected; /* Quantité à traiter */
+ unichar_t minval; /* Valeur codée minimale */
+ size_t i; /* Boucle de parcours */
+
+ /**
+ * Le format suivant est détaillé à la page :
+ * https://source.android.com/devices/tech/dalvik/dex-format#mutf-8
+ */
+
+ result = text[0];
+
+ /**
+ * ASCII ?
+ */
+ if (result < 0x80)
+ {
+ *consumed = 1;
+ goto duc_done;
+ }
+
+ /**
+ * Deux caractères (au moins) doivent être présents.
+ * Le premier mot doit donc au moins commencer par 0b1100 = 0xc.
+ */
+ else if (result < 0xc0)
+ {
+ result = UTF8_ERROR_MALFORMED;
+ goto duc_done;
+ }
+
+ /**
+ * Valeur inférieure à 0xe, donc taille inférieure à 3 (0b1110).
+ */
+ else if (result < 0xe0)
+ {
+ expected = 2;
+ result &= 0x1f;
+ minval = 1 << 7;
+ }
+
+ /**
+ * Valeur inférieure à 0xf0, donc taille inférieure à 4 (0b11110000).
+ */
+ else if (result < 0xf0)
+ {
+ expected = 3;
+ result &= 0x0f;
+ minval = 1 << 11;
+ }
+
+ /**
+ * Erreur : l'encodage MUTF-8 ne dépasse pas 3 octets.
+ */
+ else
+ {
+ result = UTF8_ERROR_TOO_LONG;
+ goto duc_done;
+ }
+
+ /**
+ * Erreur : pas assez de données.
+ */
+ if (expected > len)
+ {
+ result = UTF8_ERROR_TOO_LONG;
+ goto duc_done;
+ }
+
+ /**
+ * Intégration des octets restants, avec vérifications qu'ils participent
+ * bien à la constitution de la valeur finale.
+ */
+ for (i = 1; i < expected; i++)
+ {
+ if ((text[i] & 0xc0) != 0x80)
+ {
+ result = UTF8_ERROR_MISSING;
+ goto duc_done;
+ }
+
+ result <<= 6;
+ result |= (text[i] & 0x3f);
+
+ }
+
+ /**
+ * Validation finale.
+ */
+ if (result < minval && (result != 0 || expected != 2))
+ {
+ result = UTF8_ERROR_WASTING;
+ goto duc_done;
+ }
+
+ *consumed = expected;
+
+ duc_done:
+
+ return result;
+
+}
diff --git a/src/common/utf8.h b/src/common/utf8.h
index 4b8437d..88ebd20 100644
--- a/src/common/utf8.h
+++ b/src/common/utf8.h
@@ -50,6 +50,9 @@ typedef uint32_t unichar_t;
/* Procède à la lecture d'un caractère dans une chaîne en UTF-8. */
unichar_t decode_utf8_char(const unsigned char *, size_t, size_t *);
+/* Procède à la lecture d'un caractère d'une chaîne en MUTF-8. */
+unichar_t decode_mutf8_char(const unsigned char *, size_t, size_t *);
+
#endif /* _COMMON_UTF8_H */