Handled the MUTF-8 U+0000 code point.

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 */