diff options
Diffstat (limited to 'src/common/utf8.c')
-rw-r--r-- | src/common/utf8.c | 150 |
1 files changed, 150 insertions, 0 deletions
diff --git a/src/common/utf8.c b/src/common/utf8.c new file mode 100644 index 0000000..401b0a3 --- /dev/null +++ b/src/common/utf8.c @@ -0,0 +1,150 @@ + +/* Chrysalide - Outil d'analyse de fichiers binaires + * utf8.c - support minimaliste mais adapté de l'encodage UTF-8 + * + * Copyright (C) 2018 Cyrille Bagard + * + * This file is part of Chrysalide. + * + * Chrysalide is free software; you can redistribute it and/or modify + * it under the terms of the GNU General Public License as published by + * the Free Software Foundation; either version 3 of the License, or + * (at your option) any later version. + * + * Chrysalide is distributed in the hope that it will be useful, + * but WITHOUT ANY WARRANTY; without even the implied warranty of + * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the + * GNU General Public License for more details. + * + * You should have received a copy of the GNU General Public License + * along with Foobar. If not, see <http://www.gnu.org/licenses/>. + */ + + +#include "utf8.h" + + + +/****************************************************************************** +* * +* 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 dans une chaîne en UTF-8.* +* * +* Retour : Caractère sur 32 bits lu ou code d'erreur en cas de soucis. * +* * +* Remarques : - * +* * +******************************************************************************/ + +unichar_t decode_utf8_char(const 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 */ + + 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; + } + + /** + * Valeur inférieure à 0xf8, donc taille inférieure à 5 (0b11111000). + */ + else if (result < 0xf8) + { + expected = 4; + result &= 0x07; + minval = 1 << 16; + } + + /** + * Erreur : l'encodage UTF-8 ne dépasse pas 4 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 = UTF8_ERROR_WASTING; + goto duc_done; + } + + *consumed = expected; + + duc_done: + + return result; + +} |