blob: 3c23a1b6b2119d914369533884b6303fc86526b9 (
plain)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
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 Chrysalide. 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;
}
|