Branch data Line data Source code
1 : : /* guniprop.c - Unicode character properties.
2 : : *
3 : : * Copyright (C) 1999 Tom Tromey
4 : : * Copyright (C) 2000 Red Hat, Inc.
5 : : *
6 : : * SPDX-License-Identifier: LGPL-2.1-or-later
7 : : *
8 : : * This library is free software; you can redistribute it and/or
9 : : * modify it under the terms of the GNU Lesser General Public
10 : : * License as published by the Free Software Foundation; either
11 : : * version 2.1 of the License, or (at your option) any later version.
12 : : *
13 : : * This library is distributed in the hope that it will be useful,
14 : : * but WITHOUT ANY WARRANTY; without even the implied warranty of
15 : : * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the GNU
16 : : * Lesser General Public License for more details.
17 : : *
18 : : * You should have received a copy of the GNU Lesser General Public
19 : : * License along with this library; if not, see <http://www.gnu.org/licenses/>.
20 : : */
21 : :
22 : : #include "config.h"
23 : :
24 : : #include <stdlib.h>
25 : : #include <stddef.h>
26 : : #include <string.h>
27 : : #include <locale.h>
28 : :
29 : : #include "gmem.h"
30 : : #include "gstring.h"
31 : : #include "gtestutils.h"
32 : : #include "gtypes.h"
33 : : #include "gunicode.h"
34 : : #include "gunichartables.h"
35 : : #include "gmirroringtable.h"
36 : : #include "gscripttable.h"
37 : : #include "gunicodeprivate.h"
38 : : #ifdef G_OS_WIN32
39 : : #include "gwin32.h"
40 : : #endif
41 : :
42 : : #define G_UNICHAR_FULLWIDTH_A 0xff21
43 : : #define G_UNICHAR_FULLWIDTH_I 0xff29
44 : : #define G_UNICHAR_FULLWIDTH_J 0xff2a
45 : : #define G_UNICHAR_FULLWIDTH_F 0xff26
46 : : #define G_UNICHAR_FULLWIDTH_a 0xff41
47 : : #define G_UNICHAR_FULLWIDTH_f 0xff46
48 : :
49 : : #define ATTR_TABLE(Page) (((Page) <= G_UNICODE_LAST_PAGE_PART1) \
50 : : ? attr_table_part1[Page] \
51 : : : attr_table_part2[(Page) - 0xe00])
52 : :
53 : : #define ATTTABLE(Page, Char) \
54 : : ((ATTR_TABLE(Page) == G_UNICODE_MAX_TABLE_INDEX) ? 0 : (attr_data[ATTR_TABLE(Page)][Char]))
55 : :
56 : : #define TTYPE_PART1(Page, Char) \
57 : : ((type_table_part1[Page] >= G_UNICODE_MAX_TABLE_INDEX) \
58 : : ? (type_table_part1[Page] - G_UNICODE_MAX_TABLE_INDEX) \
59 : : : (type_data[type_table_part1[Page]][Char]))
60 : :
61 : : #define TTYPE_PART2(Page, Char) \
62 : : ((type_table_part2[Page] >= G_UNICODE_MAX_TABLE_INDEX) \
63 : : ? (type_table_part2[Page] - G_UNICODE_MAX_TABLE_INDEX) \
64 : : : (type_data[type_table_part2[Page]][Char]))
65 : :
66 : : #define TYPE(Char) \
67 : : (((Char) <= G_UNICODE_LAST_CHAR_PART1) \
68 : : ? TTYPE_PART1 ((Char) >> 8, (Char) & 0xff) \
69 : : : (((Char) >= 0xe0000 && (Char) <= G_UNICODE_LAST_CHAR) \
70 : : ? TTYPE_PART2 (((Char) - 0xe0000) >> 8, (Char) & 0xff) \
71 : : : G_UNICODE_UNASSIGNED))
72 : :
73 : :
74 : : #define IS(Type, Class) (((guint)1 << (Type)) & (Class))
75 : : #define OR(Type, Rest) (((guint)1 << (Type)) | (Rest))
76 : :
77 : :
78 : :
79 : : #define ISALPHA(Type) IS ((Type), \
80 : : OR (G_UNICODE_LOWERCASE_LETTER, \
81 : : OR (G_UNICODE_UPPERCASE_LETTER, \
82 : : OR (G_UNICODE_TITLECASE_LETTER, \
83 : : OR (G_UNICODE_MODIFIER_LETTER, \
84 : : OR (G_UNICODE_OTHER_LETTER, 0))))))
85 : :
86 : : #define ISALDIGIT(Type) IS ((Type), \
87 : : OR (G_UNICODE_DECIMAL_NUMBER, \
88 : : OR (G_UNICODE_LETTER_NUMBER, \
89 : : OR (G_UNICODE_OTHER_NUMBER, \
90 : : OR (G_UNICODE_LOWERCASE_LETTER, \
91 : : OR (G_UNICODE_UPPERCASE_LETTER, \
92 : : OR (G_UNICODE_TITLECASE_LETTER, \
93 : : OR (G_UNICODE_MODIFIER_LETTER, \
94 : : OR (G_UNICODE_OTHER_LETTER, 0)))))))))
95 : :
96 : : #define ISMARK(Type) IS ((Type), \
97 : : OR (G_UNICODE_NON_SPACING_MARK, \
98 : : OR (G_UNICODE_SPACING_MARK, \
99 : : OR (G_UNICODE_ENCLOSING_MARK, 0))))
100 : :
101 : : #define ISZEROWIDTHTYPE(Type) IS ((Type), \
102 : : OR (G_UNICODE_NON_SPACING_MARK, \
103 : : OR (G_UNICODE_ENCLOSING_MARK, \
104 : : OR (G_UNICODE_FORMAT, 0))))
105 : :
106 : : /**
107 : : * g_unichar_isalnum:
108 : : * @c: a Unicode character
109 : : *
110 : : * Determines whether a character is alphanumeric.
111 : : * Given some UTF-8 text, obtain a character value
112 : : * with g_utf8_get_char().
113 : : *
114 : : * Returns: %TRUE if @c is an alphanumeric character
115 : : **/
116 : : gboolean
117 : 127893 : g_unichar_isalnum (gunichar c)
118 : : {
119 [ + + + + : 127893 : return ISALDIGIT (TYPE (c)) ? TRUE : FALSE;
+ + + + +
+ ]
120 : : }
121 : :
122 : : /**
123 : : * g_unichar_isalpha:
124 : : * @c: a Unicode character
125 : : *
126 : : * Determines whether a character is alphabetic (i.e. a letter).
127 : : * Given some UTF-8 text, obtain a character value with
128 : : * g_utf8_get_char().
129 : : *
130 : : * Returns: %TRUE if @c is an alphabetic character
131 : : **/
132 : : gboolean
133 : 207 : g_unichar_isalpha (gunichar c)
134 : : {
135 [ + + + + : 207 : return ISALPHA (TYPE (c)) ? TRUE : FALSE;
+ + + + +
+ ]
136 : : }
137 : :
138 : :
139 : : /**
140 : : * g_unichar_iscntrl:
141 : : * @c: a Unicode character
142 : : *
143 : : * Determines whether a character is a control character.
144 : : * Given some UTF-8 text, obtain a character value with
145 : : * g_utf8_get_char().
146 : : *
147 : : * Returns: %TRUE if @c is a control character
148 : : **/
149 : : gboolean
150 : 139 : g_unichar_iscntrl (gunichar c)
151 : : {
152 [ + + + + : 139 : return TYPE (c) == G_UNICODE_CONTROL;
+ + + + +
+ ]
153 : : }
154 : :
155 : : /**
156 : : * g_unichar_isdigit:
157 : : * @c: a Unicode character
158 : : *
159 : : * Determines whether a character is numeric (i.e. a digit). This
160 : : * covers ASCII 0-9 and also digits in other languages/scripts. Given
161 : : * some UTF-8 text, obtain a character value with g_utf8_get_char().
162 : : *
163 : : * Returns: %TRUE if @c is a digit
164 : : **/
165 : : gboolean
166 : 149 : g_unichar_isdigit (gunichar c)
167 : : {
168 [ + + + + : 149 : return TYPE (c) == G_UNICODE_DECIMAL_NUMBER;
+ + + + +
+ ]
169 : : }
170 : :
171 : :
172 : : /**
173 : : * g_unichar_isgraph:
174 : : * @c: a Unicode character
175 : : *
176 : : * Determines whether a character is printable and not a space
177 : : * (returns %FALSE for control characters, format characters, and
178 : : * spaces). g_unichar_isprint() is similar, but returns %TRUE for
179 : : * spaces. Given some UTF-8 text, obtain a character value with
180 : : * g_utf8_get_char().
181 : : *
182 : : * Returns: %TRUE if @c is printable unless it's a space
183 : : **/
184 : : gboolean
185 : 152 : g_unichar_isgraph (gunichar c)
186 : : {
187 [ + + + + : 152 : return !IS (TYPE(c),
+ + + + +
+ ]
188 : : OR (G_UNICODE_CONTROL,
189 : : OR (G_UNICODE_FORMAT,
190 : : OR (G_UNICODE_UNASSIGNED,
191 : : OR (G_UNICODE_SURROGATE,
192 : : OR (G_UNICODE_SPACE_SEPARATOR,
193 : : 0))))));
194 : : }
195 : :
196 : : /**
197 : : * g_unichar_islower:
198 : : * @c: a Unicode character
199 : : *
200 : : * Determines whether a character is a lowercase letter.
201 : : * Given some UTF-8 text, obtain a character value with
202 : : * g_utf8_get_char().
203 : : *
204 : : * Returns: %TRUE if @c is a lowercase letter
205 : : **/
206 : : gboolean
207 : 141 : g_unichar_islower (gunichar c)
208 : : {
209 [ + + + + : 141 : return TYPE (c) == G_UNICODE_LOWERCASE_LETTER;
+ + + + +
+ ]
210 : : }
211 : :
212 : :
213 : : /**
214 : : * g_unichar_isprint:
215 : : * @c: a Unicode character
216 : : *
217 : : * Determines whether a character is printable.
218 : : * Unlike g_unichar_isgraph(), returns %TRUE for spaces.
219 : : * Given some UTF-8 text, obtain a character value with
220 : : * g_utf8_get_char().
221 : : *
222 : : * Returns: %TRUE if @c is printable
223 : : **/
224 : : gboolean
225 : 2975993 : g_unichar_isprint (gunichar c)
226 : : {
227 [ + + + + : 2975993 : return !IS (TYPE(c),
+ + + + +
+ ]
228 : : OR (G_UNICODE_CONTROL,
229 : : OR (G_UNICODE_FORMAT,
230 : : OR (G_UNICODE_UNASSIGNED,
231 : : OR (G_UNICODE_SURROGATE,
232 : : 0)))));
233 : : }
234 : :
235 : : /**
236 : : * g_unichar_ispunct:
237 : : * @c: a Unicode character
238 : : *
239 : : * Determines whether a character is punctuation or a symbol.
240 : : * Given some UTF-8 text, obtain a character value with
241 : : * g_utf8_get_char().
242 : : *
243 : : * Returns: %TRUE if @c is a punctuation or symbol character
244 : : **/
245 : : gboolean
246 : 145 : g_unichar_ispunct (gunichar c)
247 : : {
248 [ + + ]: 4 : return IS (TYPE(c),
249 : : OR (G_UNICODE_CONNECT_PUNCTUATION,
250 : : OR (G_UNICODE_DASH_PUNCTUATION,
251 : : OR (G_UNICODE_CLOSE_PUNCTUATION,
252 : : OR (G_UNICODE_FINAL_PUNCTUATION,
253 : : OR (G_UNICODE_INITIAL_PUNCTUATION,
254 : : OR (G_UNICODE_OTHER_PUNCTUATION,
255 : : OR (G_UNICODE_OPEN_PUNCTUATION,
256 : : OR (G_UNICODE_CURRENCY_SYMBOL,
257 : : OR (G_UNICODE_MODIFIER_SYMBOL,
258 : : OR (G_UNICODE_MATH_SYMBOL,
259 : : OR (G_UNICODE_OTHER_SYMBOL,
260 [ + + + + : 149 : 0)))))))))))) ? TRUE : FALSE;
+ + + + ]
261 : : }
262 : :
263 : : /**
264 : : * g_unichar_isspace:
265 : : * @c: a Unicode character
266 : : *
267 : : * Determines whether a character is a space, tab, or line separator
268 : : * (newline, carriage return, etc.). Given some UTF-8 text, obtain a
269 : : * character value with g_utf8_get_char().
270 : : *
271 : : * (Note: don't use this to do word breaking; you have to use
272 : : * Pango or equivalent to get word breaking right, the algorithm
273 : : * is fairly complex.)
274 : : *
275 : : * Returns: %TRUE if @c is a space character
276 : : **/
277 : : gboolean
278 : 145 : g_unichar_isspace (gunichar c)
279 : : {
280 [ + + ]: 145 : switch (c)
281 : : {
282 : : /* special-case these since Unicode thinks they are not spaces */
283 : 8 : case '\t':
284 : : case '\n':
285 : : case '\r':
286 : : case '\f':
287 : 8 : return TRUE;
288 : : break;
289 : :
290 : 137 : default:
291 : : {
292 [ + + ]: 4 : return IS (TYPE(c),
293 : : OR (G_UNICODE_SPACE_SEPARATOR,
294 : : OR (G_UNICODE_LINE_SEPARATOR,
295 : : OR (G_UNICODE_PARAGRAPH_SEPARATOR,
296 [ + + + + : 141 : 0)))) ? TRUE : FALSE;
+ + + + ]
297 : : }
298 : : break;
299 : : }
300 : : }
301 : :
302 : : /**
303 : : * g_unichar_ismark:
304 : : * @c: a Unicode character
305 : : *
306 : : * Determines whether a character is a mark (non-spacing mark,
307 : : * combining mark, or enclosing mark in Unicode speak).
308 : : * Given some UTF-8 text, obtain a character value
309 : : * with g_utf8_get_char().
310 : : *
311 : : * Note: in most cases where isalpha characters are allowed,
312 : : * ismark characters should be allowed to as they are essential
313 : : * for writing most European languages as well as many non-Latin
314 : : * scripts.
315 : : *
316 : : * Returns: %TRUE if @c is a mark character
317 : : *
318 : : * Since: 2.14
319 : : **/
320 : : gboolean
321 : 2502 : g_unichar_ismark (gunichar c)
322 : : {
323 [ + + + + : 2502 : return ISMARK (TYPE (c));
+ + + + +
+ ]
324 : : }
325 : :
326 : : /**
327 : : * g_unichar_isupper:
328 : : * @c: a Unicode character
329 : : *
330 : : * Determines if a character is uppercase.
331 : : *
332 : : * Returns: %TRUE if @c is an uppercase character
333 : : **/
334 : : gboolean
335 : 1904 : g_unichar_isupper (gunichar c)
336 : : {
337 [ + + + + : 1904 : return TYPE (c) == G_UNICODE_UPPERCASE_LETTER;
+ + + + +
+ ]
338 : : }
339 : :
340 : : /**
341 : : * g_unichar_istitle:
342 : : * @c: a Unicode character
343 : : *
344 : : * Determines if a character is titlecase. Some characters in
345 : : * Unicode which are composites, such as the DZ digraph
346 : : * have three case variants instead of just two. The titlecase
347 : : * form is used at the beginning of a word where only the
348 : : * first letter is capitalized. The titlecase form of the DZ
349 : : * digraph is U+01F2 LATIN CAPITAL LETTTER D WITH SMALL LETTER Z.
350 : : *
351 : : * Returns: %TRUE if the character is titlecase
352 : : **/
353 : : gboolean
354 : 13 : g_unichar_istitle (gunichar c)
355 : : {
356 : : unsigned int i;
357 [ + + ]: 356 : for (i = 0; i < G_N_ELEMENTS (title_table); ++i)
358 [ + + ]: 346 : if (title_table[i][0] == c)
359 : 3 : return TRUE;
360 : 10 : return FALSE;
361 : : }
362 : :
363 : : /**
364 : : * g_unichar_isxdigit:
365 : : * @c: a Unicode character.
366 : : *
367 : : * Determines if a character is a hexadecimal digit.
368 : : *
369 : : * Returns: %TRUE if the character is a hexadecimal digit
370 : : **/
371 : : gboolean
372 : 159 : g_unichar_isxdigit (gunichar c)
373 : : {
374 [ + + + + ]: 159 : return ((c >= 'a' && c <= 'f') ||
375 [ + + + + ]: 151 : (c >= 'A' && c <= 'F') ||
376 [ + + + + ]: 143 : (c >= G_UNICHAR_FULLWIDTH_a && c <= G_UNICHAR_FULLWIDTH_f) ||
377 [ + + + + : 456 : (c >= G_UNICHAR_FULLWIDTH_A && c <= G_UNICHAR_FULLWIDTH_F) ||
+ + + + ]
378 [ + + - + : 138 : (TYPE (c) == G_UNICODE_DECIMAL_NUMBER));
+ + + + +
+ - + -
+ ]
379 : : }
380 : :
381 : : /**
382 : : * g_unichar_isdefined:
383 : : * @c: a Unicode character
384 : : *
385 : : * Determines if a given character is assigned in the Unicode
386 : : * standard.
387 : : *
388 : : * Returns: %TRUE if the character has an assigned value
389 : : **/
390 : : gboolean
391 : 15 : g_unichar_isdefined (gunichar c)
392 : : {
393 [ + + + + : 15 : return !IS (TYPE(c),
+ + + + +
+ ]
394 : : OR (G_UNICODE_UNASSIGNED,
395 : : OR (G_UNICODE_SURROGATE,
396 : : 0)));
397 : : }
398 : :
399 : : /**
400 : : * g_unichar_iszerowidth:
401 : : * @c: a Unicode character
402 : : *
403 : : * Determines if a given character typically takes zero width when rendered.
404 : : * The return value is %TRUE for all non-spacing and enclosing marks
405 : : * (e.g., combining accents), format characters, zero-width
406 : : * space, but not U+00AD SOFT HYPHEN.
407 : : *
408 : : * A typical use of this function is with one of g_unichar_iswide() or
409 : : * g_unichar_iswide_cjk() to determine the number of cells a string occupies
410 : : * when displayed on a grid display (terminals). However, note that not all
411 : : * terminals support zero-width rendering of zero-width marks.
412 : : *
413 : : * Returns: %TRUE if the character has zero width
414 : : *
415 : : * Since: 2.14
416 : : **/
417 : : gboolean
418 : 925 : g_unichar_iszerowidth (gunichar c)
419 : : {
420 [ + + ]: 925 : if (G_UNLIKELY (c == 0x00AD))
421 : 1 : return FALSE;
422 : :
423 [ + + + + : 924 : if (G_UNLIKELY (ISZEROWIDTHTYPE (TYPE (c))))
+ + + + +
+ + + ]
424 : 4 : return TRUE;
425 : :
426 : : /* A few additional codepoints are zero-width:
427 : : * - Part of the Hangul Jamo block covering medial/vowels/jungseong and
428 : : * final/trailing_consonants/jongseong Jamo
429 : : * - Jungseong and jongseong for Old Korean
430 : : * - Zero-width space (U+200B)
431 : : */
432 [ + + + + : 920 : if (G_UNLIKELY ((c >= 0x1160 && c < 0x1200) ||
+ + + + -
+ ]
433 : : (c >= 0xD7B0 && c < 0xD800) ||
434 : : c == 0x200B))
435 : 5 : return TRUE;
436 : :
437 : 915 : return FALSE;
438 : : }
439 : :
440 : : static int
441 : 230 : interval_compare (const void *key, const void *elt)
442 : : {
443 : 230 : gunichar c = GPOINTER_TO_UINT (key);
444 : 230 : struct Interval *interval = (struct Interval *)elt;
445 : :
446 [ + + ]: 230 : if (c < interval->start)
447 : 96 : return -1;
448 [ + + ]: 134 : if (c > interval->end)
449 : 114 : return +1;
450 : :
451 : 20 : return 0;
452 : : }
453 : :
454 : : #define G_WIDTH_TABLE_MIDPOINT (G_N_ELEMENTS (g_unicode_width_table_wide) / 2)
455 : :
456 : : static inline gboolean
457 : 68 : g_unichar_iswide_bsearch (gunichar ch)
458 : : {
459 : 68 : int lower = 0;
460 : 68 : int upper = G_N_ELEMENTS (g_unicode_width_table_wide) - 1;
461 : : static int saved_mid = G_WIDTH_TABLE_MIDPOINT;
462 : 68 : int mid = saved_mid;
463 : :
464 : : do
465 : : {
466 [ + + ]: 464 : if (ch < g_unicode_width_table_wide[mid].start)
467 : 156 : upper = mid - 1;
468 [ + + ]: 308 : else if (ch > g_unicode_width_table_wide[mid].end)
469 : 284 : lower = mid + 1;
470 : : else
471 : 24 : return TRUE;
472 : :
473 : 440 : mid = (lower + upper) / 2;
474 : : }
475 [ + + ]: 440 : while (lower <= upper);
476 : :
477 : 44 : return FALSE;
478 : : }
479 : :
480 : : static const struct Interval default_wide_blocks[] = {
481 : : { 0x3400, 0x4dbf },
482 : : { 0x4e00, 0x9fff },
483 : : { 0xf900, 0xfaff },
484 : : { 0x20000, 0x2fffd },
485 : : { 0x30000, 0x3fffd }
486 : : };
487 : :
488 : : /**
489 : : * g_unichar_iswide:
490 : : * @c: a Unicode character
491 : : *
492 : : * Determines if a character is typically rendered in a double-width
493 : : * cell.
494 : : *
495 : : * Returns: %TRUE if the character is wide
496 : : **/
497 : : gboolean
498 : 992 : g_unichar_iswide (gunichar c)
499 : : {
500 [ + + ]: 992 : if (c < g_unicode_width_table_wide[0].start)
501 : 924 : return FALSE;
502 [ + + ]: 68 : else if (g_unichar_iswide_bsearch (c))
503 : 24 : return TRUE;
504 [ + + + + ]: 60 : else if (g_unichar_type (c) == G_UNICODE_UNASSIGNED &&
505 : 16 : bsearch (GUINT_TO_POINTER (c),
506 : : default_wide_blocks,
507 : : G_N_ELEMENTS (default_wide_blocks),
508 : : sizeof default_wide_blocks[0],
509 : : interval_compare))
510 : 10 : return TRUE;
511 : :
512 : 34 : return FALSE;
513 : : }
514 : :
515 : :
516 : : /**
517 : : * g_unichar_iswide_cjk:
518 : : * @c: a Unicode character
519 : : *
520 : : * Determines if a character is typically rendered in a double-width
521 : : * cell under legacy East Asian locales. If a character is wide according to
522 : : * g_unichar_iswide(), then it is also reported wide with this function, but
523 : : * the converse is not necessarily true. See the
524 : : * [Unicode Standard Annex #11](http://www.unicode.org/reports/tr11/)
525 : : * for details.
526 : : *
527 : : * If a character passes the g_unichar_iswide() test then it will also pass
528 : : * this test, but not the other way around. Note that some characters may
529 : : * pass both this test and g_unichar_iszerowidth().
530 : : *
531 : : * Returns: %TRUE if the character is wide in legacy East Asian locales
532 : : *
533 : : * Since: 2.12
534 : : */
535 : : gboolean
536 : 43 : g_unichar_iswide_cjk (gunichar c)
537 : : {
538 [ + + ]: 43 : if (g_unichar_iswide (c))
539 : 17 : return TRUE;
540 : :
541 : : /* bsearch() is declared attribute(nonnull(1)) so we can't validly search
542 : : * for a NULL key */
543 [ + + ]: 26 : if (c == 0)
544 : 1 : return FALSE;
545 : :
546 [ + + ]: 25 : if (bsearch (GUINT_TO_POINTER (c),
547 : : g_unicode_width_table_ambiguous,
548 : : G_N_ELEMENTS (g_unicode_width_table_ambiguous),
549 : : sizeof g_unicode_width_table_ambiguous[0],
550 : : interval_compare))
551 : 10 : return TRUE;
552 : :
553 : 15 : return FALSE;
554 : : }
555 : :
556 : :
557 : : /**
558 : : * g_unichar_toupper:
559 : : * @c: a Unicode character
560 : : *
561 : : * Converts a character to uppercase.
562 : : *
563 : : * Returns: the result of converting @c to uppercase.
564 : : * If @c is not a lowercase or titlecase character,
565 : : * or has no upper case equivalent @c is returned unchanged.
566 : : **/
567 : : gunichar
568 : 216 : g_unichar_toupper (gunichar c)
569 : : {
570 [ + + + + : 216 : int t = TYPE (c);
+ + + + +
+ ]
571 [ + + ]: 216 : if (t == G_UNICODE_LOWERCASE_LETTER)
572 : : {
573 [ + - + + : 80 : gunichar val = ATTTABLE (c >> 8, c & 0xff);
+ - ]
574 [ + + ]: 80 : if (val >= 0x1000000)
575 : : {
576 : 1 : const gchar *p = special_case_table + (val - 0x1000000);
577 : 1 : val = g_utf8_get_char (p);
578 : : }
579 : : /* Some lowercase letters, e.g., U+000AA, FEMININE ORDINAL INDICATOR,
580 : : * do not have an uppercase equivalent, in which case val will be
581 : : * zero.
582 : : */
583 [ + + ]: 80 : return val ? val : c;
584 : : }
585 [ + + ]: 136 : else if (t == G_UNICODE_TITLECASE_LETTER)
586 : : {
587 : : unsigned int i;
588 [ + - ]: 8 : for (i = 0; i < G_N_ELEMENTS (title_table); ++i)
589 : : {
590 [ + + ]: 8 : if (title_table[i][0] == c)
591 [ + + ]: 2 : return title_table[i][1] ? title_table[i][1] : c;
592 : : }
593 : : }
594 : 134 : return c;
595 : : }
596 : :
597 : : /**
598 : : * g_unichar_tolower:
599 : : * @c: a Unicode character.
600 : : *
601 : : * Converts a character to lower case.
602 : : *
603 : : * Returns: the result of converting @c to lower case.
604 : : * If @c is not an upperlower or titlecase character,
605 : : * or has no lowercase equivalent @c is returned unchanged.
606 : : **/
607 : : gunichar
608 : 30271 : g_unichar_tolower (gunichar c)
609 : : {
610 [ + + + + : 30271 : int t = TYPE (c);
+ + + + +
+ ]
611 [ + + ]: 30271 : if (t == G_UNICODE_UPPERCASE_LETTER)
612 : : {
613 [ + - + + : 4627 : gunichar val = ATTTABLE (c >> 8, c & 0xff);
+ - ]
614 [ + + ]: 4627 : if (val >= 0x1000000)
615 : : {
616 : 1 : const gchar *p = special_case_table + (val - 0x1000000);
617 : 1 : return g_utf8_get_char (p);
618 : : }
619 : : else
620 : : {
621 : : /* Not all uppercase letters are guaranteed to have a lowercase
622 : : * equivalent. If this is the case, val will be zero. */
623 [ + + ]: 4626 : return val ? val : c;
624 : : }
625 : : }
626 [ + + ]: 25644 : else if (t == G_UNICODE_TITLECASE_LETTER)
627 : : {
628 : : unsigned int i;
629 [ + - ]: 18 : for (i = 0; i < G_N_ELEMENTS (title_table); ++i)
630 : : {
631 [ + + ]: 18 : if (title_table[i][0] == c)
632 : 6 : return title_table[i][2];
633 : : }
634 : : }
635 : 25638 : return c;
636 : : }
637 : :
638 : : /**
639 : : * g_unichar_totitle:
640 : : * @c: a Unicode character
641 : : *
642 : : * Converts a character to the titlecase.
643 : : *
644 : : * Returns: the result of converting @c to titlecase.
645 : : * If @c is not an uppercase or lowercase character,
646 : : * @c is returned unchanged.
647 : : **/
648 : : gunichar
649 : 17 : g_unichar_totitle (gunichar c)
650 : : {
651 : : unsigned int i;
652 : :
653 : : /* We handle U+0000 explicitly because some elements in
654 : : * title_table[i][1] may be null. */
655 [ + + ]: 17 : if (c == 0)
656 : 1 : return c;
657 : :
658 [ + + ]: 340 : for (i = 0; i < G_N_ELEMENTS (title_table); ++i)
659 : : {
660 [ + + + + ]: 330 : if (title_table[i][0] == c || title_table[i][1] == c
661 [ + + ]: 326 : || title_table[i][2] == c)
662 : 6 : return title_table[i][0];
663 : : }
664 : :
665 [ + + + + : 10 : if (TYPE (c) == G_UNICODE_LOWERCASE_LETTER)
+ + + + +
+ + + ]
666 : 1 : return g_unichar_toupper (c);
667 : :
668 : 9 : return c;
669 : : }
670 : :
671 : : /**
672 : : * g_unichar_digit_value:
673 : : * @c: a Unicode character
674 : : *
675 : : * Determines the numeric value of a character as a decimal
676 : : * digit.
677 : : *
678 : : * Returns: If @c is a decimal digit (according to
679 : : * g_unichar_isdigit()), its numeric value. Otherwise, -1.
680 : : **/
681 : : int
682 : 148 : g_unichar_digit_value (gunichar c)
683 : : {
684 [ + + + + : 148 : if (TYPE (c) == G_UNICODE_DECIMAL_NUMBER)
+ + + + +
+ + + ]
685 [ + - - + : 14 : return ATTTABLE (c >> 8, c & 0xff);
+ - ]
686 : 134 : return -1;
687 : : }
688 : :
689 : : /**
690 : : * g_unichar_xdigit_value:
691 : : * @c: a Unicode character
692 : : *
693 : : * Determines the numeric value of a character as a hexadecimal
694 : : * digit.
695 : : *
696 : : * Returns: If @c is a hex digit (according to
697 : : * g_unichar_isxdigit()), its numeric value. Otherwise, -1.
698 : : **/
699 : : int
700 : 156 : g_unichar_xdigit_value (gunichar c)
701 : : {
702 [ + + + + ]: 156 : if (c >= 'A' && c <= 'F')
703 : 8 : return c - 'A' + 10;
704 [ + + + + ]: 148 : if (c >= 'a' && c <= 'f')
705 : 8 : return c - 'a' + 10;
706 [ + + + + ]: 140 : if (c >= G_UNICHAR_FULLWIDTH_A && c <= G_UNICHAR_FULLWIDTH_F)
707 : 2 : return c - G_UNICHAR_FULLWIDTH_A + 10;
708 [ + + + + ]: 138 : if (c >= G_UNICHAR_FULLWIDTH_a && c <= G_UNICHAR_FULLWIDTH_f)
709 : 2 : return c - G_UNICHAR_FULLWIDTH_a + 10;
710 [ + + + + : 136 : if (TYPE (c) == G_UNICODE_DECIMAL_NUMBER)
+ + + + +
+ + + ]
711 [ + - - + : 14 : return ATTTABLE (c >> 8, c & 0xff);
+ - ]
712 : 122 : return -1;
713 : : }
714 : :
715 : : /**
716 : : * g_unichar_type:
717 : : * @c: a Unicode character
718 : : *
719 : : * Classifies a Unicode character by type.
720 : : *
721 : : * Returns: the type of the character.
722 : : **/
723 : : GUnicodeType
724 : 594 : g_unichar_type (gunichar c)
725 : : {
726 [ + + + + : 594 : return TYPE (c);
+ + + + +
+ ]
727 : : }
728 : :
729 : : /*
730 : : * Case mapping functions
731 : : */
732 : :
733 : : typedef enum {
734 : : LOCALE_NORMAL,
735 : : LOCALE_TURKIC,
736 : : LOCALE_LITHUANIAN
737 : : } LocaleType;
738 : :
739 : : static LocaleType
740 : 28837 : get_locale_type (void)
741 : : {
742 : : #ifdef G_OS_WIN32
743 : : char *tem = g_win32_getlocale ();
744 : : char locale[2];
745 : :
746 : : locale[0] = tem[0];
747 : : locale[1] = tem[1];
748 : : g_free (tem);
749 : : #else
750 : 28837 : const char *locale = setlocale (LC_CTYPE, NULL);
751 : :
752 [ - + ]: 28837 : if (locale == NULL)
753 : 0 : return LOCALE_NORMAL;
754 : : #endif
755 : :
756 [ - + + + ]: 28837 : switch (locale[0])
757 : : {
758 : 0 : case 'a':
759 [ # # ]: 0 : if (locale[1] == 'z')
760 : 0 : return LOCALE_TURKIC;
761 : 0 : break;
762 : 44 : case 'l':
763 [ + - ]: 44 : if (locale[1] == 't')
764 : 44 : return LOCALE_LITHUANIAN;
765 : 0 : break;
766 : 14 : case 't':
767 [ + - ]: 14 : if (locale[1] == 'r')
768 : 14 : return LOCALE_TURKIC;
769 : 0 : break;
770 : : }
771 : :
772 : 28779 : return LOCALE_NORMAL;
773 : : }
774 : :
775 : : static gint
776 : 12 : output_marks (const char **p_inout,
777 : : char *out_buffer,
778 : : gboolean remove_dot)
779 : : {
780 : 12 : const char *p = *p_inout;
781 : 12 : gint len = 0;
782 : :
783 [ + + ]: 18 : while (*p)
784 : : {
785 : 6 : gunichar c = g_utf8_get_char (p);
786 : :
787 [ + - - + : 6 : if (ISMARK (TYPE (c)))
- - - - -
- + - ]
788 : : {
789 [ + + - + ]: 6 : if (!remove_dot || c != 0x307 /* COMBINING DOT ABOVE */)
790 [ + + ]: 2 : len += g_unichar_to_utf8 (c, out_buffer ? out_buffer + len : NULL);
791 : 6 : p = g_utf8_next_char (p);
792 : : }
793 : : else
794 : 0 : break;
795 : : }
796 : :
797 : 12 : *p_inout = p;
798 : 12 : return len;
799 : : }
800 : :
801 : : static gint
802 : 262 : output_special_case (gchar *out_buffer,
803 : : int offset,
804 : : int type,
805 : : int which)
806 : : {
807 : 262 : const gchar *p = special_case_table + offset;
808 : : gint len;
809 : :
810 [ + + ]: 262 : if (type != G_UNICODE_TITLECASE_LETTER)
811 : 154 : p = g_utf8_next_char (p);
812 : :
813 [ + + ]: 262 : if (which == 1)
814 : 54 : p += strlen (p) + 1;
815 : :
816 : 262 : len = strlen (p);
817 [ + + ]: 262 : if (out_buffer)
818 : 131 : memcpy (out_buffer, p, len);
819 : :
820 : 262 : return len;
821 : : }
822 : :
823 : : static gsize
824 : 49392 : real_toupper (const gchar *str,
825 : : gssize max_len,
826 : : gchar *out_buffer,
827 : : LocaleType locale_type)
828 : : {
829 : 49392 : const gchar *p = str;
830 : 49392 : const char *last = NULL;
831 : 49392 : gsize len = 0;
832 : 49392 : gboolean last_was_i = FALSE;
833 : :
834 [ + + + + : 140074 : while ((max_len < 0 || p < str + max_len) && *p)
+ + ]
835 : : {
836 : 90682 : gunichar c = g_utf8_get_char (p);
837 [ + - - + : 90682 : int t = TYPE (c);
- - - - -
- ]
838 : : gunichar val;
839 : :
840 : 90682 : last = p;
841 : 90682 : p = g_utf8_next_char (p);
842 : :
843 [ + + ]: 90682 : if (locale_type == LOCALE_LITHUANIAN)
844 : : {
845 [ + + ]: 80 : if (c == 'i')
846 : 8 : last_was_i = TRUE;
847 : : else
848 : : {
849 [ + + ]: 72 : if (last_was_i)
850 : 8 : {
851 : : /* Nasty, need to remove any dot above. Though
852 : : * I think only E WITH DOT ABOVE occurs in practice
853 : : * which could simplify this considerably.
854 : : */
855 : : gsize decomp_len, i;
856 : : gunichar decomp[G_UNICHAR_MAX_DECOMPOSITION_LENGTH];
857 : :
858 : 8 : decomp_len = g_unichar_fully_decompose (c, FALSE, decomp, G_N_ELEMENTS (decomp));
859 [ + + ]: 20 : for (i=0; i < decomp_len; i++)
860 : : {
861 [ + + ]: 12 : if (decomp[i] != 0x307 /* COMBINING DOT ABOVE */)
862 [ + + ]: 8 : len += g_unichar_to_utf8 (g_unichar_toupper (decomp[i]), out_buffer ? out_buffer + len : NULL);
863 : : }
864 : :
865 [ + + ]: 8 : len += output_marks (&p, out_buffer ? out_buffer + len : NULL, TRUE);
866 : :
867 : 8 : continue;
868 : : }
869 : :
870 [ + + ]: 64 : if (!ISMARK (t))
871 : 36 : last_was_i = FALSE;
872 : : }
873 : : }
874 : :
875 [ + + + + ]: 90674 : if (locale_type == LOCALE_TURKIC && c == 'i')
876 : : {
877 : : /* i => LATIN CAPITAL LETTER I WITH DOT ABOVE */
878 [ + + ]: 6 : len += g_unichar_to_utf8 (0x130, out_buffer ? out_buffer + len : NULL);
879 : : }
880 [ + + ]: 90668 : else if (c == 0x0345) /* COMBINING GREEK YPOGEGRAMMENI */
881 : : {
882 : : /* Nasty, need to move it after other combining marks .. this would go away if
883 : : * we normalized first.
884 : : */
885 [ + + ]: 4 : len += output_marks (&p, out_buffer ? out_buffer + len : NULL, FALSE);
886 : :
887 : : /* And output as GREEK CAPITAL LETTER IOTA */
888 [ + + ]: 4 : len += g_unichar_to_utf8 (0x399, out_buffer ? out_buffer + len : NULL);
889 : : }
890 [ + + ]: 90664 : else if (IS (t,
891 : : OR (G_UNICODE_LOWERCASE_LETTER,
892 : : OR (G_UNICODE_TITLECASE_LETTER,
893 : : 0))))
894 : : {
895 [ + - + + : 4630 : val = ATTTABLE (c >> 8, c & 0xff);
+ - ]
896 : :
897 [ + + ]: 4630 : if (val >= 0x1000000)
898 : : {
899 [ + + ]: 206 : len += output_special_case (out_buffer ? out_buffer + len : NULL, val - 0x1000000, t,
900 : : t == G_UNICODE_LOWERCASE_LETTER ? 0 : 1);
901 : : }
902 : : else
903 : : {
904 [ + + ]: 4424 : if (t == G_UNICODE_TITLECASE_LETTER)
905 : : {
906 : : unsigned int i;
907 [ + - ]: 20 : for (i = 0; i < G_N_ELEMENTS (title_table); ++i)
908 : : {
909 [ + + ]: 20 : if (title_table[i][0] == c)
910 : : {
911 : 8 : val = title_table[i][1];
912 : 8 : break;
913 : : }
914 : : }
915 : : }
916 : :
917 : : /* Some lowercase letters, e.g., U+000AA, FEMININE ORDINAL INDICATOR,
918 : : * do not have an uppercase equivalent, in which case val will be
919 : : * zero. */
920 [ + + + + ]: 4424 : len += g_unichar_to_utf8 (val ? val : c, out_buffer ? out_buffer + len : NULL);
921 : : }
922 : : }
923 : : else
924 : : {
925 : 86034 : gsize char_len = g_utf8_skip[*(guchar *)last];
926 : :
927 [ + + ]: 86034 : if (out_buffer)
928 : 43017 : memcpy (out_buffer + len, last, char_len);
929 : :
930 : 86034 : len += char_len;
931 : : }
932 : :
933 : : }
934 : :
935 : 49392 : return len;
936 : : }
937 : :
938 : : /**
939 : : * g_utf8_strup:
940 : : * @str: a UTF-8 encoded string
941 : : * @len: length of @str, in bytes, or -1 if @str is nul-terminated.
942 : : *
943 : : * Converts all Unicode characters in the string that have a case
944 : : * to uppercase. The exact manner that this is done depends
945 : : * on the current locale, and may result in the number of
946 : : * characters in the string increasing. (For instance, the
947 : : * German ess-zet will be changed to SS.)
948 : : *
949 : : * Returns: a newly allocated string, with all characters
950 : : * converted to uppercase.
951 : : **/
952 : : gchar *
953 : 24697 : g_utf8_strup (const gchar *str,
954 : : gssize len)
955 : : {
956 : : gsize result_len;
957 : : LocaleType locale_type;
958 : : gchar *result;
959 : :
960 : 24697 : g_return_val_if_fail (str != NULL, NULL);
961 : :
962 : 24696 : locale_type = get_locale_type ();
963 : :
964 : : /*
965 : : * We use a two pass approach to keep memory management simple
966 : : */
967 : 24696 : result_len = real_toupper (str, len, NULL, locale_type);
968 : 24696 : result = g_malloc (result_len + 1);
969 : 24696 : real_toupper (str, len, result, locale_type);
970 : 24696 : result[result_len] = '\0';
971 : :
972 : 24696 : return result;
973 : : }
974 : :
975 : : /* traverses the string checking for characters with combining class == 230
976 : : * until a base character is found */
977 : : static gboolean
978 : 24 : has_more_above (const gchar *str)
979 : : {
980 : 24 : const gchar *p = str;
981 : : gint combining_class;
982 : :
983 [ + - ]: 28 : while (*p)
984 : : {
985 : 28 : combining_class = g_unichar_combining_class (g_utf8_get_char (p));
986 [ + + ]: 28 : if (combining_class == 230)
987 : 24 : return TRUE;
988 [ - + ]: 4 : else if (combining_class == 0)
989 : 0 : break;
990 : :
991 : 4 : p = g_utf8_next_char (p);
992 : : }
993 : :
994 : 0 : return FALSE;
995 : : }
996 : :
997 : : static gsize
998 : 8282 : real_tolower (const gchar *str,
999 : : gssize max_len,
1000 : : gchar *out_buffer,
1001 : : LocaleType locale_type)
1002 : : {
1003 : 8282 : const gchar *p = str;
1004 : 8282 : const char *last = NULL;
1005 : 8282 : gsize len = 0;
1006 : :
1007 [ + + + + : 16770 : while ((max_len < 0 || p < str + max_len) && *p)
+ + ]
1008 : : {
1009 : 8488 : gunichar c = g_utf8_get_char (p);
1010 [ + - - + : 8488 : int t = TYPE (c);
- - - - -
- ]
1011 : : gunichar val;
1012 : :
1013 : 8488 : last = p;
1014 : 8488 : p = g_utf8_next_char (p);
1015 : :
1016 [ + + + + : 8488 : if (locale_type == LOCALE_TURKIC && (c == 'I' || c == 0x130 ||
+ + - + ]
1017 : : c == G_UNICHAR_FULLWIDTH_I))
1018 : 14 : {
1019 [ + + - + ]: 26 : gboolean combining_dot = (c == 'I' || c == G_UNICHAR_FULLWIDTH_I) &&
1020 [ + + ]: 12 : g_utf8_get_char (p) == 0x0307;
1021 [ + + + + ]: 14 : if (combining_dot || c == 0x130)
1022 : : {
1023 : : /* I + COMBINING DOT ABOVE => i (U+0069)
1024 : : * LATIN CAPITAL LETTER I WITH DOT ABOVE => i (U+0069) */
1025 [ + + ]: 8 : len += g_unichar_to_utf8 (0x0069, out_buffer ? out_buffer + len : NULL);
1026 [ + + ]: 8 : if (combining_dot)
1027 : 6 : p = g_utf8_next_char (p);
1028 : : }
1029 : : else
1030 : : {
1031 : : /* I => LATIN SMALL LETTER DOTLESS I */
1032 [ + + ]: 6 : len += g_unichar_to_utf8 (0x131, out_buffer ? out_buffer + len : NULL);
1033 : : }
1034 : : }
1035 : : /* Introduce an explicit dot above when lowercasing capital I's and J's
1036 : : * whenever there are more accents above. [SpecialCasing.txt] */
1037 [ + + + + ]: 8474 : else if (locale_type == LOCALE_LITHUANIAN &&
1038 [ + + + + ]: 80 : (c == 0x00cc || c == 0x00cd || c == 0x0128))
1039 : : {
1040 [ + + ]: 12 : len += g_unichar_to_utf8 (0x0069, out_buffer ? out_buffer + len : NULL);
1041 [ + + ]: 12 : len += g_unichar_to_utf8 (0x0307, out_buffer ? out_buffer + len : NULL);
1042 : :
1043 [ + + + - ]: 12 : switch (c)
1044 : : {
1045 : 4 : case 0x00cc:
1046 [ + + ]: 4 : len += g_unichar_to_utf8 (0x0300, out_buffer ? out_buffer + len : NULL);
1047 : 4 : break;
1048 : 4 : case 0x00cd:
1049 [ + + ]: 4 : len += g_unichar_to_utf8 (0x0301, out_buffer ? out_buffer + len : NULL);
1050 : 4 : break;
1051 : 4 : case 0x0128:
1052 [ + + ]: 4 : len += g_unichar_to_utf8 (0x0303, out_buffer ? out_buffer + len : NULL);
1053 : 4 : break;
1054 : : }
1055 : : }
1056 [ + + + + ]: 8462 : else if (locale_type == LOCALE_LITHUANIAN &&
1057 [ + - + + ]: 56 : (c == 'I' || c == G_UNICHAR_FULLWIDTH_I ||
1058 [ + - + + : 76 : c == 'J' || c == G_UNICHAR_FULLWIDTH_J || c == 0x012e) &&
+ - ]
1059 : 24 : has_more_above (p))
1060 : : {
1061 [ + + ]: 24 : len += g_unichar_to_utf8 (g_unichar_tolower (c), out_buffer ? out_buffer + len : NULL);
1062 [ + + ]: 24 : len += g_unichar_to_utf8 (0x0307, out_buffer ? out_buffer + len : NULL);
1063 : : }
1064 [ + + ]: 8438 : else if (c == 0x03A3) /* GREEK CAPITAL LETTER SIGMA */
1065 : : {
1066 [ - + - - : 6 : if ((max_len < 0 || p < str + max_len) && *p)
+ + ]
1067 : 4 : {
1068 : 4 : gunichar next_c = g_utf8_get_char (p);
1069 [ + - - + : 4 : int next_type = TYPE(next_c);
- - - - -
- ]
1070 : :
1071 : : /* SIGMA mapps differently depending on whether it is
1072 : : * final or not. The following simplified test would
1073 : : * fail in the case of combining marks following the
1074 : : * sigma, but I don't think that occurs in real text.
1075 : : * The test here matches that in ICU.
1076 : : */
1077 [ + + ]: 4 : if (ISALPHA (next_type)) /* Lu,Ll,Lt,Lm,Lo */
1078 : 2 : val = 0x3c3; /* GREEK SMALL SIGMA */
1079 : : else
1080 : 2 : val = 0x3c2; /* GREEK SMALL FINAL SIGMA */
1081 : : }
1082 : : else
1083 : 2 : val = 0x3c2; /* GREEK SMALL FINAL SIGMA */
1084 : :
1085 [ + + ]: 6 : len += g_unichar_to_utf8 (val, out_buffer ? out_buffer + len : NULL);
1086 : : }
1087 [ + + ]: 8432 : else if (IS (t,
1088 : : OR (G_UNICODE_UPPERCASE_LETTER,
1089 : : OR (G_UNICODE_TITLECASE_LETTER,
1090 : : 0))))
1091 : : {
1092 [ + - + + : 3840 : val = ATTTABLE (c >> 8, c & 0xff);
+ - ]
1093 : :
1094 [ + + ]: 3840 : if (val >= 0x1000000)
1095 : : {
1096 [ + + ]: 56 : len += output_special_case (out_buffer ? out_buffer + len : NULL, val - 0x1000000, t, 0);
1097 : : }
1098 : : else
1099 : : {
1100 [ + + ]: 3784 : if (t == G_UNICODE_TITLECASE_LETTER)
1101 : : {
1102 : : unsigned int i;
1103 [ + - ]: 20 : for (i = 0; i < G_N_ELEMENTS (title_table); ++i)
1104 : : {
1105 [ + + ]: 20 : if (title_table[i][0] == c)
1106 : : {
1107 : 8 : val = title_table[i][2];
1108 : 8 : break;
1109 : : }
1110 : : }
1111 : : }
1112 : :
1113 : : /* Not all uppercase letters are guaranteed to have a lowercase
1114 : : * equivalent. If this is the case, val will be zero. */
1115 [ + + + + ]: 3784 : len += g_unichar_to_utf8 (val ? val : c, out_buffer ? out_buffer + len : NULL);
1116 : : }
1117 : : }
1118 : : else
1119 : : {
1120 : 4592 : gsize char_len = g_utf8_skip[*(guchar *)last];
1121 : :
1122 [ + + ]: 4592 : if (out_buffer)
1123 : 2296 : memcpy (out_buffer + len, last, char_len);
1124 : :
1125 : 4592 : len += char_len;
1126 : : }
1127 : :
1128 : : }
1129 : :
1130 : 8282 : return len;
1131 : : }
1132 : :
1133 : : /**
1134 : : * g_utf8_strdown:
1135 : : * @str: a UTF-8 encoded string
1136 : : * @len: length of @str, in bytes, or -1 if @str is nul-terminated.
1137 : : *
1138 : : * Converts all Unicode characters in the string that have a case
1139 : : * to lowercase. The exact manner that this is done depends
1140 : : * on the current locale, and may result in the number of
1141 : : * characters in the string changing.
1142 : : *
1143 : : * Returns: a newly allocated string, with all characters
1144 : : * converted to lowercase.
1145 : : **/
1146 : : gchar *
1147 : 4142 : g_utf8_strdown (const gchar *str,
1148 : : gssize len)
1149 : : {
1150 : : gsize result_len;
1151 : : LocaleType locale_type;
1152 : : gchar *result;
1153 : :
1154 : 4142 : g_return_val_if_fail (str != NULL, NULL);
1155 : :
1156 : 4141 : locale_type = get_locale_type ();
1157 : :
1158 : : /*
1159 : : * We use a two pass approach to keep memory management simple
1160 : : */
1161 : 4141 : result_len = real_tolower (str, len, NULL, locale_type);
1162 : 4141 : result = g_malloc (result_len + 1);
1163 : 4141 : real_tolower (str, len, result, locale_type);
1164 : 4141 : result[result_len] = '\0';
1165 : :
1166 : 4141 : return result;
1167 : : }
1168 : :
1169 : : /**
1170 : : * g_utf8_casefold:
1171 : : * @str: a UTF-8 encoded string
1172 : : * @len: length of @str, in bytes, or -1 if @str is nul-terminated.
1173 : : *
1174 : : * Converts a string into a form that is independent of case. The
1175 : : * result will not correspond to any particular case, but can be
1176 : : * compared for equality or ordered with the results of calling
1177 : : * g_utf8_casefold() on other strings.
1178 : : *
1179 : : * Note that calling g_utf8_casefold() followed by g_utf8_collate() is
1180 : : * only an approximation to the correct linguistic case insensitive
1181 : : * ordering, though it is a fairly good one. Getting this exactly
1182 : : * right would require a more sophisticated collation function that
1183 : : * takes case sensitivity into account. GLib does not currently
1184 : : * provide such a function.
1185 : : *
1186 : : * Returns: a newly allocated string, that is a
1187 : : * case independent form of @str.
1188 : : **/
1189 : : gchar *
1190 : 6388 : g_utf8_casefold (const gchar *str,
1191 : : gssize len)
1192 : : {
1193 : : GString *result;
1194 : : const char *p;
1195 : :
1196 : 6388 : g_return_val_if_fail (str != NULL, NULL);
1197 : :
1198 : 6387 : result = g_string_new (NULL);
1199 : 6387 : p = str;
1200 [ + + + + : 36729 : while ((len < 0 || p < str + len) && *p)
+ + ]
1201 : : {
1202 : 30342 : gunichar ch = g_utf8_get_char (p);
1203 : :
1204 : 30342 : int start = 0;
1205 : 30342 : int end = G_N_ELEMENTS (casefold_table);
1206 : :
1207 [ + + ]: 30342 : if (ch >= casefold_table[start].ch &&
1208 [ + + ]: 2034 : ch <= casefold_table[end - 1].ch)
1209 : : {
1210 : : while (TRUE)
1211 : 13291 : {
1212 : 15019 : int half = (start + end) / 2;
1213 [ + + ]: 15019 : if (ch == casefold_table[half].ch)
1214 : : {
1215 [ - + ]: 254 : g_string_append (result, casefold_table[half].data);
1216 : 254 : goto next;
1217 : : }
1218 [ + + ]: 14765 : else if (half == start)
1219 : 1474 : break;
1220 [ + + ]: 13291 : else if (ch > casefold_table[half].ch)
1221 : 4393 : start = half;
1222 : : else
1223 : 8898 : end = half;
1224 : : }
1225 : : }
1226 : :
1227 : 30088 : g_string_append_unichar (result, g_unichar_tolower (ch));
1228 : :
1229 : 30342 : next:
1230 : 30342 : p = g_utf8_next_char (p);
1231 : : }
1232 : :
1233 : 6387 : return g_string_free (result, FALSE);
1234 : : }
1235 : :
1236 : : /**
1237 : : * g_unichar_get_mirror_char:
1238 : : * @ch: a Unicode character
1239 : : * @mirrored_ch: (out): location to store the mirrored character
1240 : : *
1241 : : * In Unicode, some characters are "mirrored". This means that their
1242 : : * images are mirrored horizontally in text that is laid out from right
1243 : : * to left. For instance, "(" would become its mirror image, ")", in
1244 : : * right-to-left text.
1245 : : *
1246 : : * If @ch has the Unicode mirrored property and there is another unicode
1247 : : * character that typically has a glyph that is the mirror image of @ch's
1248 : : * glyph and @mirrored_ch is set, it puts that character in the address
1249 : : * pointed to by @mirrored_ch. Otherwise the original character is put.
1250 : : *
1251 : : * Returns: %TRUE if @ch has a mirrored character, %FALSE otherwise
1252 : : *
1253 : : * Since: 2.4
1254 : : **/
1255 : : gboolean
1256 : 7 : g_unichar_get_mirror_char (gunichar ch,
1257 : : gunichar *mirrored_ch)
1258 : : {
1259 : : gboolean found;
1260 : : gunichar mirrored;
1261 : :
1262 [ + - ]: 7 : mirrored = GLIB_GET_MIRRORING(ch);
1263 : :
1264 : 7 : found = ch != mirrored;
1265 [ + - ]: 7 : if (mirrored_ch)
1266 : 7 : *mirrored_ch = mirrored;
1267 : :
1268 : 7 : return found;
1269 : :
1270 : : }
1271 : :
1272 : : #define G_SCRIPT_TABLE_MIDPOINT (G_N_ELEMENTS (g_script_table) / 2)
1273 : :
1274 : : static inline GUnicodeScript
1275 : 116 : g_unichar_get_script_bsearch (gunichar ch)
1276 : : {
1277 : 116 : int lower = 0;
1278 : 116 : int upper = G_N_ELEMENTS (g_script_table) - 1;
1279 : : static int saved_mid = G_SCRIPT_TABLE_MIDPOINT;
1280 : 116 : int mid = saved_mid;
1281 : :
1282 : :
1283 : : do
1284 : : {
1285 [ + + ]: 963 : if (ch < g_script_table[mid].start)
1286 : 408 : upper = mid - 1;
1287 [ + + ]: 555 : else if (ch >= g_script_table[mid].start + g_script_table[mid].chars)
1288 : 440 : lower = mid + 1;
1289 : : else
1290 : 115 : return g_script_table[saved_mid = mid].script;
1291 : :
1292 : 848 : mid = (lower + upper) / 2;
1293 : : }
1294 [ + + ]: 848 : while (lower <= upper);
1295 : :
1296 : 1 : return G_UNICODE_SCRIPT_UNKNOWN;
1297 : : }
1298 : :
1299 : : /**
1300 : : * g_unichar_get_script:
1301 : : * @ch: a Unicode character
1302 : : *
1303 : : * Looks up the #GUnicodeScript for a particular character (as defined
1304 : : * by Unicode Standard Annex \#24). No check is made for @ch being a
1305 : : * valid Unicode character; if you pass in invalid character, the
1306 : : * result is undefined.
1307 : : *
1308 : : * This function is equivalent to pango_script_for_unichar() and the
1309 : : * two are interchangeable.
1310 : : *
1311 : : * Returns: the #GUnicodeScript for the character.
1312 : : *
1313 : : * Since: 2.14
1314 : : */
1315 : : GUnicodeScript
1316 : 168 : g_unichar_get_script (gunichar ch)
1317 : : {
1318 [ + + ]: 168 : if (ch < G_EASY_SCRIPTS_RANGE)
1319 : 52 : return g_script_easy_table[ch];
1320 : : else
1321 : 116 : return g_unichar_get_script_bsearch (ch);
1322 : : }
1323 : :
1324 : :
1325 : : /* http://unicode.org/iso15924/ */
1326 : : static const guint32 iso15924_tags[] =
1327 : : {
1328 : : #define PACK(a,b,c,d) ((guint32)((((guint8)(a))<<24)|(((guint8)(b))<<16)|(((guint8)(c))<<8)|((guint8)(d))))
1329 : :
1330 : : PACK ('Z','y','y','y'), /* G_UNICODE_SCRIPT_COMMON */
1331 : : PACK ('Z','i','n','h'), /* G_UNICODE_SCRIPT_INHERITED */
1332 : : PACK ('A','r','a','b'), /* G_UNICODE_SCRIPT_ARABIC */
1333 : : PACK ('A','r','m','n'), /* G_UNICODE_SCRIPT_ARMENIAN */
1334 : : PACK ('B','e','n','g'), /* G_UNICODE_SCRIPT_BENGALI */
1335 : : PACK ('B','o','p','o'), /* G_UNICODE_SCRIPT_BOPOMOFO */
1336 : : PACK ('C','h','e','r'), /* G_UNICODE_SCRIPT_CHEROKEE */
1337 : : PACK ('C','o','p','t'), /* G_UNICODE_SCRIPT_COPTIC */
1338 : : PACK ('C','y','r','l'), /* G_UNICODE_SCRIPT_CYRILLIC */
1339 : : PACK ('D','s','r','t'), /* G_UNICODE_SCRIPT_DESERET */
1340 : : PACK ('D','e','v','a'), /* G_UNICODE_SCRIPT_DEVANAGARI */
1341 : : PACK ('E','t','h','i'), /* G_UNICODE_SCRIPT_ETHIOPIC */
1342 : : PACK ('G','e','o','r'), /* G_UNICODE_SCRIPT_GEORGIAN */
1343 : : PACK ('G','o','t','h'), /* G_UNICODE_SCRIPT_GOTHIC */
1344 : : PACK ('G','r','e','k'), /* G_UNICODE_SCRIPT_GREEK */
1345 : : PACK ('G','u','j','r'), /* G_UNICODE_SCRIPT_GUJARATI */
1346 : : PACK ('G','u','r','u'), /* G_UNICODE_SCRIPT_GURMUKHI */
1347 : : PACK ('H','a','n','i'), /* G_UNICODE_SCRIPT_HAN */
1348 : : PACK ('H','a','n','g'), /* G_UNICODE_SCRIPT_HANGUL */
1349 : : PACK ('H','e','b','r'), /* G_UNICODE_SCRIPT_HEBREW */
1350 : : PACK ('H','i','r','a'), /* G_UNICODE_SCRIPT_HIRAGANA */
1351 : : PACK ('K','n','d','a'), /* G_UNICODE_SCRIPT_KANNADA */
1352 : : PACK ('K','a','n','a'), /* G_UNICODE_SCRIPT_KATAKANA */
1353 : : PACK ('K','h','m','r'), /* G_UNICODE_SCRIPT_KHMER */
1354 : : PACK ('L','a','o','o'), /* G_UNICODE_SCRIPT_LAO */
1355 : : PACK ('L','a','t','n'), /* G_UNICODE_SCRIPT_LATIN */
1356 : : PACK ('M','l','y','m'), /* G_UNICODE_SCRIPT_MALAYALAM */
1357 : : PACK ('M','o','n','g'), /* G_UNICODE_SCRIPT_MONGOLIAN */
1358 : : PACK ('M','y','m','r'), /* G_UNICODE_SCRIPT_MYANMAR */
1359 : : PACK ('O','g','a','m'), /* G_UNICODE_SCRIPT_OGHAM */
1360 : : PACK ('I','t','a','l'), /* G_UNICODE_SCRIPT_OLD_ITALIC */
1361 : : PACK ('O','r','y','a'), /* G_UNICODE_SCRIPT_ORIYA */
1362 : : PACK ('R','u','n','r'), /* G_UNICODE_SCRIPT_RUNIC */
1363 : : PACK ('S','i','n','h'), /* G_UNICODE_SCRIPT_SINHALA */
1364 : : PACK ('S','y','r','c'), /* G_UNICODE_SCRIPT_SYRIAC */
1365 : : PACK ('T','a','m','l'), /* G_UNICODE_SCRIPT_TAMIL */
1366 : : PACK ('T','e','l','u'), /* G_UNICODE_SCRIPT_TELUGU */
1367 : : PACK ('T','h','a','a'), /* G_UNICODE_SCRIPT_THAANA */
1368 : : PACK ('T','h','a','i'), /* G_UNICODE_SCRIPT_THAI */
1369 : : PACK ('T','i','b','t'), /* G_UNICODE_SCRIPT_TIBETAN */
1370 : : PACK ('C','a','n','s'), /* G_UNICODE_SCRIPT_CANADIAN_ABORIGINAL */
1371 : : PACK ('Y','i','i','i'), /* G_UNICODE_SCRIPT_YI */
1372 : : PACK ('T','g','l','g'), /* G_UNICODE_SCRIPT_TAGALOG */
1373 : : PACK ('H','a','n','o'), /* G_UNICODE_SCRIPT_HANUNOO */
1374 : : PACK ('B','u','h','d'), /* G_UNICODE_SCRIPT_BUHID */
1375 : : PACK ('T','a','g','b'), /* G_UNICODE_SCRIPT_TAGBANWA */
1376 : :
1377 : : /* Unicode-4.0 additions */
1378 : : PACK ('B','r','a','i'), /* G_UNICODE_SCRIPT_BRAILLE */
1379 : : PACK ('C','p','r','t'), /* G_UNICODE_SCRIPT_CYPRIOT */
1380 : : PACK ('L','i','m','b'), /* G_UNICODE_SCRIPT_LIMBU */
1381 : : PACK ('O','s','m','a'), /* G_UNICODE_SCRIPT_OSMANYA */
1382 : : PACK ('S','h','a','w'), /* G_UNICODE_SCRIPT_SHAVIAN */
1383 : : PACK ('L','i','n','b'), /* G_UNICODE_SCRIPT_LINEAR_B */
1384 : : PACK ('T','a','l','e'), /* G_UNICODE_SCRIPT_TAI_LE */
1385 : : PACK ('U','g','a','r'), /* G_UNICODE_SCRIPT_UGARITIC */
1386 : :
1387 : : /* Unicode-4.1 additions */
1388 : : PACK ('T','a','l','u'), /* G_UNICODE_SCRIPT_NEW_TAI_LUE */
1389 : : PACK ('B','u','g','i'), /* G_UNICODE_SCRIPT_BUGINESE */
1390 : : PACK ('G','l','a','g'), /* G_UNICODE_SCRIPT_GLAGOLITIC */
1391 : : PACK ('T','f','n','g'), /* G_UNICODE_SCRIPT_TIFINAGH */
1392 : : PACK ('S','y','l','o'), /* G_UNICODE_SCRIPT_SYLOTI_NAGRI */
1393 : : PACK ('X','p','e','o'), /* G_UNICODE_SCRIPT_OLD_PERSIAN */
1394 : : PACK ('K','h','a','r'), /* G_UNICODE_SCRIPT_KHAROSHTHI */
1395 : :
1396 : : /* Unicode-5.0 additions */
1397 : : PACK ('Z','z','z','z'), /* G_UNICODE_SCRIPT_UNKNOWN */
1398 : : PACK ('B','a','l','i'), /* G_UNICODE_SCRIPT_BALINESE */
1399 : : PACK ('X','s','u','x'), /* G_UNICODE_SCRIPT_CUNEIFORM */
1400 : : PACK ('P','h','n','x'), /* G_UNICODE_SCRIPT_PHOENICIAN */
1401 : : PACK ('P','h','a','g'), /* G_UNICODE_SCRIPT_PHAGS_PA */
1402 : : PACK ('N','k','o','o'), /* G_UNICODE_SCRIPT_NKO */
1403 : :
1404 : : /* Unicode-5.1 additions */
1405 : : PACK ('K','a','l','i'), /* G_UNICODE_SCRIPT_KAYAH_LI */
1406 : : PACK ('L','e','p','c'), /* G_UNICODE_SCRIPT_LEPCHA */
1407 : : PACK ('R','j','n','g'), /* G_UNICODE_SCRIPT_REJANG */
1408 : : PACK ('S','u','n','d'), /* G_UNICODE_SCRIPT_SUNDANESE */
1409 : : PACK ('S','a','u','r'), /* G_UNICODE_SCRIPT_SAURASHTRA */
1410 : : PACK ('C','h','a','m'), /* G_UNICODE_SCRIPT_CHAM */
1411 : : PACK ('O','l','c','k'), /* G_UNICODE_SCRIPT_OL_CHIKI */
1412 : : PACK ('V','a','i','i'), /* G_UNICODE_SCRIPT_VAI */
1413 : : PACK ('C','a','r','i'), /* G_UNICODE_SCRIPT_CARIAN */
1414 : : PACK ('L','y','c','i'), /* G_UNICODE_SCRIPT_LYCIAN */
1415 : : PACK ('L','y','d','i'), /* G_UNICODE_SCRIPT_LYDIAN */
1416 : :
1417 : : /* Unicode-5.2 additions */
1418 : : PACK ('A','v','s','t'), /* G_UNICODE_SCRIPT_AVESTAN */
1419 : : PACK ('B','a','m','u'), /* G_UNICODE_SCRIPT_BAMUM */
1420 : : PACK ('E','g','y','p'), /* G_UNICODE_SCRIPT_EGYPTIAN_HIEROGLYPHS */
1421 : : PACK ('A','r','m','i'), /* G_UNICODE_SCRIPT_IMPERIAL_ARAMAIC */
1422 : : PACK ('P','h','l','i'), /* G_UNICODE_SCRIPT_INSCRIPTIONAL_PAHLAVI */
1423 : : PACK ('P','r','t','i'), /* G_UNICODE_SCRIPT_INSCRIPTIONAL_PARTHIAN */
1424 : : PACK ('J','a','v','a'), /* G_UNICODE_SCRIPT_JAVANESE */
1425 : : PACK ('K','t','h','i'), /* G_UNICODE_SCRIPT_KAITHI */
1426 : : PACK ('L','i','s','u'), /* G_UNICODE_SCRIPT_LISU */
1427 : : PACK ('M','t','e','i'), /* G_UNICODE_SCRIPT_MEETEI_MAYEK */
1428 : : PACK ('S','a','r','b'), /* G_UNICODE_SCRIPT_OLD_SOUTH_ARABIAN */
1429 : : PACK ('O','r','k','h'), /* G_UNICODE_SCRIPT_OLD_TURKIC */
1430 : : PACK ('S','a','m','r'), /* G_UNICODE_SCRIPT_SAMARITAN */
1431 : : PACK ('L','a','n','a'), /* G_UNICODE_SCRIPT_TAI_THAM */
1432 : : PACK ('T','a','v','t'), /* G_UNICODE_SCRIPT_TAI_VIET */
1433 : :
1434 : : /* Unicode-6.0 additions */
1435 : : PACK ('B','a','t','k'), /* G_UNICODE_SCRIPT_BATAK */
1436 : : PACK ('B','r','a','h'), /* G_UNICODE_SCRIPT_BRAHMI */
1437 : : PACK ('M','a','n','d'), /* G_UNICODE_SCRIPT_MANDAIC */
1438 : :
1439 : : /* Unicode-6.1 additions */
1440 : : PACK ('C','a','k','m'), /* G_UNICODE_SCRIPT_CHAKMA */
1441 : : PACK ('M','e','r','c'), /* G_UNICODE_SCRIPT_MEROITIC_CURSIVE */
1442 : : PACK ('M','e','r','o'), /* G_UNICODE_SCRIPT_MEROITIC_HIEROGLYPHS */
1443 : : PACK ('P','l','r','d'), /* G_UNICODE_SCRIPT_MIAO */
1444 : : PACK ('S','h','r','d'), /* G_UNICODE_SCRIPT_SHARADA */
1445 : : PACK ('S','o','r','a'), /* G_UNICODE_SCRIPT_SORA_SOMPENG */
1446 : : PACK ('T','a','k','r'), /* G_UNICODE_SCRIPT_TAKRI */
1447 : :
1448 : : /* Unicode 7.0 additions */
1449 : : PACK ('B','a','s','s'), /* G_UNICODE_SCRIPT_BASSA_VAH */
1450 : : PACK ('A','g','h','b'), /* G_UNICODE_SCRIPT_CAUCASIAN_ALBANIAN */
1451 : : PACK ('D','u','p','l'), /* G_UNICODE_SCRIPT_DUPLOYAN */
1452 : : PACK ('E','l','b','a'), /* G_UNICODE_SCRIPT_ELBASAN */
1453 : : PACK ('G','r','a','n'), /* G_UNICODE_SCRIPT_GRANTHA */
1454 : : PACK ('K','h','o','j'), /* G_UNICODE_SCRIPT_KHOJKI*/
1455 : : PACK ('S','i','n','d'), /* G_UNICODE_SCRIPT_KHUDAWADI */
1456 : : PACK ('L','i','n','a'), /* G_UNICODE_SCRIPT_LINEAR_A */
1457 : : PACK ('M','a','h','j'), /* G_UNICODE_SCRIPT_MAHAJANI */
1458 : : PACK ('M','a','n','i'), /* G_UNICODE_SCRIPT_MANICHAEAN */
1459 : : PACK ('M','e','n','d'), /* G_UNICODE_SCRIPT_MENDE_KIKAKUI */
1460 : : PACK ('M','o','d','i'), /* G_UNICODE_SCRIPT_MODI */
1461 : : PACK ('M','r','o','o'), /* G_UNICODE_SCRIPT_MRO */
1462 : : PACK ('N','b','a','t'), /* G_UNICODE_SCRIPT_NABATAEAN */
1463 : : PACK ('N','a','r','b'), /* G_UNICODE_SCRIPT_OLD_NORTH_ARABIAN */
1464 : : PACK ('P','e','r','m'), /* G_UNICODE_SCRIPT_OLD_PERMIC */
1465 : : PACK ('H','m','n','g'), /* G_UNICODE_SCRIPT_PAHAWH_HMONG */
1466 : : PACK ('P','a','l','m'), /* G_UNICODE_SCRIPT_PALMYRENE */
1467 : : PACK ('P','a','u','c'), /* G_UNICODE_SCRIPT_PAU_CIN_HAU */
1468 : : PACK ('P','h','l','p'), /* G_UNICODE_SCRIPT_PSALTER_PAHLAVI */
1469 : : PACK ('S','i','d','d'), /* G_UNICODE_SCRIPT_SIDDHAM */
1470 : : PACK ('T','i','r','h'), /* G_UNICODE_SCRIPT_TIRHUTA */
1471 : : PACK ('W','a','r','a'), /* G_UNICODE_SCRIPT_WARANG_CITI */
1472 : :
1473 : : /* Unicode 8.0 additions */
1474 : : PACK ('A','h','o','m'), /* G_UNICODE_SCRIPT_AHOM */
1475 : : PACK ('H','l','u','w'), /* G_UNICODE_SCRIPT_ANATOLIAN_HIEROGLYPHS */
1476 : : PACK ('H','a','t','r'), /* G_UNICODE_SCRIPT_HATRAN */
1477 : : PACK ('M','u','l','t'), /* G_UNICODE_SCRIPT_MULTANI */
1478 : : PACK ('H','u','n','g'), /* G_UNICODE_SCRIPT_OLD_HUNGARIAN */
1479 : : PACK ('S','g','n','w'), /* G_UNICODE_SCRIPT_SIGNWRITING */
1480 : :
1481 : : /* Unicode 9.0 additions */
1482 : : PACK ('A','d','l','m'), /* G_UNICODE_SCRIPT_ADLAM */
1483 : : PACK ('B','h','k','s'), /* G_UNICODE_SCRIPT_BHAIKSUKI */
1484 : : PACK ('M','a','r','c'), /* G_UNICODE_SCRIPT_MARCHEN */
1485 : : PACK ('N','e','w','a'), /* G_UNICODE_SCRIPT_NEWA */
1486 : : PACK ('O','s','g','e'), /* G_UNICODE_SCRIPT_OSAGE */
1487 : : PACK ('T','a','n','g'), /* G_UNICODE_SCRIPT_TANGUT */
1488 : :
1489 : : /* Unicode 10.0 additions */
1490 : : PACK ('G','o','n','m'), /* G_UNICODE_SCRIPT_MASARAM_GONDI */
1491 : : PACK ('N','s','h','u'), /* G_UNICODE_SCRIPT_NUSHU */
1492 : : PACK ('S','o','y','o'), /* G_UNICODE_SCRIPT_SOYOMBO */
1493 : : PACK ('Z','a','n','b'), /* G_UNICODE_SCRIPT_ZANABAZAR_SQUARE */
1494 : :
1495 : : /* Unicode 11.0 additions */
1496 : : PACK ('D','o','g','r'), /* G_UNICODE_SCRIPT_DOGRA */
1497 : : PACK ('G','o','n','g'), /* G_UNICODE_SCRIPT_GUNJALA_GONDI */
1498 : : PACK ('R','o','h','g'), /* G_UNICODE_SCRIPT_HANIFI_ROHINGYA */
1499 : : PACK ('M','a','k','a'), /* G_UNICODE_SCRIPT_MAKASAR */
1500 : : PACK ('M','e','d','f'), /* G_UNICODE_SCRIPT_MEDEFAIDRIN */
1501 : : PACK ('S','o','g','o'), /* G_UNICODE_SCRIPT_OLD_SOGDIAN */
1502 : : PACK ('S','o','g','d'), /* G_UNICODE_SCRIPT_SOGDIAN */
1503 : :
1504 : : /* Unicode 12.0 additions */
1505 : : PACK ('E','l','y','m'), /* G_UNICODE_SCRIPT_ELYMAIC */
1506 : : PACK ('N','a','n','d'), /* G_UNICODE_SCRIPT_NANDINAGARI */
1507 : : PACK ('H','m','n','p'), /* G_UNICODE_SCRIPT_NYIAKENG_PUACHUE_HMONG */
1508 : : PACK ('W','c','h','o'), /* G_UNICODE_SCRIPT_WANCHO */
1509 : :
1510 : : /* Unicode 13.0 additions */
1511 : : PACK ('C', 'h', 'r', 's'), /* G_UNICODE_SCRIPT_CHORASMIAN */
1512 : : PACK ('D', 'i', 'a', 'k'), /* G_UNICODE_SCRIPT_DIVES_AKURU */
1513 : : PACK ('K', 'i', 't', 's'), /* G_UNICODE_SCRIPT_KHITAN_SMALL_SCRIPT */
1514 : : PACK ('Y', 'e', 'z', 'i'), /* G_UNICODE_SCRIPT_YEZIDI */
1515 : :
1516 : : /* Unicode 14.0 additions */
1517 : : PACK ('C', 'p', 'm', 'n'), /* G_UNICODE_SCRIPT_CYPRO_MINOAN */
1518 : : PACK ('O', 'u', 'g', 'r'), /* G_UNICODE_SCRIPT_OLD_UYHUR */
1519 : : PACK ('T', 'n', 's', 'a'), /* G_UNICODE_SCRIPT_TANGSA */
1520 : : PACK ('T', 'o', 't', 'o'), /* G_UNICODE_SCRIPT_TOTO */
1521 : : PACK ('V', 'i', 't', 'h'), /* G_UNICODE_SCRIPT_VITHKUQI */
1522 : :
1523 : : /* not really a Unicode script, but part of ISO 15924 */
1524 : : PACK ('Z', 'm', 't', 'h'), /* G_UNICODE_SCRIPT_MATH */
1525 : :
1526 : : /* Unicode 15.0 additions */
1527 : : PACK ('K', 'a', 'w', 'i'), /* G_UNICODE_SCRIPT_KAWI */
1528 : : PACK ('N', 'a', 'g', 'm'), /* G_UNICODE_SCRIPT_NAG_MUNDARI */
1529 : :
1530 : : #undef PACK
1531 : : };
1532 : :
1533 : : /**
1534 : : * g_unicode_script_to_iso15924:
1535 : : * @script: a Unicode script
1536 : : *
1537 : : * Looks up the ISO 15924 code for @script. ISO 15924 assigns four-letter
1538 : : * codes to scripts. For example, the code for Arabic is 'Arab'. The
1539 : : * four letter codes are encoded as a @guint32 by this function in a
1540 : : * big-endian fashion. That is, the code returned for Arabic is
1541 : : * 0x41726162 (0x41 is ASCII code for 'A', 0x72 is ASCII code for 'r', etc).
1542 : : *
1543 : : * See
1544 : : * [Codes for the representation of names of scripts](http://unicode.org/iso15924/codelists.html)
1545 : : * for details.
1546 : : *
1547 : : * Returns: the ISO 15924 code for @script, encoded as an integer,
1548 : : * of zero if @script is %G_UNICODE_SCRIPT_INVALID_CODE or
1549 : : * ISO 15924 code 'Zzzz' (script code for UNKNOWN) if @script is not understood.
1550 : : *
1551 : : * Since: 2.30
1552 : : */
1553 : : guint32
1554 : 168 : g_unicode_script_to_iso15924 (GUnicodeScript script)
1555 : : {
1556 [ + + ]: 168 : if (G_UNLIKELY (script == G_UNICODE_SCRIPT_INVALID_CODE))
1557 : 1 : return 0;
1558 : :
1559 [ + - + + ]: 167 : if (G_UNLIKELY (script < 0 || script >= (int) G_N_ELEMENTS (iso15924_tags)))
1560 : 1 : return 0x5A7A7A7A;
1561 : :
1562 : 166 : return iso15924_tags[script];
1563 : : }
1564 : :
1565 : : /**
1566 : : * g_unicode_script_from_iso15924:
1567 : : * @iso15924: a Unicode script
1568 : : *
1569 : : * Looks up the Unicode script for @iso15924. ISO 15924 assigns four-letter
1570 : : * codes to scripts. For example, the code for Arabic is 'Arab'.
1571 : : * This function accepts four letter codes encoded as a @guint32 in a
1572 : : * big-endian fashion. That is, the code expected for Arabic is
1573 : : * 0x41726162 (0x41 is ASCII code for 'A', 0x72 is ASCII code for 'r', etc).
1574 : : *
1575 : : * See
1576 : : * [Codes for the representation of names of scripts](http://unicode.org/iso15924/codelists.html)
1577 : : * for details.
1578 : : *
1579 : : * Returns: the Unicode script for @iso15924, or
1580 : : * of %G_UNICODE_SCRIPT_INVALID_CODE if @iso15924 is zero and
1581 : : * %G_UNICODE_SCRIPT_UNKNOWN if @iso15924 is unknown.
1582 : : *
1583 : : * Since: 2.30
1584 : : */
1585 : : GUnicodeScript
1586 : 167 : g_unicode_script_from_iso15924 (guint32 iso15924)
1587 : : {
1588 : : unsigned int i;
1589 : :
1590 [ + + ]: 167 : if (!iso15924)
1591 : 1 : return G_UNICODE_SCRIPT_INVALID_CODE;
1592 : :
1593 [ + + ]: 13861 : for (i = 0; i < G_N_ELEMENTS (iso15924_tags); i++)
1594 [ + + ]: 13860 : if (iso15924_tags[i] == iso15924)
1595 : 165 : return (GUnicodeScript) i;
1596 : :
1597 : 1 : return G_UNICODE_SCRIPT_UNKNOWN;
1598 : : }
|
