mirror of
https://github.com/systemd/systemd.git
synced 2025-01-10 05:18:17 +03:00
shared/utf8: merge implementations, remove cruft
This unifies the utf8 handling code which was previously duplicated in udev and systemd.
This commit is contained in:
parent
894a156de7
commit
7991ac34ab
1
TODO
1
TODO
@ -602,7 +602,6 @@ Features:
|
||||
* udev:
|
||||
- remove src/udev/udev-builtin-firmware.c (CONFIG_FW_LOADER_USER_HELPER=n)
|
||||
- move to LGPL
|
||||
- unify utf8 validator code with shared/
|
||||
- kill scsi_id
|
||||
- add trigger --subsystem-match=usb/usb_device device
|
||||
|
||||
|
@ -51,8 +51,6 @@
|
||||
#include "utf8.h"
|
||||
#include "util.h"
|
||||
|
||||
#define FILTER_CHAR '_'
|
||||
|
||||
static inline bool is_unicode_valid(uint32_t ch) {
|
||||
|
||||
if (ch >= 0x110000) /* End of unicode space */
|
||||
@ -67,17 +65,6 @@ static inline bool is_unicode_valid(uint32_t ch) {
|
||||
return true;
|
||||
}
|
||||
|
||||
static inline bool is_continuation_char(uint8_t ch) {
|
||||
if ((ch & 0xc0) != 0x80) /* 10xxxxxx */
|
||||
return false;
|
||||
return true;
|
||||
}
|
||||
|
||||
static inline void merge_continuation_char(uint32_t *u_ch, uint8_t ch) {
|
||||
*u_ch <<= 6;
|
||||
*u_ch |= ch & 0x3f;
|
||||
}
|
||||
|
||||
static bool is_unicode_control(uint32_t ch) {
|
||||
|
||||
/*
|
||||
@ -90,163 +77,97 @@ static bool is_unicode_control(uint32_t ch) {
|
||||
(0x7F <= ch && ch <= 0x9F);
|
||||
}
|
||||
|
||||
/* count of characters used to encode one unicode char */
|
||||
static int utf8_encoded_expected_len(const char *str) {
|
||||
unsigned char c = (unsigned char)str[0];
|
||||
|
||||
if (c < 0x80)
|
||||
return 1;
|
||||
if ((c & 0xe0) == 0xc0)
|
||||
return 2;
|
||||
if ((c & 0xf0) == 0xe0)
|
||||
return 3;
|
||||
if ((c & 0xf8) == 0xf0)
|
||||
return 4;
|
||||
if ((c & 0xfc) == 0xf8)
|
||||
return 5;
|
||||
if ((c & 0xfe) == 0xfc)
|
||||
return 6;
|
||||
return 0;
|
||||
}
|
||||
|
||||
/* decode one unicode char */
|
||||
static int utf8_encoded_to_unichar(const char *str) {
|
||||
int unichar;
|
||||
int len;
|
||||
int i;
|
||||
|
||||
len = utf8_encoded_expected_len(str);
|
||||
switch (len) {
|
||||
case 1:
|
||||
return (int)str[0];
|
||||
case 2:
|
||||
unichar = str[0] & 0x1f;
|
||||
break;
|
||||
case 3:
|
||||
unichar = (int)str[0] & 0x0f;
|
||||
break;
|
||||
case 4:
|
||||
unichar = (int)str[0] & 0x07;
|
||||
break;
|
||||
case 5:
|
||||
unichar = (int)str[0] & 0x03;
|
||||
break;
|
||||
case 6:
|
||||
unichar = (int)str[0] & 0x01;
|
||||
break;
|
||||
default:
|
||||
return -1;
|
||||
}
|
||||
|
||||
for (i = 1; i < len; i++) {
|
||||
if (((int)str[i] & 0xc0) != 0x80)
|
||||
return -1;
|
||||
unichar <<= 6;
|
||||
unichar |= (int)str[i] & 0x3f;
|
||||
}
|
||||
|
||||
return unichar;
|
||||
}
|
||||
|
||||
bool utf8_is_printable(const char* str, size_t length) {
|
||||
uint32_t val = 0;
|
||||
uint32_t min = 0;
|
||||
const uint8_t *p;
|
||||
|
||||
assert(str);
|
||||
|
||||
for (p = (const uint8_t*) str; length; p++, length--) {
|
||||
if (*p < 128) {
|
||||
val = *p;
|
||||
} else {
|
||||
if ((*p & 0xe0) == 0xc0) { /* 110xxxxx two-char seq. */
|
||||
min = 128;
|
||||
val = (uint32_t) (*p & 0x1e);
|
||||
goto ONE_REMAINING;
|
||||
} else if ((*p & 0xf0) == 0xe0) { /* 1110xxxx three-char seq.*/
|
||||
min = (1 << 11);
|
||||
val = (uint32_t) (*p & 0x0f);
|
||||
goto TWO_REMAINING;
|
||||
} else if ((*p & 0xf8) == 0xf0) { /* 11110xxx four-char seq */
|
||||
min = (1 << 16);
|
||||
val = (uint32_t) (*p & 0x07);
|
||||
} else
|
||||
return false;
|
||||
for (p = (const uint8_t*) str; length; p++) {
|
||||
int encoded_len = utf8_encoded_valid_unichar((const char *)p);
|
||||
int32_t val = utf8_encoded_to_unichar((const char*)p);
|
||||
|
||||
p++;
|
||||
length--;
|
||||
if (!length || !is_continuation_char(*p))
|
||||
return false;
|
||||
merge_continuation_char(&val, *p);
|
||||
|
||||
TWO_REMAINING:
|
||||
p++;
|
||||
length--;
|
||||
if (!is_continuation_char(*p))
|
||||
return false;
|
||||
merge_continuation_char(&val, *p);
|
||||
|
||||
ONE_REMAINING:
|
||||
p++;
|
||||
length--;
|
||||
if (!is_continuation_char(*p))
|
||||
return false;
|
||||
merge_continuation_char(&val, *p);
|
||||
|
||||
if (val < min)
|
||||
return false;
|
||||
}
|
||||
|
||||
if (is_unicode_control(val))
|
||||
if (encoded_len < 0 || val < 0 || is_unicode_control(val))
|
||||
return false;
|
||||
|
||||
length -= encoded_len;
|
||||
}
|
||||
|
||||
return true;
|
||||
}
|
||||
|
||||
static char* utf8_validate(const char *str, char *output) {
|
||||
uint32_t val = 0;
|
||||
uint32_t min = 0;
|
||||
const uint8_t *p, *last;
|
||||
int size;
|
||||
uint8_t *o;
|
||||
const char *utf8_is_valid(const char *str) {
|
||||
const uint8_t *p;
|
||||
|
||||
assert(str);
|
||||
|
||||
o = (uint8_t*) output;
|
||||
for (p = (const uint8_t*) str; *p; p++) {
|
||||
if (*p < 128) {
|
||||
if (o)
|
||||
*o = *p;
|
||||
} else {
|
||||
last = p;
|
||||
for (p = (const uint8_t*) str; *p; ) {
|
||||
int len = utf8_encoded_valid_unichar((const char *)p);
|
||||
|
||||
if ((*p & 0xe0) == 0xc0) { /* 110xxxxx two-char seq. */
|
||||
size = 2;
|
||||
min = 128;
|
||||
val = (uint32_t) (*p & 0x1e);
|
||||
goto ONE_REMAINING;
|
||||
} else if ((*p & 0xf0) == 0xe0) { /* 1110xxxx three-char seq.*/
|
||||
size = 3;
|
||||
min = (1 << 11);
|
||||
val = (uint32_t) (*p & 0x0f);
|
||||
goto TWO_REMAINING;
|
||||
} else if ((*p & 0xf8) == 0xf0) { /* 11110xxx four-char seq */
|
||||
size = 4;
|
||||
min = (1 << 16);
|
||||
val = (uint32_t) (*p & 0x07);
|
||||
} else
|
||||
goto error;
|
||||
if (len < 0)
|
||||
return NULL;
|
||||
|
||||
p++;
|
||||
if (!is_continuation_char(*p))
|
||||
goto error;
|
||||
merge_continuation_char(&val, *p);
|
||||
|
||||
TWO_REMAINING:
|
||||
p++;
|
||||
if (!is_continuation_char(*p))
|
||||
goto error;
|
||||
merge_continuation_char(&val, *p);
|
||||
|
||||
ONE_REMAINING:
|
||||
p++;
|
||||
if (!is_continuation_char(*p))
|
||||
goto error;
|
||||
merge_continuation_char(&val, *p);
|
||||
|
||||
if (val < min)
|
||||
goto error;
|
||||
|
||||
if (!is_unicode_valid(val))
|
||||
goto error;
|
||||
|
||||
if (o) {
|
||||
memcpy(o, last, (size_t) size);
|
||||
o += size;
|
||||
}
|
||||
|
||||
continue;
|
||||
|
||||
error:
|
||||
if (o) {
|
||||
*o = FILTER_CHAR;
|
||||
p = last; /* We retry at the next character */
|
||||
} else
|
||||
goto failure;
|
||||
}
|
||||
|
||||
if (o)
|
||||
o++;
|
||||
p += len;
|
||||
}
|
||||
|
||||
if (o) {
|
||||
*o = '\0';
|
||||
return output;
|
||||
}
|
||||
|
||||
return (char*) str;
|
||||
|
||||
failure:
|
||||
return NULL;
|
||||
}
|
||||
|
||||
char* utf8_is_valid (const char *str) {
|
||||
return utf8_validate(str, NULL);
|
||||
}
|
||||
|
||||
char* utf8_filter (const char *str) {
|
||||
char *new_str;
|
||||
|
||||
assert(str);
|
||||
|
||||
new_str = malloc(strlen(str) + 1);
|
||||
if (!new_str)
|
||||
return NULL;
|
||||
|
||||
return utf8_validate(str, new_str);
|
||||
return str;
|
||||
}
|
||||
|
||||
char *ascii_is_valid(const char *str) {
|
||||
@ -318,64 +239,6 @@ char *utf16_to_utf8(const void *s, size_t length) {
|
||||
return r;
|
||||
}
|
||||
|
||||
/* count of characters used to encode one unicode char */
|
||||
static int utf8_encoded_expected_len(const char *str) {
|
||||
unsigned char c = (unsigned char)str[0];
|
||||
|
||||
if (c < 0x80)
|
||||
return 1;
|
||||
if ((c & 0xe0) == 0xc0)
|
||||
return 2;
|
||||
if ((c & 0xf0) == 0xe0)
|
||||
return 3;
|
||||
if ((c & 0xf8) == 0xf0)
|
||||
return 4;
|
||||
if ((c & 0xfc) == 0xf8)
|
||||
return 5;
|
||||
if ((c & 0xfe) == 0xfc)
|
||||
return 6;
|
||||
return 0;
|
||||
}
|
||||
|
||||
/* decode one unicode char */
|
||||
static int utf8_encoded_to_unichar(const char *str) {
|
||||
int unichar;
|
||||
int len;
|
||||
int i;
|
||||
|
||||
len = utf8_encoded_expected_len(str);
|
||||
switch (len) {
|
||||
case 1:
|
||||
return (int)str[0];
|
||||
case 2:
|
||||
unichar = str[0] & 0x1f;
|
||||
break;
|
||||
case 3:
|
||||
unichar = (int)str[0] & 0x0f;
|
||||
break;
|
||||
case 4:
|
||||
unichar = (int)str[0] & 0x07;
|
||||
break;
|
||||
case 5:
|
||||
unichar = (int)str[0] & 0x03;
|
||||
break;
|
||||
case 6:
|
||||
unichar = (int)str[0] & 0x01;
|
||||
break;
|
||||
default:
|
||||
return -1;
|
||||
}
|
||||
|
||||
for (i = 1; i < len; i++) {
|
||||
if (((int)str[i] & 0xc0) != 0x80)
|
||||
return -1;
|
||||
unichar <<= 6;
|
||||
unichar |= (int)str[i] & 0x3f;
|
||||
}
|
||||
|
||||
return unichar;
|
||||
}
|
||||
|
||||
/* expected size used to encode one unicode char */
|
||||
static int utf8_unichar_to_encoded_len(int unichar) {
|
||||
if (unichar < 0x80)
|
||||
|
@ -25,12 +25,11 @@
|
||||
|
||||
#include "macro.h"
|
||||
|
||||
char *utf8_is_valid(const char *s) _pure_;
|
||||
const char *utf8_is_valid(const char *s) _pure_;
|
||||
char *ascii_is_valid(const char *s) _pure_;
|
||||
|
||||
bool utf8_is_printable(const char* str, size_t length) _pure_;
|
||||
|
||||
char *utf8_filter(const char *s);
|
||||
char *ascii_filter(const char *s);
|
||||
|
||||
char *utf16_to_utf8(const void *s, size_t length);
|
||||
|
@ -47,6 +47,12 @@ static void test_udev_encode_string(void) {
|
||||
assert_se(expect_encoded_as("s/ash/ng", "s\\x2fash\\x2fng"));
|
||||
}
|
||||
|
||||
static void test_utf8_is_printable(void) {
|
||||
assert_se(utf8_is_printable("ascii is valid\tunicode", 22));
|
||||
assert_se(utf8_is_printable("\342\204\242", 3));
|
||||
assert_se(!utf8_is_printable("\341\204", 2));
|
||||
}
|
||||
|
||||
static void test_utf8_is_valid(void) {
|
||||
assert_se(utf8_is_valid("ascii is valid unicode"));
|
||||
assert_se(utf8_is_valid("\341\204\242"));
|
||||
@ -55,5 +61,8 @@ static void test_utf8_is_valid(void) {
|
||||
|
||||
int main(int argc, char *argv[]) {
|
||||
test_utf8_is_valid();
|
||||
test_utf8_is_printable();
|
||||
test_udev_encode_string();
|
||||
|
||||
return 0;
|
||||
}
|
||||
|
Loading…
Reference in New Issue
Block a user