xref: /titanic_52/usr/src/lib/iconv_modules/common/common_utf8.c (revision 91e1e26ac6a73ce959289cf7d3d96c4baedbe0b8)
1*91e1e26aSAlexander Pyhalov /*
2*91e1e26aSAlexander Pyhalov  * CDDL HEADER START
3*91e1e26aSAlexander Pyhalov  *
4*91e1e26aSAlexander Pyhalov  * The contents of this file are subject to the terms of the
5*91e1e26aSAlexander Pyhalov  * Common Development and Distribution License (the "License").
6*91e1e26aSAlexander Pyhalov  * You may not use this file except in compliance with the License.
7*91e1e26aSAlexander Pyhalov  *
8*91e1e26aSAlexander Pyhalov  * You can obtain a copy of the license at src/OPENSOLARIS.LICENSE
9*91e1e26aSAlexander Pyhalov  * or http://www.opensolaris.org/os/licensing.
10*91e1e26aSAlexander Pyhalov  * See the License for the specific language governing permissions
11*91e1e26aSAlexander Pyhalov  * and limitations under the License.
12*91e1e26aSAlexander Pyhalov  *
13*91e1e26aSAlexander Pyhalov  * When distributing Covered Code, include this CDDL HEADER in each
14*91e1e26aSAlexander Pyhalov  * file and include the License file at src/OPENSOLARIS.LICENSE.
15*91e1e26aSAlexander Pyhalov  * If applicable, add the following below this CDDL HEADER, with the
16*91e1e26aSAlexander Pyhalov  * fields enclosed by brackets "[]" replaced with your own identifying
17*91e1e26aSAlexander Pyhalov  * information: Portions Copyright [yyyy] [name of copyright owner]
18*91e1e26aSAlexander Pyhalov  *
19*91e1e26aSAlexander Pyhalov  * CDDL HEADER END
20*91e1e26aSAlexander Pyhalov  */
21*91e1e26aSAlexander Pyhalov 
22*91e1e26aSAlexander Pyhalov /*
23*91e1e26aSAlexander Pyhalov  * Copyright 2002 Sun Microsystems, Inc.  All rights reserved.
24*91e1e26aSAlexander Pyhalov  * Use is subject to license terms.
25*91e1e26aSAlexander Pyhalov  */
26*91e1e26aSAlexander Pyhalov 
27*91e1e26aSAlexander Pyhalov #include <sys/types.h>
28*91e1e26aSAlexander Pyhalov #include "../inc/common_defs.h"
29*91e1e26aSAlexander Pyhalov 
30*91e1e26aSAlexander Pyhalov /*
31*91e1e26aSAlexander Pyhalov  * convert utf8 string to unicode
32*91e1e26aSAlexander Pyhalov  * return value: 0 - fail
33*91e1e26aSAlexander Pyhalov  *               1 - success
34*91e1e26aSAlexander Pyhalov  */
35*91e1e26aSAlexander Pyhalov int
36*91e1e26aSAlexander Pyhalov convert_utf8_to_ucs4(uchar_t *ib, int utf8_len, uint_t *unicode)
37*91e1e26aSAlexander Pyhalov {
38*91e1e26aSAlexander Pyhalov    uchar_t first_byte = *ib;
39*91e1e26aSAlexander Pyhalov    uint_t u4;
40*91e1e26aSAlexander Pyhalov 
41*91e1e26aSAlexander Pyhalov    if ( number_of_bytes_in_utf8_char[first_byte] != utf8_len) return 0;
42*91e1e26aSAlexander Pyhalov 
43*91e1e26aSAlexander Pyhalov    u4 = (uint_t)(*ib++ & masks_tbl[utf8_len]);
44*91e1e26aSAlexander Pyhalov    for (; utf8_len > 1; utf8_len--)
45*91e1e26aSAlexander Pyhalov      {
46*91e1e26aSAlexander Pyhalov 	u4 = (u4 << ICV_UTF8_BIT_SHIFT) | (((uint_t) *ib) & ICV_UTF8_BIT_MASK);
47*91e1e26aSAlexander Pyhalov 	++ib;
48*91e1e26aSAlexander Pyhalov      }
49*91e1e26aSAlexander Pyhalov 
50*91e1e26aSAlexander Pyhalov    *unicode = u4;
51*91e1e26aSAlexander Pyhalov 
52*91e1e26aSAlexander Pyhalov    return 1;
53*91e1e26aSAlexander Pyhalov }
54*91e1e26aSAlexander Pyhalov 
55*91e1e26aSAlexander Pyhalov /*
56*91e1e26aSAlexander Pyhalov  * check whether the input 'str' is valid UTF-8 byte sequence or not,
57*91e1e26aSAlexander Pyhalov  * which lenght is specified by 'utf8_len'
58*91e1e26aSAlexander Pyhalov  *
59*91e1e26aSAlexander Pyhalov  * return: 0 - invalid byte sequence
60*91e1e26aSAlexander Pyhalov  * 	   1 - valid byte sequence
61*91e1e26aSAlexander Pyhalov  */
62*91e1e26aSAlexander Pyhalov int
63*91e1e26aSAlexander Pyhalov is_valid_utf8_string(uchar_t *str, int utf8_len)
64*91e1e26aSAlexander Pyhalov {
65*91e1e26aSAlexander Pyhalov    uint_t unicode = 0;
66*91e1e26aSAlexander Pyhalov    uchar_t *ib = str;
67*91e1e26aSAlexander Pyhalov    uchar_t first_byte;
68*91e1e26aSAlexander Pyhalov    int is_second_byte = 0, len=utf8_len;
69*91e1e26aSAlexander Pyhalov 
70*91e1e26aSAlexander Pyhalov    if (number_of_bytes_in_utf8_char[*ib] == ICV_TYPE_ILLEGAL_CHAR ||
71*91e1e26aSAlexander Pyhalov        number_of_bytes_in_utf8_char[*ib] != utf8_len ) return 0;
72*91e1e26aSAlexander Pyhalov 
73*91e1e26aSAlexander Pyhalov    first_byte = *ib;
74*91e1e26aSAlexander Pyhalov    --utf8_len;
75*91e1e26aSAlexander Pyhalov    ++ib;
76*91e1e26aSAlexander Pyhalov    is_second_byte = 1;
77*91e1e26aSAlexander Pyhalov 
78*91e1e26aSAlexander Pyhalov    while (utf8_len != 0)
79*91e1e26aSAlexander Pyhalov      {
80*91e1e26aSAlexander Pyhalov 	if (is_second_byte)
81*91e1e26aSAlexander Pyhalov 	  {
82*91e1e26aSAlexander Pyhalov 	     if ( *ib < valid_min_2nd_byte[first_byte] || *ib > valid_max_2nd_byte[first_byte] )
83*91e1e26aSAlexander Pyhalov 	        return 0;
84*91e1e26aSAlexander Pyhalov 	     is_second_byte = 0;
85*91e1e26aSAlexander Pyhalov 	  }
86*91e1e26aSAlexander Pyhalov 	else if ((*ib & 0xc0) != 0x80) /* 0x80 -- 0xbf */
87*91e1e26aSAlexander Pyhalov 		return 0;
88*91e1e26aSAlexander Pyhalov 
89*91e1e26aSAlexander Pyhalov         --utf8_len;
90*91e1e26aSAlexander Pyhalov 	++ib;
91*91e1e26aSAlexander Pyhalov      }
92*91e1e26aSAlexander Pyhalov 
93*91e1e26aSAlexander Pyhalov    convert_utf8_to_ucs4(str, len, &unicode);
94*91e1e26aSAlexander Pyhalov    if (unicode == 0xFFFE || unicode == 0xFFFF) return 0;
95*91e1e26aSAlexander Pyhalov 
96*91e1e26aSAlexander Pyhalov    return 1;
97*91e1e26aSAlexander Pyhalov }
98