datapath: Avoid duplicate test in tnl_free_linked_skbs().
[openvswitch] / lib / unicode.c
1 /*
2  * Copyright (c) 2009, 2010 Nicira Networks.
3  *
4  * Licensed under the Apache License, Version 2.0 (the "License");
5  * you may not use this file except in compliance with the License.
6  * You may obtain a copy of the License at:
7  *
8  *     http://www.apache.org/licenses/LICENSE-2.0
9  *
10  * Unless required by applicable law or agreed to in writing, software
11  * distributed under the License is distributed on an "AS IS" BASIS,
12  * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
13  * See the License for the specific language governing permissions and
14  * limitations under the License.
15  */
16
17 #include <config.h>
18
19 #include "unicode.h"
20
21 #include <inttypes.h>
22
23 #include "dynamic-string.h"
24 #include "util.h"
25
26 /* Returns the unicode code point corresponding to leading surrogate 'leading'
27  * and trailing surrogate 'trailing'.  The return value will not make any
28  * sense if 'leading' or 'trailing' are not in the correct ranges for leading
29  * or trailing surrogates. */
30 int
31 utf16_decode_surrogate_pair(int leading, int trailing)
32 {
33     /*
34      *  Leading surrogate:         110110wwwwxxxxxx
35      * Trailing surrogate:         110111xxxxxxxxxx
36      *         Code point: 000uuuuuxxxxxxxxxxxxxxxx
37      */
38     int w = (leading >> 6) & 0xf;
39     int u = w + 1;
40     int x0 = leading & 0x3f;
41     int x1 = trailing & 0x3ff;
42     return (u << 16) | (x0 << 10) | x1;
43 }
44
45 /* Returns the number of Unicode characters in UTF-8 string 's'. */
46 size_t
47 utf8_length(const char *s_)
48 {
49     const uint8_t *s;
50     size_t length;
51
52     length = 0;
53     for (s = (const uint8_t *) s_; *s != '\0'; s++) {
54         /* The most-significant bits of the first byte in a character are one
55          * of 2#01, 2#00, or 2#11.  2#10 is a continuation byte. */
56         length += (*s & 0xc0) != 0x80;
57     }
58     return length;
59 }
60
61 static char *
62 invalid_utf8_sequence(const uint8_t *s, int n, size_t *lengthp)
63 {
64     struct ds msg;
65     int i;
66
67     if (lengthp) {
68         *lengthp = 0;
69     }
70
71     ds_init(&msg);
72     ds_put_cstr(&msg, "invalid UTF-8 sequence");
73     for (i = 0; i < n; i++) {
74         ds_put_format(&msg, " 0x%02"PRIx8, s[i]);
75     }
76     return ds_steal_cstr(&msg);
77 }
78
79 struct utf8_sequence {
80     uint8_t octets[5][2];
81 };
82
83 static const struct utf8_sequence *
84 lookup_utf8_sequence(uint8_t c)
85 {
86     static const struct utf8_sequence seqs[] = {
87         { { { 0x01, 0x7f },
88             { 0, 0 }, { 0, 0 }, { 0, 0 }, { 0, 0 } } },
89
90         { { { 0xc2, 0xdf }, { 0x80, 0xbf },
91             { 0, 0 }, { 0, 0 }, { 0, 0 } } },
92
93         { { { 0xe0, 0xe0 }, { 0xa0, 0xbf }, { 0x80, 0xbf },
94             {0,0}, {0, 0 } } },
95
96         { { { 0xe1, 0xec }, { 0x80, 0xbf }, { 0x80, 0xbf },
97             { 0, 0 }, { 0, 0 } } },
98
99         { { { 0xed, 0xed }, { 0x80, 0x9f }, { 0x80, 0xbf },
100             { 0, 0 }, { 0, 0 } } },
101
102         { { { 0xee, 0xef }, { 0x80, 0xbf }, { 0x80, 0xbf },
103             { 0, 0 }, { 0, 0 } } },
104
105         { { { 0xf0, 0xf0 }, { 0x90, 0xbf }, { 0x80, 0xbf }, { 0x80, 0xbf },
106             { 0, 0 } } },
107
108         { { { 0xf1, 0xf3 }, { 0x80, 0xbf }, { 0x80, 0xbf }, { 0x80, 0xbf },
109             { 0, 0 } } },
110
111         { { { 0xf4, 0xf4 }, { 0x80, 0x8f }, { 0x80, 0xbf }, { 0x80, 0xbf },
112             { 0, 0 } } },
113     };
114
115     size_t i;
116
117     for (i = 0; i < ARRAY_SIZE(seqs); i++) {
118         const uint8_t *o = seqs[i].octets[0];
119         if (c >= o[0] && c <= o[1]) {
120             return &seqs[i];
121         }
122     }
123     return NULL;
124 }
125
126 /* Checks that 's' is a valid, null-terminated UTF-8 string.  If so, returns a
127  * null pointer and sets '*lengthp' to the number of Unicode characters in
128  * 's'.  If not, returns an error message that the caller must free and sets
129  * '*lengthp' to 0.
130  *
131  * 'lengthp' may be NULL if the length is not needed. */
132 char *
133 utf8_validate(const char *s_, size_t *lengthp)
134 {
135     size_t length = 0;
136     const uint8_t *s;
137
138     for (s = (const uint8_t *) s_; *s != '\0'; ) {
139         length++;
140         if (s[0] < 0x80) {
141             s++;
142         } else {
143             const struct utf8_sequence *seq;
144             int i;
145
146             seq = lookup_utf8_sequence(s[0]);
147             if (!seq) {
148                 return invalid_utf8_sequence(s, 1, lengthp);
149             }
150
151             for (i = 1; seq->octets[i][0]; i++) {
152                 const uint8_t *o = seq->octets[i];
153                 if (s[i] < o[0] || s[i] > o[1]) {
154                     return invalid_utf8_sequence(s, i + 1, lengthp);
155                 }
156             }
157             s += i;
158         }
159     }
160     if (lengthp) {
161         *lengthp = length;
162     }
163     return NULL;
164 }