src/libpspp/u8-istream.c

   1 /* PSPP - a program for statistical analysis.
   2    Copyright (C) 2010, 2011 Free Software Foundation, Inc.
   3
   4    This program is free software: you can redistribute it and/or modify
   5    it under the terms of the GNU General Public License as published by
   6    the Free Software Foundation, either version 3 of the License, or
   7    (at your option) any later version.
   8
   9    This program is distributed in the hope that it will be useful,
  10    but WITHOUT ANY WARRANTY; without even the implied warranty of
  11    MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  12    GNU General Public License for more details.
  13
  14    You should have received a copy of the GNU General Public License
  15    along with this program.  If not, see <http://www.gnu.org/licenses/>. */
  16
  17 #include <config.h>
  18
  19 #include "u8-istream.h"
  20
  21 #include <assert.h>
  22 #include <errno.h>
  23 #include <fcntl.h>
  24 #include <iconv.h>
  25 #include <limits.h>
  26 #include <stdint.h>
  27 #include <stdio.h>
  28 #include <stdlib.h>
  29 #include <string.h>
  30 #include <unistd.h>
  31 #include <unistr.h>
  32
  33 #include "libpspp/assertion.h"
  34 #include "libpspp/cast.h"
  35 #include "libpspp/compiler.h"
  36 #include "libpspp/encoding-guesser.h"
  37
  38 #include "gl/c-strcase.h"
  39 #include "gl/localcharset.h"
  40 #include "gl/minmax.h"
  41
  42 enum u8_istream_state
  43   {
  44     S_AUTO,                     /* Stream encoding not yet known. */
  45     S_UTF8,                     /* Stream encoding is known to be UTF-8. */
  46     S_CONVERT                   /* Stream encoding is known but not UTF-8. */
  47   };
  48
  49 struct u8_istream
  50   {
  51     int fd;
  52     iconv_t converter;
  53     enum u8_istream_state state;
  54
  55     char *buffer;
  56     char *head;
  57     size_t length;
  58
  59     char outbuf[4];
  60     size_t outlen;
  61   };
  62
  63 static ssize_t fill_buffer (struct u8_istream *);
  64
  65 /* Opens FILENAME, which is encoded in FROMCODE, for reading as an UTF-8
  66    stream, passing FLAGS to the open() function.  Returns a new u8_istream if
  67    successful, otherwise returns NULL and sets errno to an appropriate value.
  68
  69    The accepted forms for FROMCODE are listed at the top of
  70    encoding-guesser.h. */
  71 struct u8_istream *
  72 u8_istream_for_file (const char *fromcode, const char *filename, int flags)
  73 {
  74   struct u8_istream *is;
  75   int fd;
  76
  77   assert (!(flags & O_CREAT));
  78
  79   fd = open (filename, flags);
  80   if (fd < 0)
  81     return NULL;
  82
  83   is = u8_istream_for_fd (fromcode, fd);
  84   if (is == NULL)
  85     {
  86       int save_errno = errno;
  87       close (fd);
  88       errno = save_errno;
  89     }
  90
  91   return is;
  92 }
  93
  94 /* Creates and returns a new u8_istream that reads its input from FD.  Returns
  95    a new u8_istream if successful, otherwise returns NULL and sets errno to an
  96    appropriate value.
  97
  98    The accepted forms for FROMCODE are listed at the top of
  99    encoding-guesser.h. */
 100 struct u8_istream *
 101 u8_istream_for_fd (const char *fromcode, int fd)
 102 {
 103   struct u8_istream *is;
 104   const char *encoding;
 105
 106   is = malloc (sizeof *is);
 107   if (is == NULL)
 108     return NULL;
 109
 110   is->fd = fd;
 111   is->converter = (iconv_t) -1;
 112   is->buffer = malloc (U8_ISTREAM_BUFFER_SIZE);
 113   if (is->buffer == NULL)
 114     goto error;
 115   is->head = is->buffer;
 116   is->length = 0;
 117   is->outlen = 0;
 118
 119   if (fill_buffer (is) < 0)
 120     goto error;
 121
 122   encoding = encoding_guess_head_encoding (fromcode, is->buffer, is->length);
 123   if (!strcmp (encoding, "UTF-8"))
 124     is->state = S_UTF8;
 125   else
 126     {
 127       if (encoding_guess_encoding_is_auto (fromcode)
 128           && !strcmp (encoding, "ASCII"))
 129         is->state = S_AUTO;
 130       else
 131         is->state = S_CONVERT;
 132
 133       is->converter = iconv_open ("UTF-8",
 134                                   encoding_guess_parse_encoding (fromcode));
 135       if (is->converter == (iconv_t) -1)
 136         goto error;
 137     }
 138
 139   return is;
 140
 141 error:
 142   u8_istream_free (is);
 143   return NULL;
 144 }
 145
 146 /* Closes IS and its underlying file descriptor and frees all associated
 147    resources.  Returns the return value from close(). */
 148 int
 149 u8_istream_close (struct u8_istream *is)
 150 {
 151   if (is != NULL)
 152     {
 153       int fd = is->fd;
 154       u8_istream_free (is);
 155       return close (fd);
 156     }
 157   return 0;
 158 }
 159
 160 /* Frees IS and associated resources, but does not close the underlying file
 161    descriptor.  (Thus, the client must close the file descriptor when it is no
 162    longer needed.) */
 163 void
 164 u8_istream_free (struct u8_istream *is)
 165 {
 166   if (is != NULL)
 167     {
 168       if (is->converter != (iconv_t) -1)
 169         iconv_close (is->converter);
 170       free (is->buffer);
 171       free (is);
 172     }
 173 }
 174
 175 static void
 176 substitute_invalid_input_byte (struct u8_istream *is)
 177 {
 178   assert (is->outlen == 0);
 179   is->head++;
 180   is->length--;
 181   is->outlen = u8_uctomb (CHAR_CAST (uint8_t *, is->outbuf),
 182                           0xfffd, sizeof is->outbuf);
 183 }
 184
 185 static ssize_t
 186 fill_buffer (struct u8_istream *is)
 187 {
 188   ssize_t n;
 189
 190   /* Move any unused bytes to the beginning of the input buffer. */
 191   if (is->length > 0 && is->buffer != is->head)
 192     memmove (is->buffer, is->head, is->length);
 193   is->head = is->buffer;
 194
 195   /* Read more input. */
 196   n = read (is->fd, is->buffer + is->length,
 197             U8_ISTREAM_BUFFER_SIZE - is->length);
 198   if (n > 0)
 199     is->length += n;
 200   return n;
 201 }
 202
 203 static ssize_t
 204 read_auto (struct u8_istream *is, char *buffer, size_t size)
 205 {
 206   size_t original_size = size;
 207   int retval = 0;
 208
 209   while (size > 0)
 210     {
 211       if (is->length > 0)
 212         {
 213           size_t n_ascii;
 214
 215           n_ascii = encoding_guess_count_ascii (is->head,
 216                                                 MIN (is->length, size));
 217
 218           memcpy (buffer, is->head, n_ascii);
 219           buffer += n_ascii;
 220           size -= n_ascii;
 221
 222           is->head += n_ascii;
 223           is->length -= n_ascii;
 224
 225           if (size == 0)
 226             break;
 227         }
 228
 229       if (is->length == 0)
 230         {
 231           retval = fill_buffer (is);
 232           if (retval > 0)
 233             continue;
 234           else
 235             break;
 236         }
 237
 238       /* is->head points to a byte that isn't a printable ASCII character.
 239          Fill up the buffer and check for UTF-8. */
 240       fill_buffer (is);
 241       is->state = (encoding_guess_tail_is_utf8 (is->head, is->length)
 242                    ? S_UTF8 : S_CONVERT);
 243       if (size == original_size)
 244         return u8_istream_read (is, buffer, size);
 245       break;
 246     }
 247
 248   return original_size - size;
 249 }
 250
 251 static int
 252 convert_iconv (iconv_t converter,
 253                char **inbufp, size_t *inbytesleft,
 254                char **outbufp, size_t *outbytesleft)
 255 {
 256   size_t n = iconv (converter, inbufp, inbytesleft, outbufp, outbytesleft);
 257   return n == SIZE_MAX ? errno : 0;
 258 }
 259
 260 static int
 261 convert_utf8 (iconv_t converter UNUSED,
 262               char **inbufp, size_t *inbytesleft,
 263               char **outbufp, size_t *outbytesleft)
 264 {
 265   const uint8_t *in = CHAR_CAST (const uint8_t *, *inbufp);
 266   size_t n = MIN (*inbytesleft, *outbytesleft);
 267   size_t ofs = 0;
 268   int error;
 269
 270   for (;;)
 271     {
 272       ucs4_t uc;
 273       int mblen;
 274
 275       if (ofs >= n)
 276         {
 277           error = ofs < *inbytesleft ? E2BIG : 0;
 278           break;
 279         }
 280
 281       mblen = u8_mbtouc (&uc, in + ofs, n - ofs);
 282       if (uc == 0xfffd)
 283         {
 284           int retval = u8_mbtoucr (&uc, in + ofs, *inbytesleft - ofs);
 285           if (retval == mblen)
 286             {
 287               /* There's an actual U+FFFD in the input stream.  Carry on. */
 288             }
 289           else
 290             {
 291               error = (retval == -1 ? EILSEQ
 292                        : retval == -2 ? EINVAL
 293                        : E2BIG);
 294               break;
 295             }
 296         }
 297
 298       ofs += mblen;
 299     }
 300
 301   if (ofs > 0)
 302     {
 303       memcpy (*outbufp, *inbufp, ofs);
 304       *inbufp += ofs;
 305       *inbytesleft -= ofs;
 306       *outbufp += ofs;
 307       *outbytesleft -= ofs;
 308     }
 309
 310   return error;
 311 }
 312
 313 static ssize_t
 314 read_convert (struct u8_istream *is,
 315               int (*convert) (iconv_t converter,
 316                               char **inbufp, size_t *inbytesleft,
 317                               char **outbufp, size_t *outbytesleft),
 318               char *buffer, size_t size)
 319 {
 320   size_t original_size = size;
 321
 322   while (size > 0)
 323     {
 324       ssize_t n_read;
 325
 326       if (is->outlen > 0)
 327         {
 328           size_t n = MIN (size, is->outlen);
 329
 330           memcpy (buffer, is->outbuf, n);
 331           is->outlen -= n;
 332           if (is->outlen > 0)
 333             memmove (is->outbuf, is->outbuf + n, is->outlen);
 334
 335           buffer += n;
 336           size -= n;
 337
 338           if (size == 0)
 339             break;
 340         }
 341
 342       if (is->length)
 343         {
 344           int error = convert (is->converter,
 345                                &is->head, &is->length,
 346                                &buffer, &size);
 347           if (size == 0)
 348             break;
 349
 350           switch (error)
 351             {
 352             case 0:
 353               /* Converted all of the input into output, possibly with space
 354                  for output left over.
 355
 356                  Read more input. */
 357               break;
 358
 359             case EILSEQ:
 360               substitute_invalid_input_byte (is);
 361               continue;
 362
 363             case EINVAL:
 364               /* Incomplete byte sequence at end of input.  Read more
 365                  input. */
 366               break;
 367
 368             default:
 369               /* A real error of some kind (ENOMEM?). */
 370               return -1;
 371
 372             case E2BIG:
 373               /* Ran out of room for output.
 374                  Convert into outbuf and copy from there instead. */
 375               {
 376                 char *outptr = is->outbuf;
 377                 size_t outleft = sizeof is->outbuf;
 378
 379                 error = convert (is->converter,
 380                                  &is->head, &is->length,
 381                                  &outptr, &outleft);
 382                 is->outlen = outptr - is->outbuf;
 383                 if (is->outlen > 0)
 384                   continue;
 385
 386                 switch (error)
 387                   {
 388                   case EILSEQ:
 389                     substitute_invalid_input_byte (is);
 390                     continue;
 391
 392                   case E2BIG:
 393                   case EINVAL:
 394                     continue;
 395
 396                   default:
 397                     /* A real error of some kind (ENOMEM?). */
 398                     return -1;
 399                   }
 400               }
 401             }
 402         }
 403
 404       assert (is->length <= MB_LEN_MAX);
 405       n_read = fill_buffer (is);
 406       if (n_read <= 0)
 407         {
 408           if (original_size != size)
 409             {
 410               /* We produced some output so don't report EOF or error yet. */
 411               break;
 412             }
 413           else if (n_read == 0 && is->length != 0)
 414             {
 415               /* Incomplete byte sequence at end of file. */
 416               substitute_invalid_input_byte (is);
 417             }
 418           else
 419             {
 420               /* Propagate end-of-file or error to caller. */
 421               return n_read;
 422             }
 423         }
 424     }
 425
 426   return original_size - size;
 427 }
 428
 429 /* Reads up to SIZE bytes of UTF-8 text from IS into BUFFER.  Returns the
 430    number of bytes read if successful, 0 at end of file, or -1 if an error
 431    occurred before any data could be read.  Upon error, sets errno to an
 432    appropriate value. */
 433 ssize_t
 434 u8_istream_read (struct u8_istream *is, char *buffer, size_t size)
 435 {
 436   switch (is->state)
 437     {
 438     case S_CONVERT:
 439       return read_convert (is, convert_iconv, buffer, size);
 440
 441     case S_AUTO:
 442       return read_auto (is, buffer, size);
 443
 444     case S_UTF8:
 445       return read_convert (is, convert_utf8, buffer, size);
 446     }
 447
 448   NOT_REACHED ();
 449 }
 450
 451 /* Returns the file descriptor underlying IS. */
 452 int
 453 u8_istream_fileno (const struct u8_istream *is)
 454 {
 455   return is->fd;
 456 }
 457 \f
 458 /* Test functions.
 459
 460    These functions are probably useful only for white-box testing. */
 461
 462 /* Returns true if the encoding of the file being read by IS is not yet
 463    known. */
 464 bool
 465 u8_istream_is_auto (const struct u8_istream *is)
 466 {
 467   return is->state == S_AUTO;
 468 }
 469
 470 /* Returns true if the encoding of the file being read by IS has been
 471    determined to be UTF-8. */
 472 bool
 473 u8_istream_is_utf8 (const struct u8_istream *is)
 474 {
 475   return is->state == S_UTF8;
 476 }