src/shared/utf8.c

   1 /*-*- Mode: C; c-basic-offset: 8; indent-tabs-mode: nil -*-*/
   2
   3 /***
   4   This file is part of systemd.
   5
   6   Copyright 2008-2011 Kay Sievers
   7   Copyright 2012 Lennart Poettering
   8
   9   systemd is free software; you can redistribute it and/or modify it
  10   under the terms of the GNU Lesser General Public License as published by
  11   the Free Software Foundation; either version 2.1 of the License, or
  12   (at your option) any later version.
  13
  14   systemd is distributed in the hope that it will be useful, but
  15   WITHOUT ANY WARRANTY; without even the implied warranty of
  16   MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the GNU
  17   Lesser General Public License for more details.
  18
  19   You should have received a copy of the GNU Lesser General Public License
  20   along with systemd; If not, see <http://www.gnu.org/licenses/>.
  21 ***/
  22
  23 /* Parts of this file are based on the GLIB utf8 validation functions. The
  24  * original license text follows. */
  25
  26 /* gutf8.c - Operations on UTF-8 strings.
  27  *
  28  * Copyright (C) 1999 Tom Tromey
  29  * Copyright (C) 2000 Red Hat, Inc.
  30  *
  31  * This library is free software; you can redistribute it and/or
  32  * modify it under the terms of the GNU Library General Public
  33  * License as published by the Free Software Foundation; either
  34  * version 2 of the License, or (at your option) any later version.
  35  *
  36  * This library is distributed in the hope that it will be useful,
  37  * but WITHOUT ANY WARRANTY; without even the implied warranty of
  38  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  39  * Library General Public License for more details.
  40  *
  41  * You should have received a copy of the GNU Library General Public
  42  * License along with this library; if not, write to the Free Software
  43  * Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA  02110-1301  USA
  44  */
  45
  46 #include <errno.h>
  47 #include <stdlib.h>
  48 #include <inttypes.h>
  49 #include <string.h>
  50 #include <stdbool.h>
  51
  52 #include "utf8.h"
  53 #include "util.h"
  54
  55 static inline bool is_unicode_valid(uint32_t ch) {
  56
  57         if (ch >= 0x110000) /* End of unicode space */
  58                 return false;
  59         if ((ch & 0xFFFFF800) == 0xD800) /* Reserved area for UTF-16 */
  60                 return false;
  61         if ((ch >= 0xFDD0) && (ch <= 0xFDEF)) /* Reserved */
  62                 return false;
  63         if ((ch & 0xFFFE) == 0xFFFE) /* BOM (Byte Order Mark) */
  64                 return false;
  65
  66         return true;
  67 }
  68
  69 static bool is_unicode_control(uint32_t ch) {
  70
  71         /*
  72           0 to ' '-1 is the C0 range.
  73           DEL=0x7F, and DEL+1 to 0x9F is C1 range.
  74           '\t' is in C0 range, but more or less harmless and commonly used.
  75         */
  76
  77         return (ch < ' ' && ch != '\t' && ch != '\n') ||
  78                 (0x7F <= ch && ch <= 0x9F);
  79 }
  80
  81 /* count of characters used to encode one unicode char */
  82 static int utf8_encoded_expected_len(const char *str) {
  83         unsigned char c;
  84
  85         assert(str);
  86
  87         c = (unsigned char) str[0];
  88         if (c < 0x80)
  89                 return 1;
  90         if ((c & 0xe0) == 0xc0)
  91                 return 2;
  92         if ((c & 0xf0) == 0xe0)
  93                 return 3;
  94         if ((c & 0xf8) == 0xf0)
  95                 return 4;
  96         if ((c & 0xfc) == 0xf8)
  97                 return 5;
  98         if ((c & 0xfe) == 0xfc)
  99                 return 6;
 100
 101         return 0;
 102 }
 103
 104 /* decode one unicode char */
 105 int utf8_encoded_to_unichar(const char *str) {
 106         int unichar, len, i;
 107
 108         assert(str);
 109
 110         len = utf8_encoded_expected_len(str);
 111
 112         switch (len) {
 113         case 1:
 114                 return (int)str[0];
 115         case 2:
 116                 unichar = str[0] & 0x1f;
 117                 break;
 118         case 3:
 119                 unichar = (int)str[0] & 0x0f;
 120                 break;
 121         case 4:
 122                 unichar = (int)str[0] & 0x07;
 123                 break;
 124         case 5:
 125                 unichar = (int)str[0] & 0x03;
 126                 break;
 127         case 6:
 128                 unichar = (int)str[0] & 0x01;
 129                 break;
 130         default:
 131                 return -EINVAL;
 132         }
 133
 134         for (i = 1; i < len; i++) {
 135                 if (((int)str[i] & 0xc0) != 0x80)
 136                         return -EINVAL;
 137                 unichar <<= 6;
 138                 unichar |= (int)str[i] & 0x3f;
 139         }
 140
 141         return unichar;
 142 }
 143
 144 bool utf8_is_printable_newline(const char* str, size_t length, bool newline) {
 145         const uint8_t *p;
 146
 147         assert(str);
 148
 149         for (p = (const uint8_t*) str; length;) {
 150                 int encoded_len, val;
 151
 152                 encoded_len = utf8_encoded_valid_unichar((const char *) p);
 153                 if (encoded_len < 0 ||
 154                     (size_t) encoded_len > length)
 155                         return false;
 156
 157                 val = utf8_encoded_to_unichar((const char*) p);
 158                 if (val < 0 ||
 159                     is_unicode_control(val) ||
 160                     (!newline && val == '\n'))
 161                         return false;
 162
 163                 length -= encoded_len;
 164                 p += encoded_len;
 165         }
 166
 167         return true;
 168 }
 169
 170 const char *utf8_is_valid(const char *str) {
 171         const uint8_t *p;
 172
 173         assert(str);
 174
 175         for (p = (const uint8_t*) str; *p; ) {
 176                 int len;
 177
 178                 len = utf8_encoded_valid_unichar((const char *)p);
 179                 if (len < 0)
 180                         return NULL;
 181
 182                 p += len;
 183         }
 184
 185         return str;
 186 }
 187
 188 char *utf8_escape_invalid(const char *str) {
 189         char *p, *s;
 190
 191         assert(str);
 192
 193         p = s = malloc(strlen(str) * 4 + 1);
 194         if (!p)
 195                 return NULL;
 196
 197         while (*str) {
 198                 int len;
 199
 200                 len = utf8_encoded_valid_unichar(str);
 201                 if (len > 0) {
 202                         s = mempcpy(s, str, len);
 203                         str += len;
 204                 } else {
 205                         s = mempcpy(s, UTF8_REPLACEMENT_CHARACTER, strlen(UTF8_REPLACEMENT_CHARACTER));
 206                         str += 1;
 207                 }
 208         }
 209
 210         *s = '\0';
 211
 212         return p;
 213 }
 214
 215 char *ascii_is_valid(const char *str) {
 216         const char *p;
 217
 218         assert(str);
 219
 220         for (p = str; *p; p++)
 221                 if ((unsigned char) *p >= 128)
 222                         return NULL;
 223
 224         return (char*) str;
 225 }
 226
 227 char *utf16_to_utf8(const void *s, size_t length) {
 228         char *r;
 229         const uint8_t *f;
 230         uint8_t *t;
 231
 232         r = new(char, (length*3+1)/2 + 1);
 233         if (!r)
 234                 return NULL;
 235
 236         t = (uint8_t*) r;
 237
 238         for (f = s; f < (const uint8_t*) s + length; f += 2) {
 239                 uint16_t c;
 240
 241                 c = (f[1] << 8) | f[0];
 242
 243                 if (c == 0) {
 244                         *t = 0;
 245                         return r;
 246                 } else if (c < 0x80) {
 247                         *(t++) = (uint8_t) c;
 248                 } else if (c < 0x800) {
 249                         *(t++) = (uint8_t) (0xc0 | (c >> 6));
 250                         *(t++) = (uint8_t) (0x80 | (c & 0x3f));
 251                 } else {
 252                         *(t++) = (uint8_t) (0xe0 | (c >> 12));
 253                         *(t++) = (uint8_t) (0x80 | ((c >> 6) & 0x3f));
 254                         *(t++) = (uint8_t) (0x80 | (c & 0x3f));
 255                 }
 256         }
 257
 258         *t = 0;
 259
 260         return r;
 261 }
 262
 263 /* expected size used to encode one unicode char */
 264 static int utf8_unichar_to_encoded_len(int unichar) {
 265
 266         if (unichar < 0x80)
 267                 return 1;
 268         if (unichar < 0x800)
 269                 return 2;
 270         if (unichar < 0x10000)
 271                 return 3;
 272         if (unichar < 0x200000)
 273                 return 4;
 274         if (unichar < 0x4000000)
 275                 return 5;
 276
 277         return 6;
 278 }
 279
 280 /* validate one encoded unicode char and return its length */
 281 int utf8_encoded_valid_unichar(const char *str) {
 282         int len, unichar, i;
 283
 284         assert(str);
 285
 286         len = utf8_encoded_expected_len(str);
 287         if (len == 0)
 288                 return -EINVAL;
 289
 290         /* ascii is valid */
 291         if (len == 1)
 292                 return 1;
 293
 294         /* check if expected encoded chars are available */
 295         for (i = 0; i < len; i++)
 296                 if ((str[i] & 0x80) != 0x80)
 297                         return -EINVAL;
 298
 299         unichar = utf8_encoded_to_unichar(str);
 300
 301         /* check if encoded length matches encoded value */
 302         if (utf8_unichar_to_encoded_len(unichar) != len)
 303                 return -EINVAL;
 304
 305         /* check if value has valid range */
 306         if (!is_unicode_valid(unichar))
 307                 return -EINVAL;
 308
 309         return len;
 310 }