code.vuplus.com Git - vuplus_webkit/blob - Source/JavaScriptCore/icu/unicode/utf16.h

   1 /*
   2 *******************************************************************************
   3 *
   4 *   Copyright (C) 1999-2004, International Business Machines
   5 *   Corporation and others.  All Rights Reserved.
   6 *
   7 *******************************************************************************
   8 *   file name:  utf16.h
   9 *   encoding:   US-ASCII
  10 *   tab size:   8 (not used)
  11 *   indentation:4
  12 *
  13 *   created on: 1999sep09
  14 *   created by: Markus W. Scherer
  15 */
  16
  17 /**
  18  * \file
  19  * \brief C API: 16-bit Unicode handling macros
  20  *
  21  * This file defines macros to deal with 16-bit Unicode (UTF-16) code units and strings.
  22  * utf16.h is included by utf.h after unicode/umachine.h
  23  * and some common definitions.
  24  *
  25  * For more information see utf.h and the ICU User Guide Strings chapter
  26  * (http://oss.software.ibm.com/icu/userguide/).
  27  *
  28  * <em>Usage:</em>
  29  * ICU coding guidelines for if() statements should be followed when using these macros.
  30  * Compound statements (curly braces {}) must be used  for if-else-while...
  31  * bodies and all macro statements should be terminated with semicolon.
  32  */
  33
  34 #ifndef __UTF16_H__
  35 #define __UTF16_H__
  36
  37 /* utf.h must be included first. */
  38 #ifndef __UTF_H__
  39 #   include "unicode/utf.h"
  40 #endif
  41
  42 /* single-code point definitions -------------------------------------------- */
  43
  44 /**
  45  * Does this code unit alone encode a code point (BMP, not a surrogate)?
  46  * @param c 16-bit code unit
  47  * @return TRUE or FALSE
  48  * @stable ICU 2.4
  49  */
  50 #define U16_IS_SINGLE(c) !U_IS_SURROGATE(c)
  51
  52 /**
  53  * Is this code unit a lead surrogate (U+d800..U+dbff)?
  54  * @param c 16-bit code unit
  55  * @return TRUE or FALSE
  56  * @stable ICU 2.4
  57  */
  58 #define U16_IS_LEAD(c) (((c)&0xfffffc00)==0xd800)
  59
  60 /**
  61  * Is this code unit a trail surrogate (U+dc00..U+dfff)?
  62  * @param c 16-bit code unit
  63  * @return TRUE or FALSE
  64  * @stable ICU 2.4
  65  */
  66 #define U16_IS_TRAIL(c) (((c)&0xfffffc00)==0xdc00)
  67
  68 /**
  69  * Is this code unit a surrogate (U+d800..U+dfff)?
  70  * @param c 16-bit code unit
  71  * @return TRUE or FALSE
  72  * @stable ICU 2.4
  73  */
  74 #define U16_IS_SURROGATE(c) U_IS_SURROGATE(c)
  75
  76 /**
  77  * Assuming c is a surrogate code point (U16_IS_SURROGATE(c)),
  78  * is it a lead surrogate?
  79  * @param c 16-bit code unit
  80  * @return TRUE or FALSE
  81  * @stable ICU 2.4
  82  */
  83 #define U16_IS_SURROGATE_LEAD(c) (((c)&0x400)==0)
  84
  85 /**
  86  * Helper constant for U16_GET_SUPPLEMENTARY.
  87  * @internal
  88  */
  89 #define U16_SURROGATE_OFFSET ((0xd800<<10UL)+0xdc00-0x10000)
  90
  91 /**
  92  * Get a supplementary code point value (U+10000..U+10ffff)
  93  * from its lead and trail surrogates.
  94  * The result is undefined if the input values are not
  95  * lead and trail surrogates.
  96  *
  97  * @param lead lead surrogate (U+d800..U+dbff)
  98  * @param trail trail surrogate (U+dc00..U+dfff)
  99  * @return supplementary code point (U+10000..U+10ffff)
 100  * @stable ICU 2.4
 101  */
 102 #define U16_GET_SUPPLEMENTARY(lead, trail) \
 103     (((UChar32)(lead)<<10UL)+(UChar32)(trail)-U16_SURROGATE_OFFSET)
 104
 105
 106 /**
 107  * Get the lead surrogate (0xd800..0xdbff) for a
 108  * supplementary code point (0x10000..0x10ffff).
 109  * @param supplementary 32-bit code point (U+10000..U+10ffff)
 110  * @return lead surrogate (U+d800..U+dbff) for supplementary
 111  * @stable ICU 2.4
 112  */
 113 #define U16_LEAD(supplementary) (UChar)(((supplementary)>>10)+0xd7c0)
 114
 115 /**
 116  * Get the trail surrogate (0xdc00..0xdfff) for a
 117  * supplementary code point (0x10000..0x10ffff).
 118  * @param supplementary 32-bit code point (U+10000..U+10ffff)
 119  * @return trail surrogate (U+dc00..U+dfff) for supplementary
 120  * @stable ICU 2.4
 121  */
 122 #define U16_TRAIL(supplementary) (UChar)(((supplementary)&0x3ff)|0xdc00)
 123
 124 /**
 125  * How many 16-bit code units are used to encode this Unicode code point? (1 or 2)
 126  * The result is not defined if c is not a Unicode code point (U+0000..U+10ffff).
 127  * @param c 32-bit code point
 128  * @return 1 or 2
 129  * @stable ICU 2.4
 130  */
 131 #define U16_LENGTH(c) ((uint32_t)(c)<=0xffff ? 1 : 2)
 132
 133 /**
 134  * The maximum number of 16-bit code units per Unicode code point (U+0000..U+10ffff).
 135  * @return 2
 136  * @stable ICU 2.4
 137  */
 138 #define U16_MAX_LENGTH 2
 139
 140 /**
 141  * Get a code point from a string at a random-access offset,
 142  * without changing the offset.
 143  * "Unsafe" macro, assumes well-formed UTF-16.
 144  *
 145  * The offset may point to either the lead or trail surrogate unit
 146  * for a supplementary code point, in which case the macro will read
 147  * the adjacent matching surrogate as well.
 148  * The result is undefined if the offset points to a single, unpaired surrogate.
 149  * Iteration through a string is more efficient with U16_NEXT_UNSAFE or U16_NEXT.
 150  *
 151  * @param s const UChar * string
 152  * @param i string offset
 153  * @param c output UChar32 variable
 154  * @see U16_GET
 155  * @stable ICU 2.4
 156  */
 157 #define U16_GET_UNSAFE(s, i, c) { \
 158     (c)=(s)[i]; \
 159     if(U16_IS_SURROGATE(c)) { \
 160         if(U16_IS_SURROGATE_LEAD(c)) { \
 161             (c)=U16_GET_SUPPLEMENTARY((c), (s)[(i)+1]); \
 162         } else { \
 163             (c)=U16_GET_SUPPLEMENTARY((s)[(i)-1], (c)); \
 164         } \
 165     } \
 166 }
 167
 168 /**
 169  * Get a code point from a string at a random-access offset,
 170  * without changing the offset.
 171  * "Safe" macro, handles unpaired surrogates and checks for string boundaries.
 172  *
 173  * The offset may point to either the lead or trail surrogate unit
 174  * for a supplementary code point, in which case the macro will read
 175  * the adjacent matching surrogate as well.
 176  * If the offset points to a single, unpaired surrogate, then that itself
 177  * will be returned as the code point.
 178  * Iteration through a string is more efficient with U16_NEXT_UNSAFE or U16_NEXT.
 179  *
 180  * @param s const UChar * string
 181  * @param start starting string offset (usually 0)
 182  * @param i string offset, start<=i<length
 183  * @param length string length
 184  * @param c output UChar32 variable
 185  * @see U16_GET_UNSAFE
 186  * @stable ICU 2.4
 187  */
 188 #define U16_GET(s, start, i, length, c) { \
 189     (c)=(s)[i]; \
 190     if(U16_IS_SURROGATE(c)) { \
 191         uint16_t __c2; \
 192         if(U16_IS_SURROGATE_LEAD(c)) { \
 193             if((i)+1<(length) && U16_IS_TRAIL(__c2=(s)[(i)+1])) { \
 194                 (c)=U16_GET_SUPPLEMENTARY((c), __c2); \
 195             } \
 196         } else { \
 197             if((i)-1>=(start) && U16_IS_LEAD(__c2=(s)[(i)-1])) { \
 198                 (c)=U16_GET_SUPPLEMENTARY(__c2, (c)); \
 199             } \
 200         } \
 201     } \
 202 }
 203
 204 /* definitions with forward iteration --------------------------------------- */
 205
 206 /**
 207  * Get a code point from a string at a code point boundary offset,
 208  * and advance the offset to the next code point boundary.
 209  * (Post-incrementing forward iteration.)
 210  * "Unsafe" macro, assumes well-formed UTF-16.
 211  *
 212  * The offset may point to the lead surrogate unit
 213  * for a supplementary code point, in which case the macro will read
 214  * the following trail surrogate as well.
 215  * If the offset points to a trail surrogate, then that itself
 216  * will be returned as the code point.
 217  * The result is undefined if the offset points to a single, unpaired lead surrogate.
 218  *
 219  * @param s const UChar * string
 220  * @param i string offset
 221  * @param c output UChar32 variable
 222  * @see U16_NEXT
 223  * @stable ICU 2.4
 224  */
 225 #define U16_NEXT_UNSAFE(s, i, c) { \
 226     (c)=(s)[(i)++]; \
 227     if(U16_IS_LEAD(c)) { \
 228         (c)=U16_GET_SUPPLEMENTARY((c), (s)[(i)++]); \
 229     } \
 230 }
 231
 232 /**
 233  * Get a code point from a string at a code point boundary offset,
 234  * and advance the offset to the next code point boundary.
 235  * (Post-incrementing forward iteration.)
 236  * "Safe" macro, handles unpaired surrogates and checks for string boundaries.
 237  *
 238  * The offset may point to the lead surrogate unit
 239  * for a supplementary code point, in which case the macro will read
 240  * the following trail surrogate as well.
 241  * If the offset points to a trail surrogate or
 242  * to a single, unpaired lead surrogate, then that itself
 243  * will be returned as the code point.
 244  *
 245  * @param s const UChar * string
 246  * @param i string offset, i<length
 247  * @param length string length
 248  * @param c output UChar32 variable
 249  * @see U16_NEXT_UNSAFE
 250  * @stable ICU 2.4
 251  */
 252 #define U16_NEXT(s, i, length, c) { \
 253     (c)=(s)[(i)++]; \
 254     if(U16_IS_LEAD(c)) { \
 255         uint16_t __c2; \
 256         if((i)<(length) && U16_IS_TRAIL(__c2=(s)[(i)])) { \
 257             ++(i); \
 258             (c)=U16_GET_SUPPLEMENTARY((c), __c2); \
 259         } \
 260     } \
 261 }
 262
 263 /**
 264  * Append a code point to a string, overwriting 1 or 2 code units.
 265  * The offset points to the current end of the string contents
 266  * and is advanced (post-increment).
 267  * "Unsafe" macro, assumes a valid code point and sufficient space in the string.
 268  * Otherwise, the result is undefined.
 269  *
 270  * @param s const UChar * string buffer
 271  * @param i string offset
 272  * @param c code point to append
 273  * @see U16_APPEND
 274  * @stable ICU 2.4
 275  */
 276 #define U16_APPEND_UNSAFE(s, i, c) { \
 277     if((uint32_t)(c)<=0xffff) { \
 278         (s)[(i)++]=(uint16_t)(c); \
 279     } else { \
 280         (s)[(i)++]=(uint16_t)(((c)>>10)+0xd7c0); \
 281         (s)[(i)++]=(uint16_t)(((c)&0x3ff)|0xdc00); \
 282     } \
 283 }
 284
 285 /**
 286  * Append a code point to a string, overwriting 1 or 2 code units.
 287  * The offset points to the current end of the string contents
 288  * and is advanced (post-increment).
 289  * "Safe" macro, checks for a valid code point.
 290  * If a surrogate pair is written, checks for sufficient space in the string.
 291  * If the code point is not valid or a trail surrogate does not fit,
 292  * then isError is set to TRUE.
 293  *
 294  * @param s const UChar * string buffer
 295  * @param i string offset, i<length
 296  * @param capacity size of the string buffer
 297  * @param c code point to append
 298  * @param isError output UBool set to TRUE if an error occurs, otherwise not modified
 299  * @see U16_APPEND_UNSAFE
 300  * @stable ICU 2.4
 301  */
 302 #define U16_APPEND(s, i, capacity, c, isError) { \
 303     if((uint32_t)(c)<=0xffff) { \
 304         (s)[(i)++]=(uint16_t)(c); \
 305     } else if((uint32_t)(c)<=0x10ffff && (i)+1<(capacity)) { \
 306         (s)[(i)++]=(uint16_t)(((c)>>10)+0xd7c0); \
 307         (s)[(i)++]=(uint16_t)(((c)&0x3ff)|0xdc00); \
 308     } else /* c>0x10ffff or not enough space */ { \
 309         (isError)=TRUE; \
 310     } \
 311 }
 312
 313 /**
 314  * Advance the string offset from one code point boundary to the next.
 315  * (Post-incrementing iteration.)
 316  * "Unsafe" macro, assumes well-formed UTF-16.
 317  *
 318  * @param s const UChar * string
 319  * @param i string offset
 320  * @see U16_FWD_1
 321  * @stable ICU 2.4
 322  */
 323 #define U16_FWD_1_UNSAFE(s, i) { \
 324     if(U16_IS_LEAD((s)[(i)++])) { \
 325         ++(i); \
 326     } \
 327 }
 328
 329 /**
 330  * Advance the string offset from one code point boundary to the next.
 331  * (Post-incrementing iteration.)
 332  * "Safe" macro, handles unpaired surrogates and checks for string boundaries.
 333  *
 334  * @param s const UChar * string
 335  * @param i string offset, i<length
 336  * @param length string length
 337  * @see U16_FWD_1_UNSAFE
 338  * @stable ICU 2.4
 339  */
 340 #define U16_FWD_1(s, i, length) { \
 341     if(U16_IS_LEAD((s)[(i)++]) && (i)<(length) && U16_IS_TRAIL((s)[i])) { \
 342         ++(i); \
 343     } \
 344 }
 345
 346 /**
 347  * Advance the string offset from one code point boundary to the n-th next one,
 348  * i.e., move forward by n code points.
 349  * (Post-incrementing iteration.)
 350  * "Unsafe" macro, assumes well-formed UTF-16.
 351  *
 352  * @param s const UChar * string
 353  * @param i string offset
 354  * @param n number of code points to skip
 355  * @see U16_FWD_N
 356  * @stable ICU 2.4
 357  */
 358 #define U16_FWD_N_UNSAFE(s, i, n) { \
 359     int32_t __N=(n); \
 360     while(__N>0) { \
 361         U16_FWD_1_UNSAFE(s, i); \
 362         --__N; \
 363     } \
 364 }
 365
 366 /**
 367  * Advance the string offset from one code point boundary to the n-th next one,
 368  * i.e., move forward by n code points.
 369  * (Post-incrementing iteration.)
 370  * "Safe" macro, handles unpaired surrogates and checks for string boundaries.
 371  *
 372  * @param s const UChar * string
 373  * @param i string offset, i<length
 374  * @param length string length
 375  * @param n number of code points to skip
 376  * @see U16_FWD_N_UNSAFE
 377  * @stable ICU 2.4
 378  */
 379 #define U16_FWD_N(s, i, length, n) { \
 380     int32_t __N=(n); \
 381     while(__N>0 && (i)<(length)) { \
 382         U16_FWD_1(s, i, length); \
 383         --__N; \
 384     } \
 385 }
 386
 387 /**
 388  * Adjust a random-access offset to a code point boundary
 389  * at the start of a code point.
 390  * If the offset points to the trail surrogate of a surrogate pair,
 391  * then the offset is decremented.
 392  * Otherwise, it is not modified.
 393  * "Unsafe" macro, assumes well-formed UTF-16.
 394  *
 395  * @param s const UChar * string
 396  * @param i string offset
 397  * @see U16_SET_CP_START
 398  * @stable ICU 2.4
 399  */
 400 #define U16_SET_CP_START_UNSAFE(s, i) { \
 401     if(U16_IS_TRAIL((s)[i])) { \
 402         --(i); \
 403     } \
 404 }
 405
 406 /**
 407  * Adjust a random-access offset to a code point boundary
 408  * at the start of a code point.
 409  * If the offset points to the trail surrogate of a surrogate pair,
 410  * then the offset is decremented.
 411  * Otherwise, it is not modified.
 412  * "Safe" macro, handles unpaired surrogates and checks for string boundaries.
 413  *
 414  * @param s const UChar * string
 415  * @param start starting string offset (usually 0)
 416  * @param i string offset, start<=i
 417  * @see U16_SET_CP_START_UNSAFE
 418  * @stable ICU 2.4
 419  */
 420 #define U16_SET_CP_START(s, start, i) { \
 421     if(U16_IS_TRAIL((s)[i]) && (i)>(start) && U16_IS_LEAD((s)[(i)-1])) { \
 422         --(i); \
 423     } \
 424 }
 425
 426 /* definitions with backward iteration -------------------------------------- */
 427
 428 /**
 429  * Move the string offset from one code point boundary to the previous one
 430  * and get the code point between them.
 431  * (Pre-decrementing backward iteration.)
 432  * "Unsafe" macro, assumes well-formed UTF-16.
 433  *
 434  * The input offset may be the same as the string length.
 435  * If the offset is behind a trail surrogate unit
 436  * for a supplementary code point, then the macro will read
 437  * the preceding lead surrogate as well.
 438  * If the offset is behind a lead surrogate, then that itself
 439  * will be returned as the code point.
 440  * The result is undefined if the offset is behind a single, unpaired trail surrogate.
 441  *
 442  * @param s const UChar * string
 443  * @param i string offset
 444  * @param c output UChar32 variable
 445  * @see U16_PREV
 446  * @stable ICU 2.4
 447  */
 448 #define U16_PREV_UNSAFE(s, i, c) { \
 449     (c)=(s)[--(i)]; \
 450     if(U16_IS_TRAIL(c)) { \
 451         (c)=U16_GET_SUPPLEMENTARY((s)[--(i)], (c)); \
 452     } \
 453 }
 454
 455 /**
 456  * Move the string offset from one code point boundary to the previous one
 457  * and get the code point between them.
 458  * (Pre-decrementing backward iteration.)
 459  * "Safe" macro, handles unpaired surrogates and checks for string boundaries.
 460  *
 461  * The input offset may be the same as the string length.
 462  * If the offset is behind a trail surrogate unit
 463  * for a supplementary code point, then the macro will read
 464  * the preceding lead surrogate as well.
 465  * If the offset is behind a lead surrogate or behind a single, unpaired
 466  * trail surrogate, then that itself
 467  * will be returned as the code point.
 468  *
 469  * @param s const UChar * string
 470  * @param start starting string offset (usually 0)
 471  * @param i string offset, start<=i
 472  * @param c output UChar32 variable
 473  * @see U16_PREV_UNSAFE
 474  * @stable ICU 2.4
 475  */
 476 #define U16_PREV(s, start, i, c) { \
 477     (c)=(s)[--(i)]; \
 478     if(U16_IS_TRAIL(c)) { \
 479         uint16_t __c2; \
 480         if((i)>(start) && U16_IS_LEAD(__c2=(s)[(i)-1])) { \
 481             --(i); \
 482             (c)=U16_GET_SUPPLEMENTARY(__c2, (c)); \
 483         } \
 484     } \
 485 }
 486
 487 /**
 488  * Move the string offset from one code point boundary to the previous one.
 489  * (Pre-decrementing backward iteration.)
 490  * The input offset may be the same as the string length.
 491  * "Unsafe" macro, assumes well-formed UTF-16.
 492  *
 493  * @param s const UChar * string
 494  * @param i string offset
 495  * @see U16_BACK_1
 496  * @stable ICU 2.4
 497  */
 498 #define U16_BACK_1_UNSAFE(s, i) { \
 499     if(U16_IS_TRAIL((s)[--(i)])) { \
 500         --(i); \
 501     } \
 502 }
 503
 504 /**
 505  * Move the string offset from one code point boundary to the previous one.
 506  * (Pre-decrementing backward iteration.)
 507  * The input offset may be the same as the string length.
 508  * "Safe" macro, handles unpaired surrogates and checks for string boundaries.
 509  *
 510  * @param s const UChar * string
 511  * @param start starting string offset (usually 0)
 512  * @param i string offset, start<=i
 513  * @see U16_BACK_1_UNSAFE
 514  * @stable ICU 2.4
 515  */
 516 #define U16_BACK_1(s, start, i) { \
 517     if(U16_IS_TRAIL((s)[--(i)]) && (i)>(start) && U16_IS_LEAD((s)[(i)-1])) { \
 518         --(i); \
 519     } \
 520 }
 521
 522 /**
 523  * Move the string offset from one code point boundary to the n-th one before it,
 524  * i.e., move backward by n code points.
 525  * (Pre-decrementing backward iteration.)
 526  * The input offset may be the same as the string length.
 527  * "Unsafe" macro, assumes well-formed UTF-16.
 528  *
 529  * @param s const UChar * string
 530  * @param i string offset
 531  * @param n number of code points to skip
 532  * @see U16_BACK_N
 533  * @stable ICU 2.4
 534  */
 535 #define U16_BACK_N_UNSAFE(s, i, n) { \
 536     int32_t __N=(n); \
 537     while(__N>0) { \
 538         U16_BACK_1_UNSAFE(s, i); \
 539         --__N; \
 540     } \
 541 }
 542
 543 /**
 544  * Move the string offset from one code point boundary to the n-th one before it,
 545  * i.e., move backward by n code points.
 546  * (Pre-decrementing backward iteration.)
 547  * The input offset may be the same as the string length.
 548  * "Safe" macro, handles unpaired surrogates and checks for string boundaries.
 549  *
 550  * @param s const UChar * string
 551  * @param start start of string
 552  * @param i string offset, i<length
 553  * @param n number of code points to skip
 554  * @see U16_BACK_N_UNSAFE
 555  * @stable ICU 2.4
 556  */
 557 #define U16_BACK_N(s, start, i, n) { \
 558     int32_t __N=(n); \
 559     while(__N>0 && (i)>(start)) { \
 560         U16_BACK_1(s, start, i); \
 561         --__N; \
 562     } \
 563 }
 564
 565 /**
 566  * Adjust a random-access offset to a code point boundary after a code point.
 567  * If the offset is behind the lead surrogate of a surrogate pair,
 568  * then the offset is incremented.
 569  * Otherwise, it is not modified.
 570  * The input offset may be the same as the string length.
 571  * "Unsafe" macro, assumes well-formed UTF-16.
 572  *
 573  * @param s const UChar * string
 574  * @param i string offset
 575  * @see U16_SET_CP_LIMIT
 576  * @stable ICU 2.4
 577  */
 578 #define U16_SET_CP_LIMIT_UNSAFE(s, i) { \
 579     if(U16_IS_LEAD((s)[(i)-1])) { \
 580         ++(i); \
 581     } \
 582 }
 583
 584 /**
 585  * Adjust a random-access offset to a code point boundary after a code point.
 586  * If the offset is behind the lead surrogate of a surrogate pair,
 587  * then the offset is incremented.
 588  * Otherwise, it is not modified.
 589  * The input offset may be the same as the string length.
 590  * "Safe" macro, handles unpaired surrogates and checks for string boundaries.
 591  *
 592  * @param s const UChar * string
 593  * @param start starting string offset (usually 0)
 594  * @param i string offset, start<=i<=length
 595  * @param length string length
 596  * @see U16_SET_CP_LIMIT_UNSAFE
 597  * @stable ICU 2.4
 598  */
 599 #define U16_SET_CP_LIMIT(s, start, i, length) { \
 600     if((start)<(i) && (i)<(length) && U16_IS_LEAD((s)[(i)-1]) && U16_IS_TRAIL((s)[i])) { \
 601         ++(i); \
 602     } \
 603 }
 604
 605 #endif