xref: /openbmc/u-boot/lib/charset.c (revision e35171e9)
1 // SPDX-License-Identifier: GPL-2.0+
2 /*
3  *  charset conversion utils
4  *
5  *  Copyright (c) 2017 Rob Clark
6  */
7 
8 #include <common.h>
9 #include <charset.h>
10 #include <capitalization.h>
11 #include <malloc.h>
12 
13 static struct capitalization_table capitalization_table[] =
14 #ifdef CONFIG_EFI_UNICODE_CAPITALIZATION
15 	UNICODE_CAPITALIZATION_TABLE;
16 #elif CONFIG_FAT_DEFAULT_CODEPAGE == 1250
17 	CP1250_CAPITALIZATION_TABLE;
18 #else
19 	CP437_CAPITALIZATION_TABLE;
20 #endif
21 
22 /**
23  * get_code() - read Unicode code point from UTF-8 stream
24  *
25  * @read_u8:	- stream reader
26  * @src:	- string buffer passed to stream reader, optional
27  * Return:	- Unicode code point
28  */
get_code(u8 (* read_u8)(void * data),void * data)29 static int get_code(u8 (*read_u8)(void *data), void *data)
30 {
31 	s32 ch = 0;
32 
33 	ch = read_u8(data);
34 	if (!ch)
35 		return 0;
36 	if (ch >= 0xc2 && ch <= 0xf4) {
37 		int code = 0;
38 
39 		if (ch >= 0xe0) {
40 			if (ch >= 0xf0) {
41 				/* 0xf0 - 0xf4 */
42 				ch &= 0x07;
43 				code = ch << 18;
44 				ch = read_u8(data);
45 				if (ch < 0x80 || ch > 0xbf)
46 					goto error;
47 				ch &= 0x3f;
48 			} else {
49 				/* 0xe0 - 0xef */
50 				ch &= 0x0f;
51 			}
52 			code += ch << 12;
53 			if ((code >= 0xD800 && code <= 0xDFFF) ||
54 			    code >= 0x110000)
55 				goto error;
56 			ch = read_u8(data);
57 			if (ch < 0x80 || ch > 0xbf)
58 				goto error;
59 		}
60 		/* 0xc0 - 0xdf or continuation byte (0x80 - 0xbf) */
61 		ch &= 0x3f;
62 		code += ch << 6;
63 		ch = read_u8(data);
64 		if (ch < 0x80 || ch > 0xbf)
65 			goto error;
66 		ch &= 0x3f;
67 		ch += code;
68 	} else if (ch >= 0x80) {
69 		goto error;
70 	}
71 	return ch;
72 error:
73 	return '?';
74 }
75 
76 /**
77  * read_string() - read byte from character string
78  *
79  * @data:	- pointer to string
80  * Return:	- byte read
81  *
82  * The string pointer is incremented if it does not point to '\0'.
83  */
read_string(void * data)84 static u8 read_string(void *data)
85 
86 {
87 	const char **src = (const char **)data;
88 	u8 c;
89 
90 	if (!src || !*src || !**src)
91 		return 0;
92 	c = **src;
93 	++*src;
94 	return c;
95 }
96 
97 /**
98  * read_console() - read byte from console
99  *
100  * @data	- not used, needed to match interface
101  * Return:	- byte read or 0 on error
102  */
read_console(void * data)103 static u8 read_console(void *data)
104 {
105 	int ch;
106 
107 	ch = getc();
108 	if (ch < 0)
109 		ch = 0;
110 	return ch;
111 }
112 
console_read_unicode(s32 * code)113 int console_read_unicode(s32 *code)
114 {
115 	if (!tstc()) {
116 		/* No input available */
117 		return 1;
118 	}
119 
120 	/* Read Unicode code */
121 	*code = get_code(read_console, NULL);
122 	return 0;
123 }
124 
utf8_get(const char ** src)125 s32 utf8_get(const char **src)
126 {
127 	return get_code(read_string, src);
128 }
129 
utf8_put(s32 code,char ** dst)130 int utf8_put(s32 code, char **dst)
131 {
132 	if (!dst || !*dst)
133 		return -1;
134 	if ((code >= 0xD800 && code <= 0xDFFF) || code >= 0x110000)
135 		return -1;
136 	if (code <= 0x007F) {
137 		**dst = code;
138 	} else {
139 		if (code <= 0x07FF) {
140 			**dst = code >> 6 | 0xC0;
141 		} else {
142 			if (code < 0x10000) {
143 				**dst = code >> 12 | 0xE0;
144 			} else {
145 				**dst = code >> 18 | 0xF0;
146 				++*dst;
147 				**dst = (code >> 12 & 0x3F) | 0x80;
148 			}
149 			++*dst;
150 			**dst = (code >> 6 & 0x3F) | 0x80;
151 		}
152 		++*dst;
153 		**dst = (code & 0x3F) | 0x80;
154 	}
155 	++*dst;
156 	return 0;
157 }
158 
utf8_utf16_strnlen(const char * src,size_t count)159 size_t utf8_utf16_strnlen(const char *src, size_t count)
160 {
161 	size_t len = 0;
162 
163 	for (; *src && count; --count)  {
164 		s32 code = utf8_get(&src);
165 
166 		if (!code)
167 			break;
168 		if (code < 0) {
169 			/* Reserve space for a replacement character */
170 			len += 1;
171 		} else if (code < 0x10000) {
172 			len += 1;
173 		} else {
174 			len += 2;
175 		}
176 	}
177 	return len;
178 }
179 
utf8_utf16_strncpy(u16 ** dst,const char * src,size_t count)180 int utf8_utf16_strncpy(u16 **dst, const char *src, size_t count)
181 {
182 	if (!src || !dst || !*dst)
183 		return -1;
184 
185 	for (; count && *src; --count) {
186 		s32 code = utf8_get(&src);
187 
188 		if (code < 0)
189 			code = '?';
190 		utf16_put(code, dst);
191 	}
192 	**dst = 0;
193 	return 0;
194 }
195 
utf16_get(const u16 ** src)196 s32 utf16_get(const u16 **src)
197 {
198 	s32 code, code2;
199 
200 	if (!src || !*src)
201 		return -1;
202 	if (!**src)
203 		return 0;
204 	code = **src;
205 	++*src;
206 	if (code >= 0xDC00 && code <= 0xDFFF)
207 		return -1;
208 	if (code >= 0xD800 && code <= 0xDBFF) {
209 		if (!**src)
210 			return -1;
211 		code &= 0x3ff;
212 		code <<= 10;
213 		code += 0x10000;
214 		code2 = **src;
215 		++*src;
216 		if (code2 <= 0xDC00 || code2 >= 0xDFFF)
217 			return -1;
218 		code2 &= 0x3ff;
219 		code += code2;
220 	}
221 	return code;
222 }
223 
utf16_put(s32 code,u16 ** dst)224 int utf16_put(s32 code, u16 **dst)
225 {
226 	if (!dst || !*dst)
227 		return -1;
228 	if ((code >= 0xD800 && code <= 0xDFFF) || code >= 0x110000)
229 		return -1;
230 	if (code < 0x10000) {
231 		**dst = code;
232 	} else {
233 		code -= 0x10000;
234 		**dst = code >> 10 | 0xD800;
235 		++*dst;
236 		**dst = (code & 0x3ff) | 0xDC00;
237 	}
238 	++*dst;
239 	return 0;
240 }
241 
utf16_strnlen(const u16 * src,size_t count)242 size_t utf16_strnlen(const u16 *src, size_t count)
243 {
244 	size_t len = 0;
245 
246 	for (; *src && count; --count)  {
247 		s32 code = utf16_get(&src);
248 
249 		if (!code)
250 			break;
251 		/*
252 		 * In case of an illegal sequence still reserve space for a
253 		 * replacement character.
254 		 */
255 		++len;
256 	}
257 	return len;
258 }
259 
utf16_utf8_strnlen(const u16 * src,size_t count)260 size_t utf16_utf8_strnlen(const u16 *src, size_t count)
261 {
262 	size_t len = 0;
263 
264 	for (; *src && count; --count)  {
265 		s32 code = utf16_get(&src);
266 
267 		if (!code)
268 			break;
269 		if (code < 0)
270 			/* Reserve space for a replacement character */
271 			len += 1;
272 		else if (code < 0x80)
273 			len += 1;
274 		else if (code < 0x800)
275 			len += 2;
276 		else if (code < 0x10000)
277 			len += 3;
278 		else
279 			len += 4;
280 	}
281 	return len;
282 }
283 
utf16_utf8_strncpy(char ** dst,const u16 * src,size_t count)284 int utf16_utf8_strncpy(char **dst, const u16 *src, size_t count)
285 {
286 	if (!src || !dst || !*dst)
287 		return -1;
288 
289 	for (; count && *src; --count) {
290 		s32 code = utf16_get(&src);
291 
292 		if (code < 0)
293 			code = '?';
294 		utf8_put(code, dst);
295 	}
296 	**dst = 0;
297 	return 0;
298 }
299 
utf_to_lower(const s32 code)300 s32 utf_to_lower(const s32 code)
301 {
302 	struct capitalization_table *pos = capitalization_table;
303 	s32 ret = code;
304 
305 	if (code <= 0x7f) {
306 		if (code >= 'A' && code <= 'Z')
307 			ret += 0x20;
308 		return ret;
309 	}
310 	for (; pos->upper; ++pos) {
311 		if (pos->upper == code) {
312 			ret = pos->lower;
313 			break;
314 		}
315 	}
316 	return ret;
317 }
318 
utf_to_upper(const s32 code)319 s32 utf_to_upper(const s32 code)
320 {
321 	struct capitalization_table *pos = capitalization_table;
322 	s32 ret = code;
323 
324 	if (code <= 0x7f) {
325 		if (code >= 'a' && code <= 'z')
326 			ret -= 0x20;
327 		return ret;
328 	}
329 	for (; pos->lower; ++pos) {
330 		if (pos->lower == code) {
331 			ret = pos->upper;
332 			break;
333 		}
334 	}
335 	return ret;
336 }
337 
u16_strlen(const u16 * in)338 size_t u16_strlen(const u16 *in)
339 {
340 	size_t i;
341 	for (i = 0; in[i]; i++);
342 	return i;
343 }
344 
u16_strnlen(const u16 * in,size_t count)345 size_t u16_strnlen(const u16 *in, size_t count)
346 {
347 	size_t i;
348 	for (i = 0; count-- && in[i]; i++);
349 	return i;
350 }
351 
u16_strcpy(u16 * dest,const u16 * src)352 u16 *u16_strcpy(u16 *dest, const u16 *src)
353 {
354 	u16 *tmp = dest;
355 
356 	for (;; dest++, src++) {
357 		*dest = *src;
358 		if (!*src)
359 			break;
360 	}
361 
362 	return tmp;
363 }
364 
u16_strdup(const u16 * src)365 u16 *u16_strdup(const u16 *src)
366 {
367 	u16 *new;
368 
369 	if (!src)
370 		return NULL;
371 
372 	new = malloc((u16_strlen(src) + 1) * sizeof(u16));
373 	if (!new)
374 		return NULL;
375 
376 	u16_strcpy(new, src);
377 
378 	return new;
379 }
380 
381 /* Convert UTF-16 to UTF-8.  */
utf16_to_utf8(uint8_t * dest,const uint16_t * src,size_t size)382 uint8_t *utf16_to_utf8(uint8_t *dest, const uint16_t *src, size_t size)
383 {
384 	uint32_t code_high = 0;
385 
386 	while (size--) {
387 		uint32_t code = *src++;
388 
389 		if (code_high) {
390 			if (code >= 0xDC00 && code <= 0xDFFF) {
391 				/* Surrogate pair.  */
392 				code = ((code_high - 0xD800) << 10) + (code - 0xDC00) + 0x10000;
393 
394 				*dest++ = (code >> 18) | 0xF0;
395 				*dest++ = ((code >> 12) & 0x3F) | 0x80;
396 				*dest++ = ((code >> 6) & 0x3F) | 0x80;
397 				*dest++ = (code & 0x3F) | 0x80;
398 			} else {
399 				/* Error...  */
400 				*dest++ = '?';
401 				/* *src may be valid. Don't eat it.  */
402 				src--;
403 			}
404 
405 			code_high = 0;
406 		} else {
407 			if (code <= 0x007F) {
408 				*dest++ = code;
409 			} else if (code <= 0x07FF) {
410 				*dest++ = (code >> 6) | 0xC0;
411 				*dest++ = (code & 0x3F) | 0x80;
412 			} else if (code >= 0xD800 && code <= 0xDBFF) {
413 				code_high = code;
414 				continue;
415 			} else if (code >= 0xDC00 && code <= 0xDFFF) {
416 				/* Error... */
417 				*dest++ = '?';
418 			} else if (code < 0x10000) {
419 				*dest++ = (code >> 12) | 0xE0;
420 				*dest++ = ((code >> 6) & 0x3F) | 0x80;
421 				*dest++ = (code & 0x3F) | 0x80;
422 			} else {
423 				*dest++ = (code >> 18) | 0xF0;
424 				*dest++ = ((code >> 12) & 0x3F) | 0x80;
425 				*dest++ = ((code >> 6) & 0x3F) | 0x80;
426 				*dest++ = (code & 0x3F) | 0x80;
427 			}
428 		}
429 	}
430 
431 	return dest;
432 }
433