fix some bugs where looked up wrong offsets for characters in the utf8_skip table...
[mikachu/openbox.git] / otk / ustring.cc
1 // -*- mode: C++; indent-tabs-mode: nil; c-basic-offset: 2; -*-
2
3 #ifdef    HAVE_CONFIG_H
4 #  include "../config.h"
5 #endif // HAVE_CONFIG_H
6
7 #include "ustring.hh"
8
9 extern "C" {
10 #include <assert.h>
11 }
12
13 namespace otk {
14
15 // helper functions
16
17 // The number of bytes to skip to find the next character in the string
18 static const char utf8_skip[256] = {
19   1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,
20   1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,
21   1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,
22   1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,
23   1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,
24   1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,
25   2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,
26   3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,4,4,4,4,4,4,4,4,5,5,5,5,6,6,1,1
27 };
28
29 // takes a pointer into a utf8 string and returns a unicode character for the
30 // first character at the pointer
31 unichar utf8_get_char (const char *p)
32 {
33   unichar result = static_cast<unsigned char>(*p);
34
35   // if its not a 7-bit ascii character
36   if((result & 0x80) != 0) {
37     // len is the number of bytes this character takes up in the string
38     unsigned char len = utf8_skip[result];
39     result &= 0x7F >> len;
40
41     while(--len != 0) {
42       result <<= 6;
43       result |= static_cast<unsigned char>(*++p) & 0x3F;
44     }
45   }
46     
47   return result;
48 }
49   
50 // takes a pointer into a string and finds its offset
51 static ustring::size_type utf8_ptr_to_offset(const char *str, const char *pos)
52 {
53   ustring::size_type offset = 0;
54
55   while (str < pos) {
56     str += utf8_skip[static_cast<unsigned char>(*str)];
57     offset++;
58   }
59
60   return offset;
61 }
62
63 // takes an offset into a string and returns a pointer to it
64 const char *utf8_offset_to_ptr(const char *str, ustring::size_type offset)
65 {
66   while (offset--)
67     str += utf8_skip[static_cast<unsigned char>(*str)];
68   return str;
69 }
70
71 // First overload: stop on '\0' character.
72 ustring::size_type utf8_byte_offset(const char* str, ustring::size_type offset)
73 {
74   if(offset == ustring::npos)
75     return ustring::npos;
76
77   const char* p = str;
78
79   for(; offset != 0; --offset)
80   {
81     if(*p == '\0')
82       return ustring::npos;
83
84     p += utf8_skip[static_cast<unsigned char>(*p)];
85   }
86
87   return (p - str);
88 }
89
90 // Second overload: stop when reaching maxlen.
91 ustring::size_type utf8_byte_offset(const char* str, ustring::size_type offset,
92                                     ustring::size_type maxlen)
93 {
94   if(offset == ustring::npos)
95     return ustring::npos;
96
97   const char *const pend = str + maxlen;
98   const char* p = str;
99
100   for(; offset != 0; --offset)
101   {
102     if(p >= pend)
103       return ustring::npos;
104
105     p += utf8_skip[static_cast<unsigned char>(*p)];
106   }
107
108   return (p - str);
109 }
110
111
112 // ustring methods
113
114 ustring::ustring()
115 {
116 }
117
118 ustring::~ustring()
119 {
120 }
121
122 ustring::ustring(const ustring& other)
123   : _string(other._string), _utf8(other._utf8)
124 {
125 }
126
127 ustring& ustring::operator=(const ustring& other)
128 {
129   _string = other._string;
130   _utf8 = other._utf8;
131   return *this;
132 }
133
134 ustring::ustring(const std::string& src)
135   : _string(src), _utf8(true)
136 {
137 }
138
139 ustring::ustring(const char* src)
140   : _string(src), _utf8(true)
141 {
142 }
143
144 ustring& ustring::operator+=(const ustring& src)
145 {
146   assert(_utf8 == src._utf8);
147   _string += src._string;
148   return *this;
149 }
150
151 ustring& ustring::operator+=(const char* src)
152 {
153   _string += src;
154   return *this;
155 }
156
157 ustring& ustring::operator+=(char c)
158 {
159   _string += c;
160   return *this;
161 }
162
163 ustring::size_type ustring::size() const
164 {
165   if (_utf8) {
166     const char *const pdata = _string.data();
167     return utf8_ptr_to_offset(pdata, pdata + _string.size());
168   } else
169     return _string.size();
170 }
171
172 ustring::size_type ustring::bytes() const
173 {
174   return _string.size();
175 }
176
177 ustring::size_type ustring::capacity() const
178 {
179   return _string.capacity();
180 }
181
182 ustring::size_type ustring::max_size() const
183 {
184   return _string.max_size();
185 }
186
187 bool ustring::empty() const
188 {
189   return _string.empty();
190 }
191
192 void ustring::clear()
193 {
194   _string.erase();
195 }
196
197 ustring& ustring::erase(ustring::size_type i, ustring::size_type n)
198 {
199   if (_utf8) {
200     // find a proper offset
201     size_type utf_i = utf8_byte_offset(_string.c_str(), i);
202     if (utf_i != npos) {
203       // if the offset is not npos, find a proper length for 'n'
204       size_type utf_n = utf8_byte_offset(_string.data() + utf_i, n,
205                                          _string.size() - utf_i);
206       _string.erase(utf_i, utf_n);
207     }
208   } else
209     _string.erase(i, n);
210
211   return *this;
212 }
213
214 void ustring::resize(ustring::size_type n, char c)
215 {
216   if (_utf8) {
217     const size_type size_now = size();
218     if(n < size_now)
219       erase(n, npos);
220     else if(n > size_now)
221       _string.append(n - size_now, c);
222   } else
223     _string.resize(n, c);
224 }
225
226 ustring::value_type ustring::operator[](ustring::size_type i) const
227 {
228   return utf8_get_char(utf8_offset_to_ptr(_string.data(), i));
229 }
230
231 const char* ustring::data() const
232 {
233   return _string.data();
234 }
235
236 const char* ustring::c_str() const
237 {
238   return _string.c_str();
239 }
240
241 bool ustring::utf8() const
242 {
243   return _utf8;
244 }
245
246 void ustring::setUtf8(bool utf8)
247 {
248   _utf8 = utf8;
249 }
250
251 }