File Coverage

Encode.xs
Criterion Covered Total %
statement 406 503 80.7
branch 402 708 56.7
condition n/a
subroutine n/a
pod n/a
total 808 1211 66.7


line stmt bran cond sub pod time code
1             /*
2             $Id: Encode.xs,v 2.41 2017/06/10 17:23:50 dankogai Exp $
3             */
4              
5             #define PERL_NO_GET_CONTEXT
6             #include "EXTERN.h"
7             #include "perl.h"
8             #include "XSUB.h"
9             #include "encode.h"
10             #include "def_t.h"
11              
12             # define PERLIO_MODNAME "PerlIO::encoding"
13             # define PERLIO_FILENAME "PerlIO/encoding.pm"
14              
15             /* set 1 or more to profile. t/encoding.t dumps core because of
16             Perl_warner and PerlIO don't work well */
17             #define ENCODE_XS_PROFILE 0
18              
19             /* set 0 to disable floating point to calculate buffer size for
20             encode_method(). 1 is recommended. 2 restores NI-S original */
21             #define ENCODE_XS_USEFP 1
22              
23             #define UNIMPLEMENTED(x,y) static y x (SV *sv, char *encoding) { \
24             Perl_croak_nocontext("panic_unimplemented"); \
25             PERL_UNUSED_VAR(sv); \
26             PERL_UNUSED_VAR(encoding); \
27             return (y)0; /* fool picky compilers */ \
28             }
29             /**/
30              
31 0           UNIMPLEMENTED(_encoded_utf8_to_bytes, I32)
32 0           UNIMPLEMENTED(_encoded_bytes_to_utf8, I32)
33              
34             #ifndef SvIV_nomg
35             #define SvIV_nomg SvIV
36             #endif
37              
38             static void
39 190           Encode_XSEncoding(pTHX_ encode_t * enc)
40             {
41 190           dSP;
42 190           HV *stash = gv_stashpv("Encode::XS", TRUE);
43 190           SV *iv = newSViv(PTR2IV(enc));
44 190           SV *sv = sv_bless(newRV_noinc(iv),stash);
45 190           int i = 0;
46             /* with the SvLEN() == 0 hack, PVX won't be freed. We cast away name's
47             constness, in the hope that perl won't mess with it. */
48             assert(SvTYPE(iv) >= SVt_PV); assert(SvLEN(iv) == 0);
49 190           SvFLAGS(iv) |= SVp_POK;
50 190           SvPVX(iv) = (char*) enc->name[0];
51 190 50         PUSHMARK(sp);
52 190 50         XPUSHs(sv);
53 380 100         while (enc->name[i]) {
54 190           const char *name = enc->name[i++];
55 190 50         XPUSHs(sv_2mortal(newSVpvn(name, strlen(name))));
56             }
57 190           PUTBACK;
58 190           call_pv("Encode::define_encoding", G_DISCARD);
59 190           SvREFCNT_dec(sv);
60 190           }
61              
62             static void
63 0           call_failure(SV * routine, U8 * done, U8 * dest, U8 * orig)
64             {
65             /* Exists for breakpointing */
66             PERL_UNUSED_VAR(routine);
67             PERL_UNUSED_VAR(done);
68             PERL_UNUSED_VAR(dest);
69             PERL_UNUSED_VAR(orig);
70 0           }
71              
72             static void
73 23           utf8_safe_downgrade(pTHX_ SV ** src, U8 ** s, STRLEN * slen, bool modify)
74             {
75 23 100         if (!modify) {
76 15           SV *tmp = sv_2mortal(newSVpvn((char *)*s, *slen));
77 15           SvUTF8_on(tmp);
78 15 100         if (SvTAINTED(*src))
    50          
79 0 0         SvTAINTED_on(tmp);
80 15           *src = tmp;
81 15           *s = (U8 *)SvPVX(*src);
82             }
83 23 50         if (*slen) {
84 23 50         if (!utf8_to_bytes(*s, slen))
85 0           croak("Wide character");
86 23           SvCUR_set(*src, *slen);
87             }
88 23           SvUTF8_off(*src);
89 23           }
90              
91             static void
92 20           utf8_safe_upgrade(pTHX_ SV ** src, U8 ** s, STRLEN * slen, bool modify)
93             {
94 20 100         if (!modify) {
95 13           SV *tmp = sv_2mortal(newSVpvn((char *)*s, *slen));
96 13 100         if (SvTAINTED(*src))
    50          
97 0 0         SvTAINTED_on(tmp);
98 13           *src = tmp;
99             }
100 20           sv_utf8_upgrade_nomg(*src);
101 20 100         *s = (U8 *)SvPV_nomg(*src, *slen);
102 20           }
103              
104             #define ERR_ENCODE_NOMAP "\"\\x{%04" UVxf "}\" does not map to %s"
105             #define ERR_DECODE_NOMAP "%s \"\\x%02" UVXf "\" does not map to Unicode"
106             #define ERR_DECODE_STR_NOMAP "%s \"%s\" does not map to Unicode"
107              
108             static SV *
109 268           do_fallback_cb(pTHX_ UV ch, SV *fallback_cb)
110             {
111 268           dSP;
112             int argc;
113             SV *retval;
114 268           ENTER;
115 268           SAVETMPS;
116 268 50         PUSHMARK(sp);
117 268 50         XPUSHs(sv_2mortal(newSVuv(ch)));
118 268           PUTBACK;
119 268           argc = call_sv(fallback_cb, G_SCALAR);
120 268           SPAGAIN;
121 268 50         if (argc != 1){
122 0           croak("fallback sub must return scalar!");
123             }
124 268           retval = POPs;
125 268           SvREFCNT_inc(retval);
126 268           PUTBACK;
127 268 50         FREETMPS;
128 268           LEAVE;
129 268           return retval;
130             }
131              
132             static SV *
133 10           do_bytes_fallback_cb(pTHX_ U8 *s, STRLEN slen, SV *fallback_cb)
134             {
135 10           dSP;
136             int argc;
137             STRLEN i;
138             SV *retval;
139 10           ENTER;
140 10           SAVETMPS;
141 10 50         PUSHMARK(sp);
142 24 100         for (i=0; i
143 14 50         XPUSHs(sv_2mortal(newSVuv(s[i])));
144 10           PUTBACK;
145 10           argc = call_sv(fallback_cb, G_SCALAR);
146 10           SPAGAIN;
147 10 50         if (argc != 1){
148 0           croak("fallback sub must return scalar!");
149             }
150 10           retval = POPs;
151 10           SvREFCNT_inc(retval);
152 10           PUTBACK;
153 10 50         FREETMPS;
154 10           LEAVE;
155 10           return retval;
156             }
157              
158             static SV *
159 58864           encode_method(pTHX_ const encode_t * enc, const encpage_t * dir, SV * src, U8 * s, STRLEN slen,
160             int check, STRLEN * offset, SV * term, int * retcode,
161             SV *fallback_cb)
162             {
163 58864           STRLEN tlen = slen;
164 58864           STRLEN ddone = 0;
165 58864           STRLEN sdone = 0;
166             /* We allocate slen+1.
167             PerlIO dumps core if this value is smaller than this. */
168 58864           SV *dst = newSV(slen+1);
169 58864           U8 *d = (U8 *)SvPVX(dst);
170 58864           STRLEN dlen = SvLEN(dst)-1;
171 58864           int code = 0;
172 58864           STRLEN trmlen = 0;
173 58864 50         U8 *trm = term ? (U8*) SvPV(term, trmlen) : NULL;
    0          
174              
175 58864 100         if (SvTAINTED(src)) SvTAINTED_on(dst); /* propagate taintedness */
    100          
    50          
176              
177 58864 50         if (offset) {
178 0           s += *offset;
179 0 0         if (slen > *offset){ /* safeguard against slen overflow */
180 0           slen -= *offset;
181             }else{
182 0           slen = 0;
183             }
184 0           tlen = slen;
185             }
186              
187 58864 50         if (slen == 0){
188 0           SvCUR_set(dst, 0);
189 0           SvPOK_only(dst);
190 0           goto ENCODE_END;
191             }
192              
193 62145 100         while( (code = do_encode(dir, s, &slen, d, dlen, &dlen, !check,
194             trm, trmlen)) )
195             {
196 3434           SvCUR_set(dst, dlen+ddone);
197 3434           SvPOK_only(dst);
198            
199 3434 50         if (code == ENCODE_FALLBACK || code == ENCODE_PARTIAL ||
    100          
    50          
200             code == ENCODE_FOUND_TERM) {
201             break;
202             }
203 3323           switch (code) {
204             case ENCODE_NOSPACE:
205             {
206 1143           STRLEN more = 0; /* make sure you initialize! */
207             STRLEN sleft;
208 1143           sdone += slen;
209 1143           ddone += dlen;
210 1143           sleft = tlen - sdone;
211             #if ENCODE_XS_PROFILE >= 2
212             Perl_warn(aTHX_
213             "more=%d, sdone=%d, sleft=%d, SvLEN(dst)=%d\n",
214             more, sdone, sleft, SvLEN(dst));
215             #endif
216 1143 50         if (sdone != 0) { /* has src ever been processed ? */
217             #if ENCODE_XS_USEFP == 2
218             more = (1.0*tlen*SvLEN(dst)+sdone-1)/sdone
219             - SvLEN(dst);
220             #elif ENCODE_XS_USEFP
221 1143           more = (STRLEN)((1.0*SvLEN(dst)+1)/sdone * sleft);
222             #else
223             /* safe until SvLEN(dst) == MAX_INT/16 */
224             more = (16*SvLEN(dst)+1)/sdone/16 * sleft;
225             #endif
226             }
227 1143           more += UTF8_MAXLEN; /* insurance policy */
228 1143 50         d = (U8 *) SvGROW(dst, SvLEN(dst) + more);
    50          
229             /* dst need to grow need MORE bytes! */
230 1143 50         if (ddone >= SvLEN(dst)) {
231 0           Perl_croak(aTHX_ "Destination couldn't be grown.");
232             }
233 1143           dlen = SvLEN(dst)-ddone-1;
234 1143           d += ddone;
235 1143           s += slen;
236 1143           slen = tlen-sdone;
237 1143           continue;
238             }
239             case ENCODE_NOREP:
240             /* encoding */
241 2180 100         if (dir == enc->f_utf8) {
242             STRLEN clen;
243 1577           UV ch =
244 1577           utf8n_to_uvuni(s+slen, (tlen-sdone-slen),
245             &clen, UTF8_ALLOW_ANY|UTF8_CHECK_ONLY);
246             /* if non-representable multibyte prefix at end of current buffer - break*/
247 1577 50         if (clen > tlen - sdone - slen) break;
248 1577 100         if (check & ENCODE_DIE_ON_ERR) {
249 1           Perl_croak(aTHX_ ERR_ENCODE_NOMAP,
250             (UV)ch, enc->name[0]);
251             return &PL_sv_undef; /* never reaches but be safe */
252             }
253 1576 100         if (check & ENCODE_WARN_ON_ERR){
254 129           Perl_warner(aTHX_ packWARN(WARN_UTF8),
255             ERR_ENCODE_NOMAP, (UV)ch, enc->name[0]);
256             }
257 1576 100         if (check & ENCODE_RETURN_ON_ERR){
258 2           goto ENCODE_SET_SRC;
259             }
260 1574 100         if (check & (ENCODE_PERLQQ|ENCODE_HTMLCREF|ENCODE_XMLCREF)){
261             STRLEN sublen;
262             char *substr;
263 1034           SV* subchar =
264             (fallback_cb != &PL_sv_undef)
265             ? do_fallback_cb(aTHX_ ch, fallback_cb)
266 1034 100         : newSVpvf(check & ENCODE_PERLQQ ? "\\x{%04" UVxf "}" :
    100          
    100          
267 260           check & ENCODE_HTMLCREF ? "&#%" UVuf ";" :
268             "&#x%" UVxf ";", (UV)ch);
269 1034 100         substr = SvPV(subchar, sublen);
270 1034 100         if (SvUTF8(subchar) && sublen && !utf8_to_bytes((U8 *)substr, &sublen)) { /* make sure no decoded string gets in */
    50          
    50          
271 0           SvREFCNT_dec(subchar);
272 0           croak("Wide character");
273             }
274 1034           sdone += slen + clen;
275 1034           ddone += dlen + sublen;
276 1034           sv_catpvn(dst, substr, sublen);
277 1034           SvREFCNT_dec(subchar);
278             } else {
279             /* fallback char */
280 540           sdone += slen + clen;
281 540           ddone += dlen + enc->replen;
282 1574           sv_catpvn(dst, (char*)enc->rep, enc->replen);
283             }
284             }
285             /* decoding */
286             else {
287 603 50         if (check & ENCODE_DIE_ON_ERR){
288 0           Perl_croak(aTHX_ ERR_DECODE_NOMAP,
289 0           enc->name[0], (UV)s[slen]);
290             return &PL_sv_undef; /* never reaches but be safe */
291             }
292 603 50         if (check & ENCODE_WARN_ON_ERR){
293 0           Perl_warner(
294             aTHX_ packWARN(WARN_UTF8),
295             ERR_DECODE_NOMAP,
296 0           enc->name[0], (UV)s[slen]);
297             }
298 603 100         if (check & ENCODE_RETURN_ON_ERR){
299 39           goto ENCODE_SET_SRC;
300             }
301 564 100         if (check &
302             (ENCODE_PERLQQ|ENCODE_HTMLCREF|ENCODE_XMLCREF)){
303             STRLEN sublen;
304             char *substr;
305 514           SV* subchar =
306             (fallback_cb != &PL_sv_undef)
307 130           ? do_fallback_cb(aTHX_ (UV)s[slen], fallback_cb)
308 514 100         : newSVpvf("\\x%02" UVXf, (UV)s[slen]);
309 514 50         substr = SvPVutf8(subchar, sublen);
310 514           sdone += slen + 1;
311 514           ddone += dlen + sublen;
312 514           sv_catpvn(dst, substr, sublen);
313 514           SvREFCNT_dec(subchar);
314             } else {
315 50           sdone += slen + 1;
316 50           ddone += dlen + strlen(FBCHAR_UTF8);
317 50           sv_catpvn(dst, FBCHAR_UTF8, strlen(FBCHAR_UTF8));
318             }
319             }
320             /* settle variables when fallback */
321 2138           d = (U8 *)SvEND(dst);
322 2138           dlen = SvLEN(dst) - ddone - 1;
323 2138           s = (U8*)SvPVX(src) + sdone;
324 2138           slen = tlen - sdone;
325 2138           break;
326              
327             default:
328 0 0         Perl_croak(aTHX_ "Unexpected code %d converting %s %s",
329 0           code, (dir == enc->f_utf8) ? "to" : "from",
330             enc->name[0]);
331             return &PL_sv_undef;
332             }
333             }
334             ENCODE_SET_SRC:
335 58863 100         if (check && !(check & ENCODE_LEAVE_SRC)){
    100          
336 18178           sdone = SvCUR(src) - (slen+sdone);
337 18178 100         if (sdone) {
338 144           sv_setpvn(src, (char*)s+slen, sdone);
339             }
340 18178           SvCUR_set(src, sdone);
341 18178 100         SvSETMAGIC(src);
342             }
343             /* warn("check = 0x%X, code = 0x%d\n", check, code); */
344              
345 58863           SvCUR_set(dst, dlen+ddone);
346 58863           SvPOK_only(dst);
347              
348             #if ENCODE_XS_PROFILE
349             if (SvCUR(dst) > SvCUR(src)){
350             Perl_warn(aTHX_
351             "SvLEN(dst)=%d, SvCUR(dst)=%d. %d bytes unused(%f %%)\n",
352             SvLEN(dst), SvCUR(dst), SvLEN(dst) - SvCUR(dst),
353             (SvLEN(dst) - SvCUR(dst))*1.0/SvLEN(dst)*100.0);
354             }
355             #endif
356              
357 58863 50         if (offset)
358 0           *offset += sdone + slen;
359              
360             ENCODE_END:
361 58863           *SvEND(dst) = '\0';
362 58863 50         if (retcode) *retcode = code;
363 58863           return dst;
364             }
365              
366             static bool
367 31133           strict_utf8(pTHX_ SV* sv)
368             {
369             HV* hv;
370             SV** svp;
371 31133           sv = SvRV(sv);
372 31133 50         if (!sv || SvTYPE(sv) != SVt_PVHV)
    50          
373 0           return 0;
374 31133           hv = (HV*)sv;
375 31133           svp = hv_fetch(hv, "strict_utf8", 11, 0);
376 31133 100         if (!svp)
377 76           return 0;
378 31057 50         return SvTRUE(*svp);
    50          
    0          
    50          
    0          
    0          
    50          
    0          
    0          
    0          
    0          
    0          
    50          
    50          
    50          
    0          
    0          
    50          
    0          
379             }
380              
381             /*
382             * https://github.com/dankogai/p5-encode/pull/56#issuecomment-231959126
383             */
384             #ifndef UNICODE_IS_NONCHAR
385             #define UNICODE_IS_NONCHAR(c) ((c >= 0xFDD0 && c <= 0xFDEF) || (c & 0xFFFE) == 0xFFFE)
386             #endif
387              
388             #ifndef UNICODE_IS_SUPER
389             #define UNICODE_IS_SUPER(c) (c > PERL_UNICODE_MAX)
390             #endif
391              
392             #define UNICODE_IS_STRICT(c) (!UNICODE_IS_SURROGATE(c) && !UNICODE_IS_NONCHAR(c) && !UNICODE_IS_SUPER(c))
393              
394             #ifndef UTF_ACCUMULATION_OVERFLOW_MASK
395             #ifndef CHARBITS
396             #define CHARBITS CHAR_BIT
397             #endif
398             #define UTF_ACCUMULATION_OVERFLOW_MASK (((UV) UTF_CONTINUATION_MASK) << ((sizeof(UV) * CHARBITS) - UTF_ACCUMULATION_SHIFT))
399             #endif
400              
401             /*
402             * Convert non strict utf8 sequence of len >= 2 to unicode codepoint
403             */
404             static UV
405 46374           convert_utf8_multi_seq(U8* s, STRLEN len, STRLEN *rlen)
406             {
407             UV uv;
408 46374           U8 *ptr = s;
409 46374           bool overflowed = 0;
410              
411 46374 100         uv = NATIVE_TO_UTF(*s) & UTF_START_MASK(UTF8SKIP(s));
412              
413 46374           len--;
414 46374           s++;
415              
416 138608 100         while (len--) {
417 92396 100         if (!UTF8_IS_CONTINUATION(*s)) {
418 162           *rlen = s-ptr;
419 162           return 0;
420             }
421 92234 100         if (uv & UTF_ACCUMULATION_OVERFLOW_MASK)
422 1           overflowed = 1;
423 92234           uv = UTF8_ACCUMULATE(uv, *s);
424 92234           s++;
425             }
426              
427 46212           *rlen = s-ptr;
428              
429 46212 100         if (overflowed || *rlen > (STRLEN)UNISKIP(uv)) {
    100          
    100          
    100          
    100          
    100          
    50          
    0          
    100          
430 22           return 0;
431             }
432              
433 46190           return uv;
434             }
435              
436             static U8*
437 31129           process_utf8(pTHX_ SV* dst, U8* s, U8* e, SV *check_sv,
438             bool encode, bool strict, bool stop_at_partial)
439             {
440             UV uv;
441             STRLEN ulen;
442             SV *fallback_cb;
443             int check;
444             U8 *d;
445             STRLEN dlen;
446             char esc[UTF8_MAXLEN * 6 + 1];
447             STRLEN i;
448              
449 31129 100         if (SvROK(check_sv)) {
450             /* croak("UTF-8 decoder doesn't support callback CHECK"); */
451 14           fallback_cb = check_sv;
452 14           check = ENCODE_PERLQQ|ENCODE_LEAVE_SRC; /* same as perlqq */
453             }
454             else {
455 31115           fallback_cb = &PL_sv_undef;
456 31115 50         check = SvIV_nomg(check_sv);
457             }
458              
459 31129           SvPOK_only(dst);
460 31129           SvCUR_set(dst,0);
461              
462 31129 50         dlen = (s && e && s < e) ? e-s+1 : 1;
    50          
    100          
463 31129 50         d = (U8 *) SvGROW(dst, dlen);
    50          
464              
465 143969 100         while (s < e) {
466 112929 100         if (UTF8_IS_INVARIANT(*s)) {
467 66382           *d++ = *s++;
468 66382           continue;
469             }
470              
471 46547           uv = 0;
472 46547           ulen = 1;
473 46547 100         if (! UTF8_IS_CONTINUATION(*s)) {
474             /* Not an invariant nor a continuation; must be a start byte. (We
475             * can't test for UTF8_IS_START as that excludes things like \xC0
476             * which are start bytes, but always lead to overlongs */
477              
478 46393           U8 skip = UTF8SKIP(s);
479 46393 100         if ((s + skip) > e) {
480             /* just calculate ulen, in pathological cases can be smaller then e-s */
481 56 100         if (e-s >= 2)
482 37           convert_utf8_multi_seq(s, e-s, &ulen);
483             else
484 19           ulen = 1;
485              
486 56 100         if ((stop_at_partial || (check & ENCODE_STOP_AT_PARTIAL)) && ulen == (STRLEN)(e-s))
    50          
    100          
487 4           break;
488              
489 52           goto malformed_byte;
490             }
491              
492 46337           uv = convert_utf8_multi_seq(s, skip, &ulen);
493 46337 100         if (uv == 0)
494 155           goto malformed_byte;
495 46182 100         else if (strict && !UNICODE_IS_STRICT(uv))
    100          
    100          
    50          
    100          
    100          
    100          
496             goto malformed;
497              
498              
499             /* Whole char is good */
500 46152           memcpy(d, s, skip);
501 46152           d += skip;
502 46152           s += skip;
503 46152           continue;
504             }
505              
506             /* If we get here there is something wrong with alleged UTF-8 */
507             /* uv is used only when encoding */
508             malformed_byte:
509 361 50         if (uv == 0)
510 361           uv = (UV)*s;
511 361 50         if (encode || ulen == 0)
    50          
512 0           ulen = 1;
513              
514             malformed:
515 391 100         if (!encode && (check & (ENCODE_DIE_ON_ERR|ENCODE_WARN_ON_ERR|ENCODE_PERLQQ)))
    100          
516 458 100         for (i=0; i
517 391 100         if (check & ENCODE_DIE_ON_ERR){
518 65 100         if (encode)
519 14 50         Perl_croak(aTHX_ ERR_ENCODE_NOMAP, uv, (strict ? "UTF-8" : "utf8"));
520             else
521 51 100         Perl_croak(aTHX_ ERR_DECODE_STR_NOMAP, (strict ? "UTF-8" : "utf8"), esc);
522             }
523 326 100         if (check & ENCODE_WARN_ON_ERR){
524 129 50         if (encode)
525 0 0         Perl_warner(aTHX_ packWARN(WARN_UTF8),
526             ERR_ENCODE_NOMAP, uv, (strict ? "UTF-8" : "utf8"));
527             else
528 129 50         Perl_warner(aTHX_ packWARN(WARN_UTF8),
529             ERR_DECODE_STR_NOMAP, (strict ? "UTF-8" : "utf8"), esc);
530             }
531 326 100         if (check & ENCODE_RETURN_ON_ERR) {
532 20           break;
533             }
534 306 100         if (check & (ENCODE_PERLQQ|ENCODE_HTMLCREF|ENCODE_XMLCREF)){
535             STRLEN sublen;
536             char *substr;
537             SV* subchar;
538 14 100         if (encode) {
539 3           subchar =
540             (fallback_cb != &PL_sv_undef)
541             ? do_fallback_cb(aTHX_ uv, fallback_cb)
542 4 100         : newSVpvf(check & ENCODE_PERLQQ
    50          
543 1           ? (ulen == 1 ? "\\x%02" UVXf : "\\x{%04" UVXf "}")
544 1 50         : check & ENCODE_HTMLCREF ? "&#%" UVuf ";"
    0          
545             : "&#x%" UVxf ";", uv);
546 3 50         substr = SvPV(subchar, sublen);
547 3 50         if (SvUTF8(subchar) && sublen && !utf8_to_bytes((U8 *)substr, &sublen)) { /* make sure no decoded string gets in */
    0          
    0          
548 0           SvREFCNT_dec(subchar);
549 0           croak("Wide character");
550             }
551             } else {
552 11 100         if (fallback_cb != &PL_sv_undef) {
553             /* in decode mode we have sequence of wrong bytes */
554 10           subchar = do_bytes_fallback_cb(aTHX_ s, ulen, fallback_cb);
555             } else {
556 1           char *ptr = esc;
557             /* ENCODE_PERLQQ is already stored in esc */
558 1 50         if (check & (ENCODE_HTMLCREF|ENCODE_XMLCREF))
559 0 0         for (i=0; i
    0          
560 1           subchar = newSVpvn(esc, strlen(esc));
561             }
562 11 50         substr = SvPVutf8(subchar, sublen);
563             }
564 14           dlen += sublen - ulen;
565 14           SvCUR_set(dst, d-(U8 *)SvPVX(dst));
566 14           *SvEND(dst) = '\0';
567 14           sv_catpvn(dst, substr, sublen);
568 14           SvREFCNT_dec(subchar);
569 14 50         d = (U8 *) SvGROW(dst, dlen) + SvCUR(dst);
    50          
570             } else {
571 292           STRLEN fbcharlen = strlen(FBCHAR_UTF8);
572 292           dlen += fbcharlen - ulen;
573 292 100         if (SvLEN(dst) < dlen) {
574 42           SvCUR_set(dst, d-(U8 *)SvPVX(dst));
575 42           d = (U8 *) sv_grow(dst, dlen) + SvCUR(dst);
576             }
577 292           memcpy(d, FBCHAR_UTF8, fbcharlen);
578 292           d += fbcharlen;
579             }
580 306           s += ulen;
581             }
582 31064           SvCUR_set(dst, d-(U8 *)SvPVX(dst));
583 31064           *SvEND(dst) = '\0';
584              
585 31064           return s;
586             }
587              
588              
589             MODULE = Encode PACKAGE = Encode::utf8 PREFIX = Method_
590              
591             PROTOTYPES: DISABLE
592              
593             void
594             Method_decode(obj,src,check_sv = &PL_sv_no)
595             SV * obj
596             SV * src
597             SV * check_sv
598             PREINIT:
599             STRLEN slen;
600             U8 *s;
601             U8 *e;
602             SV *dst;
603 30547           bool renewed = 0;
604             int check;
605             bool modify;
606 30547           dSP;
607             INIT:
608 30547 100         SvGETMAGIC(src);
    50          
609 30547 50         SvGETMAGIC(check_sv);
    0          
610 30547 100         check = SvROK(check_sv) ? ENCODE_PERLQQ|ENCODE_LEAVE_SRC : SvIV_nomg(check_sv);
    50          
611 30547 100         modify = (check && !(check & ENCODE_LEAVE_SRC));
    100          
612             PPCODE:
613 30547 100         if (!SvOK(src))
    50          
    50          
614 4           XSRETURN_UNDEF;
615 30543 100         s = modify ? (U8 *)SvPV_force_nomg(src, slen) : (U8 *)SvPV_nomg(src, slen);
    100          
    100          
616 30543 100         if (SvUTF8(src))
617 10           utf8_safe_downgrade(aTHX_ &src, &s, &slen, modify);
618 30543           e = s+slen;
619              
620             /*
621             * PerlIO check -- we assume the object is of PerlIO if renewed
622             */
623 30543           ENTER; SAVETMPS;
624 30543 50         PUSHMARK(sp);
625 30543 50         XPUSHs(obj);
626 30543           PUTBACK;
627 30543 50         if (call_method("renewed",G_SCALAR) == 1) {
628 30543           SPAGAIN;
629 30543 50         renewed = (bool)POPi;
630 30543           PUTBACK;
631             #if 0
632             fprintf(stderr, "renewed == %d\n", renewed);
633             #endif
634             }
635 30543 50         FREETMPS; LEAVE;
636             /* end PerlIO check */
637              
638 30543 100         dst = sv_2mortal(newSV(slen>0?slen:1)); /* newSV() abhors 0 -- inaba */
639 30543           s = process_utf8(aTHX_ dst, s, e, check_sv, 0, strict_utf8(aTHX_ obj), renewed);
640              
641             /* Clear out translated part of source unless asked not to */
642 30492 100         if (modify) {
643 45           slen = e-s;
644 45 100         if (slen) {
645 22           sv_setpvn(src, (char*)s, slen);
646             }
647 45           SvCUR_set(src, slen);
648 45 100         SvSETMAGIC(src);
649             }
650 30492           SvUTF8_on(dst);
651 30492 100         if (SvTAINTED(src)) SvTAINTED_on(dst); /* propagate taintedness */
    100          
    50          
652 30492           ST(0) = dst;
653 30496           XSRETURN(1);
654              
655             void
656             Method_encode(obj,src,check_sv = &PL_sv_no)
657             SV * obj
658             SV * src
659             SV * check_sv
660             PREINIT:
661             STRLEN slen;
662             U8 *s;
663             U8 *e;
664             SV *dst;
665             int check;
666             bool modify;
667             INIT:
668 1334 100         SvGETMAGIC(src);
    50          
669 1334 50         SvGETMAGIC(check_sv);
    0          
670 1334 100         check = SvROK(check_sv) ? ENCODE_PERLQQ|ENCODE_LEAVE_SRC : SvIV_nomg(check_sv);
    50          
671 1334 100         modify = (check && !(check & ENCODE_LEAVE_SRC));
    100          
672             PPCODE:
673 1334 100         if (!SvOK(src))
    50          
    50          
674 5           XSRETURN_UNDEF;
675 1329 100         s = modify ? (U8 *)SvPV_force_nomg(src, slen) : (U8 *)SvPV_nomg(src, slen);
    100          
    100          
676 1329           e = s+slen;
677 1329 100         dst = sv_2mortal(newSV(slen>0?slen:1)); /* newSV() abhors 0 -- inaba */
678 1329 100         if (SvUTF8(src)) {
679             /* Already encoded */
680 590 100         if (strict_utf8(aTHX_ obj)) {
681 586           s = process_utf8(aTHX_ dst, s, e, check_sv, 1, 1, 0);
682             }
683             else {
684             /* trust it and just copy the octets */
685 4           sv_setpvn(dst,(char *)s,(e-s));
686 576           s = e;
687             }
688             }
689             else {
690             /* Native bytes - can always encode */
691 739 50         U8 *d = (U8 *) SvGROW(dst, 2*slen+1); /* +1 or assertion will botch */
    100          
692 1561 100         while (s < e) {
693             #ifdef append_utf8_from_native_byte
694             append_utf8_from_native_byte(*s, &d);
695             s++;
696             #else
697 822           UV uv = NATIVE_TO_UNI((UV) *s);
698 822           s++; /* Above expansion of NATIVE_TO_UNI() is safer this way. */
699 822 100         if (UNI_IS_INVARIANT(uv))
700 813           *d++ = (U8)UTF_TO_NATIVE(uv);
701             else {
702 9           *d++ = (U8)UTF8_EIGHT_BIT_HI(uv);
703 9           *d++ = (U8)UTF8_EIGHT_BIT_LO(uv);
704             }
705             #endif
706             }
707 739           SvCUR_set(dst, d- (U8 *)SvPVX(dst));
708 739           *SvEND(dst) = '\0';
709             }
710              
711             /* Clear out translated part of source unless asked not to */
712 1315 100         if (modify) {
713 11           slen = e-s;
714 11 50         if (slen) {
715 0           sv_setpvn(src, (char*)s, slen);
716             }
717 11           SvCUR_set(src, slen);
718 11 100         SvSETMAGIC(src);
719             }
720 1315           SvPOK_only(dst);
721 1315           SvUTF8_off(dst);
722 1315 100         if (SvTAINTED(src)) SvTAINTED_on(dst); /* propagate taintedness */
    100          
    50          
723 1315           ST(0) = dst;
724 1320           XSRETURN(1);
725              
726             MODULE = Encode PACKAGE = Encode::XS PREFIX = Method_
727              
728             PROTOTYPES: DISABLE
729              
730             SV *
731             Method_renew(obj)
732             SV * obj
733             CODE:
734             PERL_UNUSED_VAR(obj);
735 22           RETVAL = newSVsv(obj);
736             OUTPUT:
737             RETVAL
738              
739             int
740             Method_renewed(obj)
741             SV * obj
742             CODE:
743 0           RETVAL = 0;
744             PERL_UNUSED_VAR(obj);
745             OUTPUT:
746             RETVAL
747              
748             SV *
749             Method_name(obj)
750             SV * obj
751             PREINIT:
752             encode_t *enc;
753             INIT:
754 807 50         enc = INT2PTR(encode_t *, SvIV(SvRV(obj)));
755             CODE:
756 807           RETVAL = newSVpvn(enc->name[0], strlen(enc->name[0]));
757             OUTPUT:
758             RETVAL
759              
760             bool
761             Method_cat_decode(obj, dst, src, off, term, check_sv = &PL_sv_no)
762             SV * obj
763             SV * dst
764             SV * src
765             SV * off
766             SV * term
767             SV * check_sv
768             PREINIT:
769             int check;
770             SV *fallback_cb;
771             bool modify;
772             encode_t *enc;
773             STRLEN offset;
774 0           int code = 0;
775             U8 *s;
776             STRLEN slen;
777             SV *tmp;
778             INIT:
779 0 0         SvGETMAGIC(src);
    0          
780 0 0         SvGETMAGIC(check_sv);
    0          
781 0 0         check = SvROK(check_sv) ? ENCODE_PERLQQ|ENCODE_LEAVE_SRC : SvIV_nomg(check_sv);
    0          
782 0 0         fallback_cb = SvROK(check_sv) ? check_sv : &PL_sv_undef;
783 0 0         modify = (check && !(check & ENCODE_LEAVE_SRC));
    0          
784 0 0         enc = INT2PTR(encode_t *, SvIV(SvRV(obj)));
785 0 0         offset = (STRLEN)SvIV(off);
786             CODE:
787 0 0         if (!SvOK(src))
    0          
    0          
788 0           XSRETURN_NO;
789 0 0         s = modify ? (U8 *)SvPV_force_nomg(src, slen) : (U8 *)SvPV_nomg(src, slen);
    0          
    0          
790 0 0         if (SvUTF8(src))
791 0           utf8_safe_downgrade(aTHX_ &src, &s, &slen, modify);
792 0           tmp = encode_method(aTHX_ enc, enc->t_utf8, src, s, slen, check,
793             &offset, term, &code, fallback_cb);
794 0           sv_catsv(dst, tmp);
795 0           SvREFCNT_dec(tmp);
796 0           SvIV_set(off, (IV)offset);
797 0           RETVAL = (code == ENCODE_FOUND_TERM);
798             OUTPUT:
799             RETVAL
800              
801             SV *
802             Method_decode(obj,src,check_sv = &PL_sv_no)
803             SV * obj
804             SV * src
805             SV * check_sv
806             PREINIT:
807             int check;
808             SV *fallback_cb;
809             bool modify;
810             encode_t *enc;
811             U8 *s;
812             STRLEN slen;
813             INIT:
814 23799 100         SvGETMAGIC(src);
    50          
815 23799 50         SvGETMAGIC(check_sv);
    0          
816 23799 100         check = SvROK(check_sv) ? ENCODE_PERLQQ|ENCODE_LEAVE_SRC : SvIV_nomg(check_sv);
    100          
817 23799 100         fallback_cb = SvROK(check_sv) ? check_sv : &PL_sv_undef;
818 23799 100         modify = (check && !(check & ENCODE_LEAVE_SRC));
    100          
819 23799 50         enc = INT2PTR(encode_t *, SvIV(SvRV(obj)));
820             CODE:
821 23799 100         if (!SvOK(src))
    50          
    50          
822 107           XSRETURN_UNDEF;
823 23692 100         s = modify ? (U8 *)SvPV_force_nomg(src, slen) : (U8 *)SvPV_nomg(src, slen);
    100          
    100          
824 23692 100         if (SvUTF8(src))
825 13           utf8_safe_downgrade(aTHX_ &src, &s, &slen, modify);
826 23692           RETVAL = encode_method(aTHX_ enc, enc->t_utf8, src, s, slen, check,
827             NULL, Nullsv, NULL, fallback_cb);
828 23692           SvUTF8_on(RETVAL);
829             OUTPUT:
830             RETVAL
831              
832             SV *
833             Method_encode(obj,src,check_sv = &PL_sv_no)
834             SV * obj
835             SV * src
836             SV * check_sv
837             PREINIT:
838             int check;
839             SV *fallback_cb;
840             bool modify;
841             encode_t *enc;
842             U8 *s;
843             STRLEN slen;
844             INIT:
845 35279 100         SvGETMAGIC(src);
    50          
846 35279 50         SvGETMAGIC(check_sv);
    0          
847 35279 100         check = SvROK(check_sv) ? ENCODE_PERLQQ|ENCODE_LEAVE_SRC : SvIV_nomg(check_sv);
    50          
848 35279 100         fallback_cb = SvROK(check_sv) ? check_sv : &PL_sv_undef;
849 35279 100         modify = (check && !(check & ENCODE_LEAVE_SRC));
    100          
850 35279 50         enc = INT2PTR(encode_t *, SvIV(SvRV(obj)));
851             CODE:
852 35279 100         if (!SvOK(src))
    50          
    50          
853 107           XSRETURN_UNDEF;
854 35172 100         s = modify ? (U8 *)SvPV_force_nomg(src, slen) : (U8 *)SvPV_nomg(src, slen);
    100          
    100          
855 35172 100         if (!SvUTF8(src))
856 20           utf8_safe_upgrade(aTHX_ &src, &s, &slen, modify);
857 35172           RETVAL = encode_method(aTHX_ enc, enc->f_utf8, src, s, slen, check,
858             NULL, Nullsv, NULL, fallback_cb);
859             OUTPUT:
860             RETVAL
861              
862             bool
863             Method_needs_lines(obj)
864             SV * obj
865             CODE:
866             PERL_UNUSED_VAR(obj);
867 22           RETVAL = FALSE;
868             OUTPUT:
869             RETVAL
870              
871             bool
872             Method_perlio_ok(obj)
873             SV * obj
874             PREINIT:
875             SV *sv;
876             CODE:
877             PERL_UNUSED_VAR(obj);
878 8           sv = eval_pv("require PerlIO::encoding", 0);
879 8 50         RETVAL = SvTRUE(sv);
    50          
    0          
    50          
    0          
    0          
    100          
    50          
    50          
    50          
    50          
    50          
    50          
    50          
    50          
    0          
    0          
    50          
    0          
880             OUTPUT:
881             RETVAL
882              
883             SV *
884             Method_mime_name(obj)
885             SV * obj
886             PREINIT:
887             encode_t *enc;
888             INIT:
889 110 50         enc = INT2PTR(encode_t *, SvIV(SvRV(obj)));
890             CODE:
891 110           ENTER;
892 110           SAVETMPS;
893 110 50         PUSHMARK(sp);
894 110 50         XPUSHs(sv_2mortal(newSVpvn(enc->name[0], strlen(enc->name[0]))));
895 110           PUTBACK;
896 110           call_pv("Encode::MIME::Name::get_mime_name", G_SCALAR);
897 110           SPAGAIN;
898 110           RETVAL = newSVsv(POPs);
899 110           PUTBACK;
900 110 50         FREETMPS;
901 110           LEAVE;
902             OUTPUT:
903             RETVAL
904              
905             MODULE = Encode PACKAGE = Encode
906              
907             PROTOTYPES: ENABLE
908              
909             I32
910             _bytes_to_utf8(sv, ...)
911             SV * sv
912             PREINIT:
913             SV * encoding;
914             INIT:
915 0 0         encoding = items == 2 ? ST(1) : Nullsv;
916             CODE:
917 0 0         if (encoding)
918 0 0         RETVAL = _encoded_bytes_to_utf8(sv, SvPV_nolen(encoding));
919             else {
920             STRLEN len;
921 0 0         U8* s = (U8*)SvPV(sv, len);
922             U8* converted;
923              
924 0           converted = bytes_to_utf8(s, &len); /* This allocs */
925 0           sv_setpvn(sv, (char *)converted, len);
926 0           SvUTF8_on(sv); /* XXX Should we? */
927 0           Safefree(converted); /* ... so free it */
928 0           RETVAL = len;
929             }
930             OUTPUT:
931             RETVAL
932              
933             I32
934             _utf8_to_bytes(sv, ...)
935             SV * sv
936             PREINIT:
937             SV * to;
938             SV * check;
939             INIT:
940 0 0         to = items > 1 ? ST(1) : Nullsv;
941 0 0         check = items > 2 ? ST(2) : Nullsv;
942             CODE:
943 0 0         if (to) {
944 0 0         RETVAL = _encoded_utf8_to_bytes(sv, SvPV_nolen(to));
945             } else {
946             STRLEN len;
947 0 0         U8 *s = (U8*)SvPV(sv, len);
948              
949 0           RETVAL = 0;
950 0 0         if (SvTRUE(check)) {
    0          
    0          
    0          
    0          
    0          
    0          
    0          
    0          
    0          
    0          
    0          
    0          
    0          
    0          
    0          
    0          
    0          
    0          
951             /* Must do things the slow way */
952             U8 *dest;
953             /* We need a copy to pass to check() */
954 0           U8 *src = s;
955 0           U8 *send = s + len;
956             U8 *d0;
957              
958 0           New(83, dest, len, U8); /* I think */
959 0           d0 = dest;
960              
961 0 0         while (s < send) {
962 0 0         if (*s < 0x80){
963 0           *dest++ = *s++;
964             } else {
965             STRLEN ulen;
966 0           UV uv = *s++;
967              
968             /* Have to do it all ourselves because of error routine,
969             aargh. */
970 0 0         if (!(uv & 0x40)){ goto failure; }
971 0 0         if (!(uv & 0x20)) { ulen = 2; uv &= 0x1f; }
972 0 0         else if (!(uv & 0x10)) { ulen = 3; uv &= 0x0f; }
973 0 0         else if (!(uv & 0x08)) { ulen = 4; uv &= 0x07; }
974 0 0         else if (!(uv & 0x04)) { ulen = 5; uv &= 0x03; }
975 0 0         else if (!(uv & 0x02)) { ulen = 6; uv &= 0x01; }
976 0 0         else if (!(uv & 0x01)) { ulen = 7; uv = 0; }
977 0           else { ulen = 13; uv = 0; }
978            
979             /* Note change to utf8.c variable naming, for variety */
980 0 0         while (ulen--) {
981 0 0         if ((*s & 0xc0) != 0x80){
982 0           goto failure;
983             } else {
984 0           uv = (uv << 6) | (*s++ & 0x3f);
985             }
986             }
987 0 0         if (uv > 256) {
988             failure:
989 0           call_failure(check, s, dest, src);
990             /* Now what happens? */
991             }
992 0           *dest++ = (U8)uv;
993             }
994             }
995 0           RETVAL = dest - d0;
996 0           sv_usepvn(sv, (char *)dest, RETVAL);
997 0           SvUTF8_off(sv);
998             } else {
999 0 0         RETVAL = (utf8_to_bytes(s, &len) ? len : 0);
1000             }
1001             }
1002             OUTPUT:
1003             RETVAL
1004              
1005             bool
1006             is_utf8(sv, check = 0)
1007             SV * sv
1008             int check
1009             PREINIT:
1010             char *str;
1011             STRLEN len;
1012             CODE:
1013 654 100         SvGETMAGIC(sv); /* SvGETMAGIC() can modify SvOK flag */
    50          
1014 654 100         str = SvOK(sv) ? SvPV_nomg(sv, len) : NULL; /* SvPV() can modify SvUTF8 flag */
    50          
    50          
    100          
1015 654           RETVAL = SvUTF8(sv) ? TRUE : FALSE;
1016 654 100         if (RETVAL && check && (!str || !is_utf8_string((U8 *)str, len)))
    50          
    0          
    0          
1017 0           RETVAL = FALSE;
1018             OUTPUT:
1019             RETVAL
1020              
1021             SV *
1022             _utf8_on(sv)
1023             SV * sv
1024             CODE:
1025 8 100         SvGETMAGIC(sv);
    50          
1026 8 100         if (!SvTAINTED(sv) && SvPOKp(sv)) {
    100          
    100          
1027 6 100         if (SvTHINKFIRST(sv)) sv_force_normal(sv);
1028 6 100         RETVAL = boolSV(SvUTF8(sv));
1029 6           SvUTF8_on(sv);
1030 6 100         SvSETMAGIC(sv);
1031             } else {
1032 2           RETVAL = &PL_sv_undef;
1033             }
1034             OUTPUT:
1035             RETVAL
1036              
1037             SV *
1038             _utf8_off(sv)
1039             SV * sv
1040             CODE:
1041 6 100         SvGETMAGIC(sv);
    50          
1042 6 100         if (!SvTAINTED(sv) && SvPOKp(sv)) {
    100          
    100          
1043 4 100         if (SvTHINKFIRST(sv)) sv_force_normal(sv);
1044 4 100         RETVAL = boolSV(SvUTF8(sv));
1045 4           SvUTF8_off(sv);
1046 4 100         SvSETMAGIC(sv);
1047             } else {
1048 2           RETVAL = &PL_sv_undef;
1049             }
1050             OUTPUT:
1051             RETVAL
1052              
1053             void
1054             onBOOT()
1055             CODE:
1056             {
1057             #include "def_t.exh"
1058             }
1059              
1060             BOOT:
1061             {
1062 38           HV *stash = gv_stashpvn("Encode", strlen("Encode"), GV_ADD);
1063 38           newCONSTSUB(stash, "DIE_ON_ERR", newSViv(ENCODE_DIE_ON_ERR));
1064 38           newCONSTSUB(stash, "WARN_ON_ERR", newSViv(ENCODE_WARN_ON_ERR));
1065 38           newCONSTSUB(stash, "RETURN_ON_ERR", newSViv(ENCODE_RETURN_ON_ERR));
1066 38           newCONSTSUB(stash, "LEAVE_SRC", newSViv(ENCODE_LEAVE_SRC));
1067 38           newCONSTSUB(stash, "PERLQQ", newSViv(ENCODE_PERLQQ));
1068 38           newCONSTSUB(stash, "HTMLCREF", newSViv(ENCODE_HTMLCREF));
1069 38           newCONSTSUB(stash, "XMLCREF", newSViv(ENCODE_XMLCREF));
1070 38           newCONSTSUB(stash, "STOP_AT_PARTIAL", newSViv(ENCODE_STOP_AT_PARTIAL));
1071 38           newCONSTSUB(stash, "FB_DEFAULT", newSViv(ENCODE_FB_DEFAULT));
1072 38           newCONSTSUB(stash, "FB_CROAK", newSViv(ENCODE_FB_CROAK));
1073 38           newCONSTSUB(stash, "FB_QUIET", newSViv(ENCODE_FB_QUIET));
1074 38           newCONSTSUB(stash, "FB_WARN", newSViv(ENCODE_FB_WARN));
1075 38           newCONSTSUB(stash, "FB_PERLQQ", newSViv(ENCODE_FB_PERLQQ));
1076 38           newCONSTSUB(stash, "FB_HTMLCREF", newSViv(ENCODE_FB_HTMLCREF));
1077 38           newCONSTSUB(stash, "FB_XMLCREF", newSViv(ENCODE_FB_XMLCREF));
1078             }