File Coverage

utf8_strict.xs
Criterion Covered Total %
statement 141 172 81.9
branch 101 144 70.1
condition n/a
subroutine n/a
pod n/a
total 242 316 76.5


line stmt bran cond sub pod time code
1             #include "EXTERN.h"
2             #include "perl.h"
3             #include "XSUB.h"
4             #include "perliol.h"
5             #include "ppport.h"
6              
7             #define UTF8_MAX_BYTES 4
8              
9             static const U8 xs_utf8_sequence_len[0x100] = {
10             1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, /* 0x00-0x0F */
11             1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, /* 0x10-0x1F */
12             1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, /* 0x20-0x2F */
13             1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, /* 0x30-0x3F */
14             1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, /* 0x40-0x4F */
15             1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, /* 0x50-0x5F */
16             1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, /* 0x60-0x6F */
17             1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, /* 0x70-0x7F */
18             0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0, /* 0x80-0x8F */
19             0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0, /* 0x90-0x9F */
20             0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0, /* 0xA0-0xAF */
21             0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0, /* 0xB0-0xBF */
22             0,0,2,2,2,2,2,2,2,2,2,2,2,2,2,2, /* 0xC0-0xCF */
23             2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2, /* 0xD0-0xDF */
24             3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3, /* 0xE0-0xEF */
25             4,4,4,4,4,0,0,0,0,0,0,0,0,0,0,0, /* 0xF0-0xFF */
26             };
27              
28              
29             typedef enum { STRICT_UTF8=0, ALLOW_SURROGATES=1, ALLOW_NONCHARACTERS=2, ALLOW_NONSHORTEST=4 } utf8_flags;
30              
31              
32 3634           static STRLEN skip_sequence(const U8 *cur, const STRLEN len) {
33 3634           STRLEN i, n = xs_utf8_sequence_len[*cur];
34              
35 3634 100         if (n < 1 || len < 2)
    100          
36 1035           return 1;
37              
38 2599           switch (cur[0]) {
39 2 50         case 0xE0: if ((cur[1] & 0xE0) != 0xA0) return 1; break;
40 2050 100         case 0xED: if ((cur[1] & 0xE0) != 0x80) return 1; break;
41 33 100         case 0xF4: if ((cur[1] & 0xF0) != 0x80) return 1; break;
42 100 100         case 0xF0: if ((cur[1] & 0xF0) == 0x80) return 1; /* FALLTROUGH */
43 510 50         default: if ((cur[1] & 0xC0) != 0x80) return 1; break;
44             }
45              
46 544 50         if (n > len)
47 544           n = len;
48 1056 100         for (i = 2; i < n; i++)
49 512 50         if ((cur[i] & 0xC0) != 0x80)
50 0           break;
51 544           return i;
52             }
53              
54 3360           static void report_illformed(pTHX_ const U8 *cur, STRLEN len, bool eof) {
55             static const char *hex = "0123456789ABCDEF";
56             const char *fmt;
57             char seq[UTF8_MAX_BYTES * 3];
58 3360           char *d = seq;
59              
60 3360 100         if (eof)
61 272           fmt = "Can't decode ill-formed UTF-8 octet sequence <%s> at end of file";
62             else
63 3088           fmt = "Can't decode ill-formed UTF-8 octet sequence <%s>";
64              
65 7247 100         while (len-- > 0) {
66 3887           const U8 c = *cur++;
67 3887           *d++ = hex[c >> 4];
68 3887           *d++ = hex[c & 15];
69 3887 100         if (len)
70 527           *d++ = ' ';
71             }
72 3360           *d = 0;
73 3360           Perl_croak(aTHX_ fmt, seq);
74             }
75              
76 66           static void report_noncharacter(pTHX_ UV usv) {
77             static const char *fmt = "Can't interchange noncharacter code point U+%"UVXf;
78 66           Perl_croak(aTHX_ fmt, usv);
79             }
80              
81 6090           static STRLEN validate(pTHX_ const U8 *buf, const U8 *end, const int flags, PerlIO* handle) {
82 6090           const bool eof = PerlIO_eof(handle);
83 6090           const U8 *cur = buf;
84 6090           const U8 *end4 = end - UTF8_MAX_BYTES;
85 6090           STRLEN skip = 0;
86             U32 v;
87              
88 17203 100         while (cur < end4) {
89 12761 100         while (cur < end4 && *cur < 0x80)
    100          
90 3013           cur++;
91              
92             check:
93 14267           switch (xs_utf8_sequence_len[*cur]) {
94             case 0:
95 1033           goto illformed;
96             case 1:
97 11           cur += 1;
98 11           break;
99             case 2:
100             /* 110xxxxx 10xxxxxx */
101 313 50         if ((cur[1] & 0xC0) != 0x80)
102 0           goto illformed;
103 313           cur += 2;
104 313           break;
105             case 3:
106 25170           v = ((U32)cur[0] << 16)
107 12585           | ((U32)cur[1] << 8)
108 12585           | ((U32)cur[2]);
109             /* 1110xxxx 10xxxxxx 10xxxxxx */
110 12585 50         if ((v & 0x00F0C0C0) != 0x00E08080 ||
    100          
111             /* Non-shortest form */
112             v < 0x00E0A080)
113             goto illformed;
114             /* Surrogates U+D800..U+DFFF */
115 12583 100         if (!(flags & ALLOW_SURROGATES) && (v & 0x00EFA080) == 0x00EDA080)
    100          
116 2048           goto illformed;
117             /* Non-characters U+FDD0..U+FDEF, U+FFFE..U+FFFF */
118 10535 100         if (!(flags & ALLOW_NONCHARACTERS) && v >= 0x00EFB790 && (v <= 0x00EFB7AF || v >= 0x00EFBFBE))
    100          
    100          
    50          
119             goto noncharacter;
120 10501           cur += 3;
121 10501           break;
122             case 4:
123 650           v = ((U32)cur[0] << 24)
124 325           | ((U32)cur[1] << 16)
125 325           | ((U32)cur[2] << 8)
126 325           | ((U32)cur[3]);
127             /* 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx */
128 325 50         if ((v & 0xF8C0C0C0) != 0xF0808080 ||
    100          
129             /* Non-shortest form */
130 321 100         v < 0xF0908080 ||
131             /* Greater than U+10FFFF */
132             v > 0xF48FBFBF)
133             goto illformed;
134             /* Non-characters U+nFFFE..U+nFFFF on plane 1-16 */
135 320 100         if (!(flags & ALLOW_NONCHARACTERS) && (v & 0x000FBFBE) == 0x000FBFBE)
    100          
136 32           goto noncharacter;
137 288           cur += 4;
138 288           break;
139             }
140             }
141            
142 7455 100         if (cur < end) {
143 5065 100         if (cur + xs_utf8_sequence_len[*cur] <= end)
144 4519           goto check;
145 546           skip = skip_sequence(cur, end - cur);
146 546 100         if (eof || cur + skip < end)
    50          
147             goto illformed;
148             }
149 2664           return cur - buf;
150              
151             illformed:
152 3360 100         if (!skip)
153 3088           skip = skip_sequence(cur, end - cur);
154 3360           PerlIOBase(handle)->flags |= PERLIO_F_ERROR;
155 3360           report_illformed(aTHX_ cur, skip, eof);
156              
157             noncharacter:
158 66 100         if (v < 0xF0808080)
159 34           v = (v & 0x3F) | (v & 0x3F00) >> 2 | (v & 0x0F0000) >> 4;
160             else
161 32           v = (v & 0x3F) | (v & 0x3F00) >> 2 | (v & 0x3F0000) >> 4 | (v & 0x07000000) >> 6;
162 66           PerlIOBase(handle)->flags |= PERLIO_F_ERROR;
163 66           report_noncharacter(aTHX_ v);
164 0           }
165              
166             typedef struct {
167             PerlIOBuf buf;
168             STDCHAR leftovers[UTF8_MAX_BYTES];
169             size_t leftover_length;
170             utf8_flags flags;
171             } PerlIOUnicode;
172              
173             static struct {
174             const char* name;
175             size_t length;
176             utf8_flags value;
177             } map[] = {
178             { STR_WITH_LEN("allow_surrogates"), ALLOW_SURROGATES },
179             { STR_WITH_LEN("allow_noncharacters"), ALLOW_NONCHARACTERS },
180             { STR_WITH_LEN("allow_nonshortest"), ALLOW_NONSHORTEST },
181             { STR_WITH_LEN("strict"), 0 },
182             { STR_WITH_LEN("loose"), ALLOW_SURROGATES | ALLOW_NONCHARACTERS | ALLOW_NONSHORTEST },
183             };
184              
185 2114           static utf8_flags lookup_parameter(pTHX_ const char* ptr, size_t len) {
186             unsigned i;
187 2180 50         for (i = 0; i < sizeof map / sizeof *map; ++i) {
188 2180 100         if (map[i].length == len && memcmp(ptr, map[i].name, len) == 0)
    50          
189 2114           return map[i].value;
190             }
191 0           Perl_croak(aTHX_ "Unknown argument to :utf8_strict: %*s", (int)len, ptr);
192             }
193 5817           static utf8_flags parse_parameters(pTHX_ SV* param) {
194             STRLEN len;
195             const char *begin, *delim;
196 5817 50         if (!param || !SvOK(param))
    100          
    50          
    50          
197 3703           return 0;
198              
199 2114 50         begin = SvPV(param, len);
200 2114           delim = strchr(begin, ',');
201 2114 50         if(delim) {
202 0           utf8_flags ret = 0;
203 0           const char* end = begin + len;
204             do {
205 0           ret |= lookup_parameter(aTHX_ begin, delim - begin);
206 0           begin = delim + 1;
207 0           delim = strchr(begin, ',');
208 0 0         } while (delim);
209 0 0         if (begin < end)
210 0           ret |= lookup_parameter(aTHX_ begin, end - begin);
211 0           return ret;
212             }
213             else {
214 5817           return lookup_parameter(aTHX_ begin, len);
215             }
216             }
217              
218             #define line_buffered(flags) ((flags & (PERLIO_F_LINEBUF | PERLIO_F_CANWRITE)) == (PERLIO_F_LINEBUF | PERLIO_F_CANWRITE))
219              
220 0           void PerlIOBase_flush_linebuf(pTHX) {
221             #ifdef dVAR
222             dVAR;
223             #endif
224 0           PerlIOl **table = &PL_perlio;
225             PerlIOl *f;
226 0 0         while ((f = *table)) {
227             int i;
228 0           table = (PerlIOl **) (f++);
229 0 0         for (i = 1; i < 64; i++) {
230 0 0         if (f->next && line_buffered(PerlIOBase(&(f->next))->flags))
    0          
231 0           PerlIO_flush(&(f->next));
232 0           f++;
233             }
234             }
235 0           }
236              
237 5817           static IV PerlIOUnicode_pushed(pTHX_ PerlIO* f, const char* mode, SV* arg, PerlIO_funcs* tab) {
238 5817           utf8_flags flags = parse_parameters(aTHX_ arg);
239 5817 50         if (PerlIOBuf_pushed(aTHX_ f, mode, arg, tab) == 0) {
240 5817           PerlIOBase(f)->flags |= PERLIO_F_UTF8;
241 5817           PerlIOSelf(f, PerlIOUnicode)->flags = flags;
242 5817           return 0;
243             }
244 0           return -1;
245             }
246              
247 8478           static IV PerlIOUnicode_fill(pTHX_ PerlIO* f) {
248 8478           PerlIOUnicode * const u = PerlIOSelf(f, PerlIOUnicode);
249 8478           PerlIOBuf * const b = &u->buf;
250 8478           PerlIO *n = PerlIONext(f);
251             SSize_t avail;
252 8478           Size_t read_bytes = 0;
253             STDCHAR *end;
254             SSize_t fit;
255              
256 8478 50         if (PerlIO_flush(f) != 0)
257 0           return -1;
258 8478 50         if (PerlIOBase(f)->flags & PERLIO_F_TTY)
259 0           PerlIOBase_flush_linebuf(aTHX);
260              
261 8478 50         if (!b->buf)
262 0           PerlIO_get_base(f);
263              
264             assert(b->buf);
265              
266 8478 100         if (u->leftover_length) {
267 274           Copy(u->leftovers, b->buf, u->leftover_length, STDCHAR);
268 274           b->end = b->buf + u->leftover_length;
269 274           read_bytes = u->leftover_length;
270 274           u->leftover_length = 0;
271             }
272             else {
273 8204           b->ptr = b->end = b->buf;
274             }
275 8478           fit = (SSize_t)b->bufsiz - (b->end - b->buf);
276              
277 8478 50         if (!PerlIOValid(n)) {
    50          
278 0           PerlIOBase(f)->flags |= PERLIO_F_EOF;
279 0           return -1;
280             }
281              
282 8478 50         if (PerlIO_fast_gets(n)) {
283             /*
284             * Layer below is also buffered. We do _NOT_ want to call its
285             * ->Read() because that will loop till it gets what we asked for
286             * which may hang on a pipe etc. Instead take anything it has to
287             * hand, or ask it to fill _once_.
288             */
289 8478           avail = PerlIO_get_cnt(n);
290 8478 50         if (avail <= 0) {
291 8478           avail = PerlIO_fill(n);
292 8478 100         if (avail == 0)
293 5818           avail = PerlIO_get_cnt(n);
294             else {
295 2660 50         if (!PerlIO_error(n) && PerlIO_eof(n))
    50          
296 2660           avail = 0;
297             }
298             }
299 8478 100         if (avail > 0) {
300 5818           STDCHAR *ptr = PerlIO_get_ptr(n);
301 5818           const SSize_t cnt = avail;
302 5818 100         if (avail > fit)
303 1           avail = fit;
304 5818           Copy(ptr, b->end, avail, STDCHAR);
305 5818           PerlIO_set_ptrcnt(n, ptr + avail, cnt - avail);
306 8478           read_bytes += avail;
307             }
308             }
309             else {
310 0           avail = PerlIO_read(n, b->end, fit);
311 0 0         if (avail > 0)
312 0           read_bytes += avail;
313             }
314 8478 100         if (avail <= 0) {
315 2660 50         if (avail < 0 || (read_bytes == 0 && PerlIO_eof(n))) {
    100          
    50          
316 2388 50         PerlIOBase(f)->flags |= (avail == 0) ? PERLIO_F_EOF : PERLIO_F_ERROR;
317 2388           return -1;
318             }
319             }
320 6090           end = b->buf + read_bytes;
321 6090           b->end = b->buf + validate(aTHX_ (const U8 *)b->buf, (const U8 *)end, u->flags, n);
322 2664 100         if (b->end < end) {
323 274           size_t len = b->buf + read_bytes - b->end;
324 274           Copy(b->end, u->leftovers, len, char);
325 274           u->leftover_length = len;
326             }
327 2664           PerlIOBase(f)->flags |= PERLIO_F_RDBUF;
328            
329 2664           return 0;
330             }
331              
332             PERLIO_FUNCS_DECL(PerlIO_utf8_strict) = {
333             sizeof(PerlIO_funcs),
334             "utf8_strict",
335             sizeof(PerlIOUnicode),
336             PERLIO_K_BUFFERED|PERLIO_K_UTF8,
337             PerlIOUnicode_pushed,
338             PerlIOBuf_popped,
339             PerlIOBuf_open,
340             PerlIOBase_binmode,
341             NULL,
342             PerlIOBase_fileno,
343             PerlIOBuf_dup,
344             PerlIOBuf_read,
345             PerlIOBase_unread,
346             PerlIOBuf_write,
347             PerlIOBuf_seek,
348             PerlIOBuf_tell,
349             PerlIOBuf_close,
350             PerlIOBuf_flush,
351             PerlIOUnicode_fill,
352             PerlIOBase_eof,
353             PerlIOBase_error,
354             PerlIOBase_clearerr,
355             PerlIOBase_setlinebuf,
356             PerlIOBuf_get_base,
357             PerlIOBuf_bufsiz,
358             PerlIOBuf_get_ptr,
359             PerlIOBuf_get_cnt,
360             PerlIOBuf_set_ptrcnt,
361             };
362              
363             MODULE = PerlIO::utf8_strict
364              
365             PROTOTYPES: DISABLE
366              
367             BOOT:
368 8           PerlIO_define_layer(aTHX_ (PerlIO_funcs*)&PerlIO_utf8_strict);
369