Diff for /gforth/utf-8.fs between versions 1.12 and 1.32

version 1.12, 2005/01/05 16:24:33 version 1.32, 2007/10/17 16:05:22
Line 1 Line 1
 \ UTF-8 handling                                       12dec04py  \ UTF-8 handling                                       12dec04py
   
 \ Copyright (C) 2004 Free Software Foundation, Inc.  \ Copyright (C) 2004,2005,2006 Free Software Foundation, Inc.
   
 \ This file is part of Gforth.  \ This file is part of Gforth.
   
Line 22 Line 22
   
 s" malformed UTF-8 character" exception Constant UTF-8-err  s" malformed UTF-8 character" exception Constant UTF-8-err
   
 $80 Value maxascii  $80 Value max-single-byte
   
 : u8len ( u8 -- n )  : u8len ( u8 -- n )
     dup      maxascii u< IF  drop 1  EXIT  THEN \ special case ASCII      dup      max-single-byte u< IF  drop 1  EXIT  THEN \ special case ASCII
     $800  2 >r      $800  2 >r
     BEGIN  2dup u>=  WHILE  5 lshift r> 1+ >r  REPEAT      BEGIN  2dup u>=  WHILE  5 lshift r> 1+ >r  dup 0= UNTIL  THEN
     2drop r> ;      2drop r> ;
   
 : u8@+ ( u8addr -- u8addr' u )  : u8@+ ( u8addr -- u8addr' u )
     count  dup maxascii u< ?EXIT  \ special case ASCII      count  dup max-single-byte u< ?EXIT  \ special case ASCII
       dup $C2 u< IF  UTF-8-err throw  THEN  \ malformed character
     $7F and  $40 >r      $7F and  $40 >r
     BEGIN  dup r@ and  WHILE  r@ xor      BEGIN  dup r@ and  WHILE  r@ xor
             6 lshift r> 5 lshift >r >r count              6 lshift r> 5 lshift >r >r count
Line 40  $80 Value maxascii Line 41  $80 Value maxascii
     REPEAT  rdrop ;      REPEAT  rdrop ;
   
 : u8!+ ( u u8addr -- u8addr' )  : u8!+ ( u u8addr -- u8addr' )
     over maxascii u< IF  tuck c! 1+  EXIT  THEN \ special case ASCII      over max-single-byte u< IF  tuck c! 1+  EXIT  THEN \ special case ASCII
     >r 0 swap  $3F      >r 0 swap  $3F
     BEGIN  2dup u>  WHILE      BEGIN  2dup u>  WHILE
             2/ >r  dup $3F and $80 or swap 6 rshift r>              2/ >r  dup $3F and $80 or swap 6 rshift r>
Line 56  $80 Value maxascii Line 57  $80 Value maxascii
   
 :noname  ( addr u -- char addr' u' )  :noname  ( addr u -- char addr' u' )
     \ !! the if here seems to work around some breakage, but not      \ !! the if here seems to work around some breakage, but not
     \ entirely; e.g., try '็' with LANG=C.      \ entirely; e.g., try 'รง' with LANG=C.
     dup 1 u<= IF defers char@ EXIT THEN      dup 1 u<= IF defers char@ EXIT THEN
     over + >r u8@+ swap r> over - ; IS char@      over + >r u8@+ swap r> over - ; IS char@
   
 \ scan to next/previous character  \ scan to next/previous character
   
   \ alternative names: u8char+ u8char-
   
 : u8>> ( u8addr -- u8addr' )  u8@+ drop ;  : u8>> ( u8addr -- u8addr' )  u8@+ drop ;
 : u8<< ( u8addr -- u8addr' )  : u8<< ( u8addr -- u8addr' )
     BEGIN  1- dup c@ $C0 and maxascii <>  UNTIL ;      BEGIN  1- dup c@ $C0 and max-single-byte <>  UNTIL ;
   
 \ utf key and emit  \ utf key and emit
   
   Defer check-xy  ' noop IS check-xy
   
 : u8key ( -- u )  : u8key ( -- u )
     defers key dup maxascii u< ?EXIT  \ special case ASCII      defers key dup max-single-byte u< ?EXIT  \ special case ASCII
       dup $FF = ?EXIT  \ special resize character
       dup $C2 u< IF  UTF-8-err throw  THEN  \ malformed character
     $7F and  $40 >r      $7F and  $40 >r
     BEGIN  dup r@ and  WHILE  r@ xor      BEGIN  dup r@ and  WHILE  r@ xor
             6 lshift r> 5 lshift >r >r defers key              6 lshift r> 5 lshift >r >r defers key
Line 78  $80 Value maxascii Line 85  $80 Value maxascii
     REPEAT  rdrop ;      REPEAT  rdrop ;
   
 : u8emit ( u -- )  : u8emit ( u -- )
     dup maxascii u< IF  defers emit  EXIT  THEN \ special case ASCII      dup max-single-byte u< IF  defers emit  EXIT  THEN \ special case ASCII
     0 swap  $3F      0 swap  $3F
     BEGIN  2dup u>  WHILE      BEGIN  2dup u>  WHILE
             2/ >r  dup $3F and $80 or swap 6 rshift r>              2/ >r  dup $3F and $80 or swap 6 rshift r>
     REPEAT  $7F xor 2* or      REPEAT  $7F xor 2* or
     BEGIN   dup $80 u>= WHILE  defers emit  REPEAT  drop ;      BEGIN   dup $80 u>= WHILE  defers emit  REPEAT  drop ;
   
 \ input editor  \ utf-8 stuff for xchars
   
 [IFUNDEF] #esc  27 Constant #esc  [THEN]  
   
 : save-cursor ( -- )  #esc emit '7 emit ;  : +u8/string ( xc-addr1 u1 -- xc-addr2 u2 )
 : restore-cursor ( -- )  #esc emit '8 emit ;      over dup u8>> swap - /string ;
 : .rest ( addr pos1 -- addr pos1 )  : u8\string- ( xcaddr u -- xcaddr u' )
     restore-cursor 2dup type ;      over + u8<< over - ;
 : .all ( span addr pos1 -- span addr pos1 )  
     restore-cursor >r 2dup swap type r> ;  : u8@ ( c-addr -- u )
       u8@+ nip ;
 : <u8ins>  ( max span addr pos1 u8char -- max span addr pos2 )  
     >r  2over r@ u8len + u< IF  rdrop bell  EXIT  THEN  : u8!+? ( xc xc-addr1 u1 -- xc-addr2 u2 f )
     >string over r@ u8len + swap move 2dup chars + r@ swap u8!+ drop      >r over u8len r@ over u< if ( xc xc-addr1 len r: u1 )
     r> u8len >r  rot r@ chars + -rot r> chars + ;          \ not enough space
 : (u8ins)  ( max span addr pos1 u8char -- max span addr pos2 )          drop nip r> false
     <u8ins> .all .rest ;      else
 : u8back  ( max span addr pos1 -- max span addr pos2 f )          >r u8!+ r> r> swap - true
     dup  IF  over + u8<< over -  0 max .all .rest      then ;
     ELSE  bell  THEN 0 ;  
 : u8forw  ( max span addr pos1 -- max span addr pos2 f )  : u8addrlen ( u8-addr u -- u )  drop
     2 pick over <> IF  over + u8@+ u8emit over -  ELSE  bell  THEN 0 ;      \ length of UTF-8 char starting at u8-addr (accesses only u8-addr)
 : (u8del)  ( max span addr pos1 -- max span addr pos2 )      c@
     over + dup u8<< tuck - >r over -      dup $80 u< if drop 1 exit endif
     >string over r@ + -rot move      dup $c0 u< if UTF-8-err throw endif
     rot r> - -rot ;      dup $e0 u< if drop 2 exit endif
 : ?u8del ( max span addr pos1 -- max span addr pos2 0 )      dup $f0 u< if drop 3 exit endif
   dup  IF  (u8del) .all 2 spaces .rest  THEN  0 ;      dup $f8 u< if drop 4 exit endif
 : <u8del> ( max span addr pos1 -- max span addr pos2 0 )      dup $fc u< if drop 5 exit endif
   2 pick over <>      dup $fe u< if drop 6 exit endif
     IF  u8forw drop (u8del) .all 2 spaces .rest      UTF-8-err throw ;
     ELSE  bell  THEN  0 ;  
 : u8eof  2 pick over or 0=  IF  bye  ELSE  <u8del>  THEN ;  : -u8trailing-garbage ( addr u1 -- addr u2 )
       2dup + dup u8<< ( addr u1 end1 end2 )
 : u8first-pos  ( max span addr pos1 -- max span addr 0 0 )      2dup dup over over - u8addrlen + = if \ last character ok
   drop 0 .all .rest 0 ;          2drop
 : u8end-pos  ( max span addr pos1 -- max span addr span 0 )      else
   drop over .all 0 ;          nip nip over -
       then ;
   
 : u8clear-line ( max span addr pos1 -- max addr )  [IFUNDEF] wcwidth
     drop restore-cursor swap spaces restore-cursor ;  : wc,3 ( n low high -- )  1+ , , , ;
 : u8clear-tib ( max span addr pos -- max 0 addr 0 false )  
     u8clear-line 0 tuck dup ;  Create wc-table \ derived from wcwidth source code, for UCS32
   0 0300 0357 wc,3
 : (u8enter)  ( max span addr pos1 -- max span addr pos2 true )  0 035D 036F wc,3
     >r end^ 2@ hist-setpos  0 0483 0486 wc,3
     2dup swap history write-line drop ( throw ) \ don't worry about errors  0 0488 0489 wc,3
     hist-pos 2dup backward^ 2! end^ 2!  0 0591 05A1 wc,3
     r> .all space true ;  0 05A3 05B9 wc,3
   0 05BB 05BD wc,3
 : u8kill-expand ( max span addr pos1 -- max span addr pos2 )  0 05BF 05BF wc,3
     prefix-found cell+ @ ?dup IF  >r  0 05C1 05C2 wc,3
         r@ - >string over r@ + -rot move  0 05C4 05C4 wc,3
         rot r@ - -rot .all r> spaces .rest THEN ;  0 0600 0603 wc,3
   0 0610 0615 wc,3
 : insert   ( string length buffer size -- )  0 064B 0658 wc,3
     rot over min >r  r@ - ( left over )  0 0670 0670 wc,3
     over dup r@ +  rot move   r> move  ;  0 06D6 06E4 wc,3
   0 06E7 06E8 wc,3
 : u8tab-expand ( max span addr pos1 -- max span addr pos2 0 )  0 06EA 06ED wc,3
     key? IF  #tab (u8ins) 0  EXIT  THEN  0 070F 070F wc,3
     u8kill-expand 2dup extract-word dup 0= IF  nip EXIT  THEN  0 0711 0711 wc,3
     search-prefix tib-full?  0 0730 074A wc,3
     IF    7 emit  2drop  prefix-off  0 07A6 07B0 wc,3
     ELSE  dup >r  0 0901 0902 wc,3
         2>r >string r@ + 2r> 2swap insert  0 093C 093C wc,3
         r@ + rot r> + -rot  0 0941 0948 wc,3
     THEN  0 094D 094D wc,3
     prefix-found @ IF  bl (u8ins)  ELSE  .all .rest  THEN  0 ;  0 0951 0954 wc,3
   0 0962 0963 wc,3
 : utf-8-io ( -- )  0 0981 0981 wc,3
     ['] u8forw       ctrl F bindkey  0 09BC 09BC wc,3
     ['] u8back       ctrl B bindkey  0 09C1 09C4 wc,3
     ['] ?u8del       ctrl H bindkey  0 09CD 09CD wc,3
     ['] u8eof        ctrl D bindkey  0 09E2 09E3 wc,3
     ['] <u8del>      ctrl X bindkey  0 0A01 0A02 wc,3
     ['] u8clear-tib  ctrl K bindkey  0 0A3C 0A3C wc,3
     ['] u8first-pos  ctrl A bindkey  0 0A41 0A42 wc,3
     ['] u8end-pos    ctrl E bindkey  0 0A47 0A48 wc,3
     ['] (u8enter)    #lf    bindkey  0 0A4B 0A4D wc,3
     ['] (u8enter)    #cr    bindkey  0 0A70 0A71 wc,3
     ['] u8tab-expand #tab   bindkey  0 0A81 0A82 wc,3
     ['] (u8ins)      IS insert-char  0 0ABC 0ABC wc,3
     ['] kill-prefix  IS everychar  0 0AC1 0AC5 wc,3
     ['] save-cursor  IS everyline  0 0AC7 0AC8 wc,3
     ['] u8key        IS key  0 0ACD 0ACD wc,3
     ['] u8emit       IS emit ;  0 0AE2 0AE3 wc,3
   0 0B01 0B01 wc,3
   0 0B3C 0B3C wc,3
   0 0B3F 0B3F wc,3
   0 0B41 0B43 wc,3
   0 0B4D 0B4D wc,3
   0 0B56 0B56 wc,3
   0 0B82 0B82 wc,3
   0 0BC0 0BC0 wc,3
   0 0BCD 0BCD wc,3
   0 0C3E 0C40 wc,3
   0 0C46 0C48 wc,3
   0 0C4A 0C4D wc,3
   0 0C55 0C56 wc,3
   0 0CBC 0CBC wc,3
   0 0CBF 0CBF wc,3
   0 0CC6 0CC6 wc,3
   0 0CCC 0CCD wc,3
   0 0D41 0D43 wc,3
   0 0D4D 0D4D wc,3
   0 0DCA 0DCA wc,3
   0 0DD2 0DD4 wc,3
   0 0DD6 0DD6 wc,3
   0 0E31 0E31 wc,3
   0 0E34 0E3A wc,3
   0 0E47 0E4E wc,3
   0 0EB1 0EB1 wc,3
   0 0EB4 0EB9 wc,3
   0 0EBB 0EBC wc,3
   0 0EC8 0ECD wc,3
   0 0F18 0F19 wc,3
   0 0F35 0F35 wc,3
   0 0F37 0F37 wc,3
   0 0F39 0F39 wc,3
   0 0F71 0F7E wc,3
   0 0F80 0F84 wc,3
   0 0F86 0F87 wc,3
   0 0F90 0F97 wc,3
   0 0F99 0FBC wc,3
   0 0FC6 0FC6 wc,3
   0 102D 1030 wc,3
   0 1032 1032 wc,3
   0 1036 1037 wc,3
   0 1039 1039 wc,3
   0 1058 1059 wc,3
   1 0000 1100 wc,3
   2 1100 115f wc,3
   0 1160 11FF wc,3
   0 1712 1714 wc,3
   0 1732 1734 wc,3
   0 1752 1753 wc,3
   0 1772 1773 wc,3
   0 17B4 17B5 wc,3
   0 17B7 17BD wc,3
   0 17C6 17C6 wc,3
   0 17C9 17D3 wc,3
   0 17DD 17DD wc,3
   0 180B 180D wc,3
   0 18A9 18A9 wc,3
   0 1920 1922 wc,3
   0 1927 1928 wc,3
   0 1932 1932 wc,3
   0 1939 193B wc,3
   0 200B 200F wc,3
   0 202A 202E wc,3
   0 2060 2063 wc,3
   0 206A 206F wc,3
   0 20D0 20EA wc,3
   2 2329 232A wc,3
   0 302A 302F wc,3
   2 2E80 303E wc,3
   0 3099 309A wc,3
   2 3040 A4CF wc,3
   2 AC00 D7A3 wc,3
   2 F900 FAFF wc,3
   0 FB1E FB1E wc,3
   0 FE00 FE0F wc,3
   0 FE20 FE23 wc,3
   2 FE30 FE6F wc,3
   0 FEFF FEFF wc,3
   2 FF00 FF60 wc,3
   2 FFE0 FFE6 wc,3
   0 FFF9 FFFB wc,3
   0 1D167 1D169 wc,3
   0 1D173 1D182 wc,3
   0 1D185 1D18B wc,3
   0 1D1AA 1D1AD wc,3
   2 20000 2FFFD wc,3
   2 30000 3FFFD wc,3
   0 E0001 E0001 wc,3
   0 E0020 E007F wc,3
   0 E0100 E01EF wc,3
   here wc-table - Constant #wc-table
   
   \ inefficient table walk:
   
   : wcwidth ( xc -- n )
       wc-table #wc-table over + swap ?DO
           dup I 2@ within IF  I 2 cells + @  UNLOOP EXIT  THEN
       3 cells +LOOP  1 ;
   [THEN]
       
   : u8width ( xcaddr u -- n )
       0 rot rot over + swap ?DO
           I xc@+ swap >r wcwidth +
       r> I - +LOOP ;
   
   : set-encoding-utf-8 ( -- )
       ['] u8emit is xemit
       ['] u8key is xkey
       ['] u8>> is xchar+
       ['] u8<< is xchar-
   [ [IFDEF] xstring+ ]
       ['] u8\string- is xstring-
       ['] +u8/string is +xstring
   [ [THEN] ]
   [ [IFDEF] +x/string ]
       ['] u8\string- is x\string-
       ['] +u8/string is +x/string
   [ [THEN] ]
       ['] u8@ is xc@
       ['] u8!+? is xc!+?
       ['] u8@+ is xc@+
       ['] u8len is xc-size
   [ [IFDEF] x-width ]
       ['] u8width is x-width
   [ [THEN] ]
   [ [IFDEF] x-size ]
       ['] u8addrlen is x-size
   [ [THEN] ]
       ['] -u8trailing-garbage is -trailing-garbage
   ;
   
   : utf-8-cold ( -- )
       s" LC_ALL" getenv 2dup d0= IF  2drop
           s" LC_CTYPE" getenv 2dup d0= IF  2drop
               s" LANG" getenv 2dup d0= IF  2drop
                   s" C"  THEN THEN THEN
       s" UTF-8" search nip nip
       IF  set-encoding-utf-8  ELSE  set-encoding-fixed-width  THEN ;
   
   environment-wordlist set-current
   : xchar-encoding ( -- addr u ) \ xchar-ext
       \G Returns a printable ASCII string that reperesents the encoding,
       \G and use the preferred MIME name (if any) or the name in
       \G @url{http://www.iana.org/assignments/character-sets} like
       \G ``ISO-LATIN-1'' or ``UTF-8'', with the exception of ``ASCII'', where
       \G we prefer the alias ``ASCII''.
       max-single-byte $80 = IF s" UTF-8" ELSE s" ISO-LATIN-1" THEN ;
   forth definitions
   
   :noname ( -- )
       defers 'cold
       utf-8-cold
   ; is 'cold
   
   utf-8-cold

Removed from v.1.12  
changed lines
  Added in v.1.32


FreeBSD-CVSweb <freebsd-cvsweb@FreeBSD.org>