Diff for /gforth/utf-8.fs between versions 1.22 and 1.32

version 1.22, 2006/02/20 08:22:28 version 1.32, 2007/10/17 16:05:22
Line 1 Line 1
 \ UTF-8 handling                                       12dec04py  \ UTF-8 handling                                       12dec04py
   
 \ Copyright (C) 2004,2005 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 57  $80 Value max-single-byte Line 57  $80 Value max-single-byte
   
 :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@
   
Line 71  $80 Value max-single-byte Line 71  $80 Value max-single-byte
   
 \ utf key and emit  \ utf key and emit
   
   Defer check-xy  ' noop IS check-xy
   
 : u8key ( -- u )  : u8key ( -- u )
     defers key dup max-single-byte 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      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
Line 91  $80 Value max-single-byte Line 94  $80 Value max-single-byte
   
 \ utf-8 stuff for xchars  \ utf-8 stuff for xchars
   
 : +u8/string ( c-addr1 u1 -- c-addr2 u2 )  : +u8/string ( xc-addr1 u1 -- xc-addr2 u2 )
     over dup u8>> swap - /string ;      over dup u8>> swap - /string ;
   : u8\string- ( xcaddr u -- xcaddr u' )
 : -u8/string ( c-addr1 u1 -- c-addr2 u2 )      over + u8<< over - ;
     over dup u8<< swap - /string ;  
   
 : u8@ ( c-addr -- u )  : u8@ ( c-addr -- u )
     u8@+ nip ;      u8@+ nip ;
Line 108  $80 Value max-single-byte Line 110  $80 Value max-single-byte
         >r u8!+ r> r> swap - true          >r u8!+ r> r> swap - true
     then ;      then ;
   
 : u8addrlen ( u8-addr -- u )  : u8addrlen ( u8-addr u -- u )  drop
     \ length of UTF-8 char starting at u8-addr (accesses only u8-addr)      \ length of UTF-8 char starting at u8-addr (accesses only u8-addr)
     c@      c@
     dup $80 u< if drop 1 exit endif      dup $80 u< if drop 1 exit endif
Line 122  $80 Value max-single-byte Line 124  $80 Value max-single-byte
   
 : -u8trailing-garbage ( addr u1 -- addr u2 )  : -u8trailing-garbage ( addr u1 -- addr u2 )
     2dup + dup u8<< ( addr u1 end1 end2 )      2dup + dup u8<< ( addr u1 end1 end2 )
     2dup dup u8addrlen + = if \ last character ok      2dup dup over over - u8addrlen + = if \ last character ok
         2drop          2drop
     else      else
         nip nip over -          nip nip over -
     then ;      then ;
   
 [IFUNDEF] wcwidth  [IFUNDEF] wcwidth
     : wcwidth abort ;  : wc,3 ( n low high -- )  1+ , , , ;
   
   Create wc-table \ derived from wcwidth source code, for UCS32
   0 0300 0357 wc,3
   0 035D 036F wc,3
   0 0483 0486 wc,3
   0 0488 0489 wc,3
   0 0591 05A1 wc,3
   0 05A3 05B9 wc,3
   0 05BB 05BD wc,3
   0 05BF 05BF wc,3
   0 05C1 05C2 wc,3
   0 05C4 05C4 wc,3
   0 0600 0603 wc,3
   0 0610 0615 wc,3
   0 064B 0658 wc,3
   0 0670 0670 wc,3
   0 06D6 06E4 wc,3
   0 06E7 06E8 wc,3
   0 06EA 06ED wc,3
   0 070F 070F wc,3
   0 0711 0711 wc,3
   0 0730 074A wc,3
   0 07A6 07B0 wc,3
   0 0901 0902 wc,3
   0 093C 093C wc,3
   0 0941 0948 wc,3
   0 094D 094D wc,3
   0 0951 0954 wc,3
   0 0962 0963 wc,3
   0 0981 0981 wc,3
   0 09BC 09BC wc,3
   0 09C1 09C4 wc,3
   0 09CD 09CD wc,3
   0 09E2 09E3 wc,3
   0 0A01 0A02 wc,3
   0 0A3C 0A3C wc,3
   0 0A41 0A42 wc,3
   0 0A47 0A48 wc,3
   0 0A4B 0A4D wc,3
   0 0A70 0A71 wc,3
   0 0A81 0A82 wc,3
   0 0ABC 0ABC wc,3
   0 0AC1 0AC5 wc,3
   0 0AC7 0AC8 wc,3
   0 0ACD 0ACD wc,3
   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]  [THEN]
           
 : u8width ( xcaddr u -- n )  : u8width ( xcaddr u -- n )
Line 142  $80 Value max-single-byte Line 289  $80 Value max-single-byte
     ['] u8key is xkey      ['] u8key is xkey
     ['] u8>> is xchar+      ['] u8>> is xchar+
     ['] 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      ['] +u8/string is +x/string
     ['] -u8/string is -x/string  [ [THEN] ]
     ['] u8@ is xc@      ['] u8@ is xc@
     ['] u8!+? is xc!+?      ['] u8!+? is xc!+?
     ['] u8@+ is xc@+      ['] u8@+ is xc@+
Line 151  $80 Value max-single-byte Line 304  $80 Value max-single-byte
 [ [IFDEF] x-width ]  [ [IFDEF] x-width ]
     ['] u8width is x-width      ['] u8width is x-width
 [ [THEN] ]  [ [THEN] ]
   [ [IFDEF] x-size ]
       ['] u8addrlen is x-size
   [ [THEN] ]
     ['] -u8trailing-garbage is -trailing-garbage      ['] -u8trailing-garbage is -trailing-garbage
 ;  ;
   
Line 162  $80 Value max-single-byte Line 318  $80 Value max-single-byte
     s" UTF-8" search nip nip      s" UTF-8" search nip nip
     IF  set-encoding-utf-8  ELSE  set-encoding-fixed-width  THEN ;      IF  set-encoding-utf-8  ELSE  set-encoding-fixed-width  THEN ;
   
 ' utf-8-cold INIT8 chained  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  utf-8-cold

Removed from v.1.22  
changed lines
  Added in v.1.32


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