--- gforth/utf-8.fs	2005/01/10 10:30:55	1.14
+++ gforth/utf-8.fs	2006/12/31 13:39:14	1.25
@@ -1,6 +1,6 @@
 \ 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.
 
@@ -27,11 +27,12 @@ $80 Value max-single-byte
 : u8len ( u8 -- n )
     dup      max-single-byte u< IF  drop 1  EXIT  THEN \ special case ASCII
     $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> ;
 
 : u8@+ ( u8addr -- u8addr' u )
     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
     BEGIN  dup r@ and  WHILE  r@ xor
 	    6 lshift r> 5 lshift >r >r count
@@ -56,7 +57,7 @@ $80 Value max-single-byte
 
 :noname  ( addr u -- char addr' u' )
     \ !! 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
     over + >r u8@+ swap r> over - ; IS char@
 
@@ -72,6 +73,7 @@ $80 Value max-single-byte
 
 : u8key ( -- u )
     defers key dup max-single-byte u< ?EXIT  \ special case ASCII
+    dup $C2 u< IF  UTF-8-err throw  THEN  \ malformed character
     $7F and  $40 >r
     BEGIN  dup r@ and  WHILE  r@ xor
 	    6 lshift r> 5 lshift >r >r defers key
@@ -126,6 +128,160 @@ $80 Value max-single-byte
 	nip nip over -
     then ;
 
+[IFUNDEF] wcwidth
+: 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]
+    
+: 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
@@ -137,6 +293,23 @@ $80 Value max-single-byte
     ['] u8!+? is xc!+?
     ['] u8@+ is xc@+
     ['] u8len is xc-size
+[ [IFDEF] x-width ]
+    ['] u8width is x-width
+[ [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 ;
+
+:noname ( -- )
+    defers 'cold
+    utf-8-cold
+; is 'cold
+
+utf-8-cold