--- gforth/utf-8.fs 2007/12/31 18:40:24 1.34 +++ gforth/utf-8.fs 2011/12/31 15:29:25 1.44 @@ -1,6 +1,6 @@ \ UTF-8 handling 12dec04py -\ Copyright (C) 2004,2005,2006,2007 Free Software Foundation, Inc. +\ Copyright (C) 2004,2005,2006,2007,2008,2009,2010,2011 Free Software Foundation, Inc. \ This file is part of Gforth. @@ -73,23 +73,23 @@ $80 Value max-single-byte Defer check-xy ' noop IS check-xy : u8key ( -- u ) - defers key dup max-single-byte u< ?EXIT \ special case ASCII + 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 BEGIN dup r@ and WHILE r@ xor - 6 lshift r> 5 lshift >r >r defers key + 6 lshift r> 5 lshift >r >r key dup $C0 and $80 <> IF UTF-8-err throw THEN $3F and r> or REPEAT rdrop ; : u8emit ( u -- ) - dup max-single-byte u< IF defers emit EXIT THEN \ special case ASCII + dup max-single-byte u< IF emit EXIT THEN \ special case ASCII 0 swap $3F BEGIN 2dup u> WHILE 2/ >r dup $3F and $80 or swap 6 rshift r> REPEAT $7F xor 2* or - BEGIN dup $80 u>= WHILE defers emit REPEAT drop ; + BEGIN dup $80 u>= WHILE emit REPEAT drop ; \ utf-8 stuff for xchars @@ -119,7 +119,8 @@ Defer check-xy ' noop IS check-xy dup $f8 u< if drop 4 exit endif dup $fc u< if drop 5 exit endif dup $fe u< if drop 6 exit endif - UTF-8-err throw ; + dup $ff u< if drop 7 exit endif + drop 8 ; : -u8trailing-garbage ( addr u1 -- addr u2 ) 2dup + dup u8<< ( addr u1 end1 end2 ) @@ -133,154 +134,156 @@ Defer check-xy ' noop IS check-xy : 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 +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 ) +: xc-width ( xc -- n ) wc-table #wc-table over + swap ?DO dup I 2@ within IF I 2 cells + @ UNLOOP EXIT THEN 3 cells +LOOP 1 ; +[ELSE] + ' wcwidth Alias xc-width [THEN] : u8width ( xcaddr u -- n ) 0 rot rot over + swap ?DO - I xc@+ swap >r wcwidth + + I xc@+ swap >r xc-width + r> I - +LOOP ; : set-encoding-utf-8 ( -- ) @@ -297,6 +300,9 @@ here wc-table - Constant #wc-table ['] +u8/string is +x/string [ [THEN] ] ['] u8@ is xc@ +[ [IFDEF] xc!+ ] + ['] u8!+ is xc!+ +[ [THEN] ] ['] u8!+? is xc!+? ['] u8@+ is xc@+ ['] u8len is xc-size @@ -325,6 +331,9 @@ environment-wordlist set-current \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 ; +: max-xchar ( -- xchar ) + max-single-byte $80 = IF $7FFFFFFF ELSE $FF THEN ; +' noop Alias X:xchar forth definitions :noname ( -- )