xref: /dflybsd-src/contrib/mdocml/preconv.c (revision 54ba96075f5891e4574304da6ba88f1a1afe520b)
1*54ba9607SSascha Wildner /*	$Id: preconv.c,v 1.17 2018/12/13 11:55:47 schwarze Exp $ */
2a4c7eb57SSascha Wildner /*
3a4c7eb57SSascha Wildner  * Copyright (c) 2011 Kristaps Dzonsons <kristaps@bsd.lv>
4*54ba9607SSascha Wildner  * Copyright (c) 2014 Ingo Schwarze <schwarze@openbsd.org>
5a4c7eb57SSascha Wildner  *
6a4c7eb57SSascha Wildner  * Permission to use, copy, modify, and distribute this software for any
7a4c7eb57SSascha Wildner  * purpose with or without fee is hereby granted, provided that the above
8a4c7eb57SSascha Wildner  * copyright notice and this permission notice appear in all copies.
9a4c7eb57SSascha Wildner  *
10a4c7eb57SSascha Wildner  * THE SOFTWARE IS PROVIDED "AS IS" AND THE AUTHOR DISCLAIMS ALL WARRANTIES
11a4c7eb57SSascha Wildner  * WITH REGARD TO THIS SOFTWARE INCLUDING ALL IMPLIED WARRANTIES OF
12a4c7eb57SSascha Wildner  * MERCHANTABILITY AND FITNESS. IN NO EVENT SHALL THE AUTHOR BE LIABLE FOR
13a4c7eb57SSascha Wildner  * ANY SPECIAL, DIRECT, INDIRECT, OR CONSEQUENTIAL DAMAGES OR ANY DAMAGES
14a4c7eb57SSascha Wildner  * WHATSOEVER RESULTING FROM LOSS OF USE, DATA OR PROFITS, WHETHER IN AN
15a4c7eb57SSascha Wildner  * ACTION OF CONTRACT, NEGLIGENCE OR OTHER TORTIOUS ACTION, ARISING OUT OF
16a4c7eb57SSascha Wildner  * OR IN CONNECTION WITH THE USE OR PERFORMANCE OF THIS SOFTWARE.
17a4c7eb57SSascha Wildner  */
18a4c7eb57SSascha Wildner #include "config.h"
19a4c7eb57SSascha Wildner 
20*54ba9607SSascha Wildner #include <sys/types.h>
21a4c7eb57SSascha Wildner 
22a4c7eb57SSascha Wildner #include <assert.h>
23a4c7eb57SSascha Wildner #include <stdio.h>
24a4c7eb57SSascha Wildner #include <string.h>
25a4c7eb57SSascha Wildner 
26*54ba9607SSascha Wildner #include "mandoc.h"
27*54ba9607SSascha Wildner #include "roff.h"
28*54ba9607SSascha Wildner #include "mandoc_parse.h"
29*54ba9607SSascha Wildner #include "libmandoc.h"
30a4c7eb57SSascha Wildner 
31*54ba9607SSascha Wildner int
preconv_encode(const struct buf * ib,size_t * ii,struct buf * ob,size_t * oi,int * filenc)32*54ba9607SSascha Wildner preconv_encode(const struct buf *ib, size_t *ii, struct buf *ob, size_t *oi,
33*54ba9607SSascha Wildner     int *filenc)
34a4c7eb57SSascha Wildner {
35*54ba9607SSascha Wildner 	const unsigned char	*cu;
36*54ba9607SSascha Wildner 	int			 nby;
37a4c7eb57SSascha Wildner 	unsigned int		 accum;
38a4c7eb57SSascha Wildner 
39*54ba9607SSascha Wildner 	cu = (const unsigned char *)ib->buf + *ii;
40*54ba9607SSascha Wildner 	assert(*cu & 0x80);
41a4c7eb57SSascha Wildner 
42*54ba9607SSascha Wildner 	if ( ! (*filenc & MPARSE_UTF8))
43*54ba9607SSascha Wildner 		goto latin;
44a4c7eb57SSascha Wildner 
45*54ba9607SSascha Wildner 	nby = 1;
46*54ba9607SSascha Wildner 	while (nby < 5 && *cu & (1 << (7 - nby)))
47*54ba9607SSascha Wildner 		nby++;
48a4c7eb57SSascha Wildner 
49*54ba9607SSascha Wildner 	switch (nby) {
50*54ba9607SSascha Wildner 	case 2:
51*54ba9607SSascha Wildner 		accum = *cu & 0x1f;
52*54ba9607SSascha Wildner 		if (accum < 0x02)  /* Obfuscated ASCII. */
53*54ba9607SSascha Wildner 			goto latin;
54a4c7eb57SSascha Wildner 		break;
55*54ba9607SSascha Wildner 	case 3:
56*54ba9607SSascha Wildner 		accum = *cu & 0x0f;
57*54ba9607SSascha Wildner 		break;
58*54ba9607SSascha Wildner 	case 4:
59*54ba9607SSascha Wildner 		accum = *cu & 0x07;
60*54ba9607SSascha Wildner 		if (accum > 0x04) /* Beyond Unicode. */
61*54ba9607SSascha Wildner 			goto latin;
62*54ba9607SSascha Wildner 		break;
63*54ba9607SSascha Wildner 	default:  /* Bad sequence header. */
64*54ba9607SSascha Wildner 		goto latin;
65*54ba9607SSascha Wildner 	}
66a4c7eb57SSascha Wildner 
67*54ba9607SSascha Wildner 	cu++;
68*54ba9607SSascha Wildner 	switch (nby) {
69*54ba9607SSascha Wildner 	case 3:
70*54ba9607SSascha Wildner 		if ((accum == 0x00 && ! (*cu & 0x20)) ||  /* Use 2-byte. */
71*54ba9607SSascha Wildner 		    (accum == 0x0d && *cu & 0x20))  /* Surrogates. */
72*54ba9607SSascha Wildner 			goto latin;
73a4c7eb57SSascha Wildner 		break;
74*54ba9607SSascha Wildner 	case 4:
75*54ba9607SSascha Wildner 		if ((accum == 0x00 && ! (*cu & 0x30)) ||  /* Use 3-byte. */
76*54ba9607SSascha Wildner 		    (accum == 0x04 && *cu & 0x30))  /* Beyond Unicode. */
77*54ba9607SSascha Wildner 			goto latin;
78a4c7eb57SSascha Wildner 		break;
79a4c7eb57SSascha Wildner 	default:
80a4c7eb57SSascha Wildner 		break;
81a4c7eb57SSascha Wildner 	}
82a4c7eb57SSascha Wildner 
83*54ba9607SSascha Wildner 	while (--nby) {
84*54ba9607SSascha Wildner 		if ((*cu & 0xc0) != 0x80)  /* Invalid continuation. */
85*54ba9607SSascha Wildner 			goto latin;
86*54ba9607SSascha Wildner 		accum <<= 6;
87*54ba9607SSascha Wildner 		accum += *cu & 0x3f;
88*54ba9607SSascha Wildner 		cu++;
89a4c7eb57SSascha Wildner 	}
90a4c7eb57SSascha Wildner 
91*54ba9607SSascha Wildner 	assert(accum > 0x7f);
92*54ba9607SSascha Wildner 	assert(accum < 0x110000);
93*54ba9607SSascha Wildner 	assert(accum < 0xd800 || accum > 0xdfff);
94*54ba9607SSascha Wildner 
95*54ba9607SSascha Wildner 	*oi += snprintf(ob->buf + *oi, 11, "\\[u%.4X]", accum);
96*54ba9607SSascha Wildner 	*ii = (const char *)cu - ib->buf;
97*54ba9607SSascha Wildner 	*filenc &= ~MPARSE_LATIN1;
98*54ba9607SSascha Wildner 	return 1;
99*54ba9607SSascha Wildner 
100*54ba9607SSascha Wildner latin:
101*54ba9607SSascha Wildner 	if ( ! (*filenc & MPARSE_LATIN1))
102*54ba9607SSascha Wildner 		return 0;
103*54ba9607SSascha Wildner 
104*54ba9607SSascha Wildner 	*oi += snprintf(ob->buf + *oi, 11,
105*54ba9607SSascha Wildner 	    "\\[u%.4X]", (unsigned char)ib->buf[(*ii)++]);
106*54ba9607SSascha Wildner 
107*54ba9607SSascha Wildner 	*filenc &= ~MPARSE_UTF8;
108*54ba9607SSascha Wildner 	return 1;
109a4c7eb57SSascha Wildner }
110a4c7eb57SSascha Wildner 
111*54ba9607SSascha Wildner int
preconv_cue(const struct buf * b,size_t offset)112*54ba9607SSascha Wildner preconv_cue(const struct buf *b, size_t offset)
113a4c7eb57SSascha Wildner {
114a4c7eb57SSascha Wildner 	const char	*ln, *eoln, *eoph;
115*54ba9607SSascha Wildner 	size_t		 sz, phsz;
116a4c7eb57SSascha Wildner 
117*54ba9607SSascha Wildner 	ln = b->buf + offset;
118*54ba9607SSascha Wildner 	sz = b->sz - offset;
119a4c7eb57SSascha Wildner 
120a4c7eb57SSascha Wildner 	/* Look for the end-of-line. */
121a4c7eb57SSascha Wildner 
122a4c7eb57SSascha Wildner 	if (NULL == (eoln = memchr(ln, '\n', sz)))
123*54ba9607SSascha Wildner 		eoln = ln + sz;
124a4c7eb57SSascha Wildner 
125a4c7eb57SSascha Wildner 	/* Check if we have the correct header/trailer. */
126a4c7eb57SSascha Wildner 
127a4c7eb57SSascha Wildner 	if ((sz = (size_t)(eoln - ln)) < 10 ||
128*54ba9607SSascha Wildner 	    memcmp(ln, ".\\\" -*-", 7) || memcmp(eoln - 3, "-*-", 3))
129*54ba9607SSascha Wildner 		return MPARSE_UTF8 | MPARSE_LATIN1;
130a4c7eb57SSascha Wildner 
131a4c7eb57SSascha Wildner 	/* Move after the header and adjust for the trailer. */
132a4c7eb57SSascha Wildner 
133a4c7eb57SSascha Wildner 	ln += 7;
134a4c7eb57SSascha Wildner 	sz -= 10;
135a4c7eb57SSascha Wildner 
136a4c7eb57SSascha Wildner 	while (sz > 0) {
137a4c7eb57SSascha Wildner 		while (sz > 0 && ' ' == *ln) {
138a4c7eb57SSascha Wildner 			ln++;
139a4c7eb57SSascha Wildner 			sz--;
140a4c7eb57SSascha Wildner 		}
141a4c7eb57SSascha Wildner 		if (0 == sz)
142a4c7eb57SSascha Wildner 			break;
143a4c7eb57SSascha Wildner 
144a4c7eb57SSascha Wildner 		/* Find the end-of-phrase marker (or eoln). */
145a4c7eb57SSascha Wildner 
146a4c7eb57SSascha Wildner 		if (NULL == (eoph = memchr(ln, ';', sz)))
147a4c7eb57SSascha Wildner 			eoph = eoln - 3;
148a4c7eb57SSascha Wildner 		else
149a4c7eb57SSascha Wildner 			eoph++;
150a4c7eb57SSascha Wildner 
151a4c7eb57SSascha Wildner 		/* Only account for the "coding" phrase. */
152a4c7eb57SSascha Wildner 
153*54ba9607SSascha Wildner 		if ((phsz = eoph - ln) < 7 ||
154a4c7eb57SSascha Wildner 		    strncasecmp(ln, "coding:", 7)) {
155a4c7eb57SSascha Wildner 			sz -= phsz;
156a4c7eb57SSascha Wildner 			ln += phsz;
157a4c7eb57SSascha Wildner 			continue;
158a4c7eb57SSascha Wildner 		}
159a4c7eb57SSascha Wildner 
160a4c7eb57SSascha Wildner 		sz -= 7;
161a4c7eb57SSascha Wildner 		ln += 7;
162a4c7eb57SSascha Wildner 
163a4c7eb57SSascha Wildner 		while (sz > 0 && ' ' == *ln) {
164a4c7eb57SSascha Wildner 			ln++;
165a4c7eb57SSascha Wildner 			sz--;
166a4c7eb57SSascha Wildner 		}
167a4c7eb57SSascha Wildner 		if (0 == sz)
168*54ba9607SSascha Wildner 			return 0;
169a4c7eb57SSascha Wildner 
170a4c7eb57SSascha Wildner 		/* Check us against known encodings. */
171a4c7eb57SSascha Wildner 
172*54ba9607SSascha Wildner 		if (phsz > 4 && !strncasecmp(ln, "utf-8", 5))
173*54ba9607SSascha Wildner 			return MPARSE_UTF8;
174*54ba9607SSascha Wildner 		if (phsz > 10 && !strncasecmp(ln, "iso-latin-1", 11))
175*54ba9607SSascha Wildner 			return MPARSE_LATIN1;
176*54ba9607SSascha Wildner 		return 0;
177a4c7eb57SSascha Wildner 	}
178*54ba9607SSascha Wildner 	return MPARSE_UTF8 | MPARSE_LATIN1;
179a4c7eb57SSascha Wildner }
180