]> git.cameronkatri.com Git - mandoc.git/blobdiff - preconv.c
git.ckatri.com / mandoc.git / blobdiff
? search:
summary | shortlog | log | commit | commitdiff | tree
raw | inline | side by side
If PATH_INFO contains a complete and correct path to a manual page
[mandoc.git] / preconv.c
diff --git a/preconv.c b/preconv.c
index ce091ec88afc126ed13cff45786f392b361f5c24..1fc137a9640debca69e4d58312735b2f7dd8f6d9 100644 (file)
--- a/preconv.c
+++ b/preconv.c
@@ -1,6 +1,7 @@
-/*     $Id: preconv.c,v 1.1 2011/05/26 00:30:11 kristaps Exp $ */
+/*     $Id: preconv.c,v 1.15 2015/10/06 18:32:19 schwarze Exp $ */
 /*
  * Copyright (c) 2011 Kristaps Dzonsons <kristaps@bsd.lv>
 /*
  * Copyright (c) 2011 Kristaps Dzonsons <kristaps@bsd.lv>
+ * Copyright (c) 2014 Ingo Schwarze <schwarze@openbsd.org>
  *
  * Permission to use, copy, modify, and distribute this software for any
  * purpose with or without fee is hereby granted, provided that the above
  *
  * Permission to use, copy, modify, and distribute this software for any
  * purpose with or without fee is hereby granted, provided that the above
@@ -14,303 +15,162 @@
  * ACTION OF CONTRACT, NEGLIGENCE OR OTHER TORTIOUS ACTION, ARISING OUT OF
  * OR IN CONNECTION WITH THE USE OR PERFORMANCE OF THIS SOFTWARE.
  */
  * ACTION OF CONTRACT, NEGLIGENCE OR OTHER TORTIOUS ACTION, ARISING OUT OF
  * OR IN CONNECTION WITH THE USE OR PERFORMANCE OF THIS SOFTWARE.
  */
-#ifdef HAVE_CONFIG_H
 #include "config.h"
 #include "config.h"
-#endif
 
 
-#include <sys/stat.h>
-#include <sys/mman.h>
+#include <sys/types.h>
 
 #include <assert.h>
 
 #include <assert.h>
-#include <fcntl.h>
 #include <stdio.h>
 #include <stdio.h>
-#include <stdlib.h>
 #include <string.h>
 #include <string.h>
-#include <unistd.h>
+#include "mandoc.h"
+#include "libmandoc.h"
 
 
-/* 
- * The read_whole_file() and resize_buf() functions are copied from
- * read.c, including all dependency code (MAP_FILE, etc.).
- */
-
-#ifndef MAP_FILE
-#define        MAP_FILE        0
-#endif
-
-enum   enc {
-       ENC_UTF_8, /* UTF-8 */
-       ENC_US_ASCII, /* US-ASCII */
-       ENC_LATIN_1, /* Latin-1 */
-       ENC__MAX
-};
-
-struct buf {
-       char             *buf; /* binary input buffer */
-       size_t            sz; /* size of binary buffer */
-       size_t            offs; /* starting buffer offset */
-};
-
-struct encode {
-       const char       *name;
-       int             (*conv)(const struct buf *);
-};
-
-static int      conv_latin_1(const struct buf *);
-static int      conv_us_ascii(const struct buf *);
-static int      conv_utf_8(const struct buf *);
-static int      read_whole_file(const char *, int, 
-                       struct buf *, int *);
-static void     resize_buf(struct buf *, size_t);
-static void     usage(void);
-
-static const struct encode encs[ENC__MAX] = {
-       { "utf-8", conv_utf_8 }, /* ENC_UTF_8 */
-       { "us-ascii", conv_us_ascii }, /* ENC_US_ASCII */
-       { "latin-1", conv_latin_1 }, /* ENC_LATIN_1 */
-};
-
-static const char       *progname;
-
-static void
-usage(void)
-{
-
-       fprintf(stderr, "usage: %s "
-                       "[-D enc] "
-                       "[-e ENC] "
-                       "[file]\n", progname);
-}
-
-static int
-conv_latin_1(const struct buf *b)
+int
+preconv_encode(struct buf *ib, size_t *ii, struct buf *ob, size_t *oi,
+    int *filenc)
 {
 {
-       size_t           i;
-       unsigned char    c;
-       const char      *cp;
-
-       cp = b->buf + (int)b->offs;
-
-       /*
-        * Latin-1 falls into the first 256 code-points of Unicode, so
-        * there's no need for any sort of translation.  Just make the
-        * 8-bit characters use the Unicode escape.
-        */
+       unsigned char   *cu;
+       int              nby;
+       unsigned int     accum;
+
+       cu = (unsigned char *)ib->buf + *ii;
+       assert(*cu & 0x80);
+
+       if ( ! (*filenc & MPARSE_UTF8))
+               goto latin;
+
+       nby = 1;
+       while (nby < 5 && *cu & (1 << (7 - nby)))
+               nby++;
+
+       switch (nby) {
+       case 2:
+               accum = *cu & 0x1f;
+               if (accum < 0x02)  /* Obfuscated ASCII. */
+                       goto latin;
+               break;
+       case 3:
+               accum = *cu & 0x0f;
+               break;
+       case 4:
+               accum = *cu & 0x07;
+               if (accum > 0x04) /* Beyond Unicode. */
+                       goto latin;
+               break;
+       default:  /* Bad sequence header. */
+               goto latin;
+       }
 
 
-       for (i = b->offs; i < b->sz; i++) {
-               c = (unsigned char)*cp++;
-               c < 128 ? putchar(c) : printf("\\[u%.4X]", c);
+       cu++;
+       switch (nby) {
+       case 3:
+               if ((accum == 0x00 && ! (*cu & 0x20)) ||  /* Use 2-byte. */
+                   (accum == 0x0d && *cu & 0x20))  /* Surrogates. */
+                       goto latin;
+               break;
+       case 4:
+               if ((accum == 0x00 && ! (*cu & 0x30)) ||  /* Use 3-byte. */
+                   (accum == 0x04 && *cu & 0x30))  /* Beyond Unicode. */
+                       goto latin;
+               break;
+       default:
+               break;
        }
 
        }
 
-       return(1);
-}
+       while (--nby) {
+               if ((*cu & 0xc0) != 0x80)  /* Invalid continuation. */
+                       goto latin;
+               accum <<= 6;
+               accum += *cu & 0x3f;
+               cu++;
+       }
 
 
-static int
-conv_us_ascii(const struct buf *b)
-{
+       assert(accum > 0x7f);
+       assert(accum < 0x110000);
+       assert(accum < 0xd800 || accum > 0xdfff);
 
 
-       /*
-        * US-ASCII has no conversion since it falls into the first 128
-        * bytes of Unicode.
-        */
+       *oi += snprintf(ob->buf + *oi, 11, "\\[u%.4X]", accum);
+       *ii = (char *)cu - ib->buf;
+       *filenc &= ~MPARSE_LATIN1;
+       return 1;
 
 
-       fwrite(b->buf, 1, b->sz, stdout);
-       return(1);
-}
+latin:
+       if ( ! (*filenc & MPARSE_LATIN1))
+               return 0;
 
 
-static int
-conv_utf_8(const struct buf *b)
-{
+       *oi += snprintf(ob->buf + *oi, 11,
+           "\\[u%.4X]", (unsigned char)ib->buf[(*ii)++]);
 
 
-       return(1);
+       *filenc &= ~MPARSE_UTF8;
+       return 1;
 }
 
 }
 
-static void
-resize_buf(struct buf *buf, size_t initial)
+int
+preconv_cue(const struct buf *b, size_t offset)
 {
 {
+       const char      *ln, *eoln, *eoph;
+       size_t           sz, phsz;
 
 
-       buf->sz = buf->sz > initial / 2 ? 
-               2 * buf->sz : initial;
+       ln = b->buf + offset;
+       sz = b->sz - offset;
 
 
-       buf->buf = realloc(buf->buf, buf->sz);
-       if (NULL == buf->buf) {
-               perror(NULL);
-               exit(EXIT_FAILURE);
-       }
-}
-
-static int
-read_whole_file(const char *f, int fd, 
-               struct buf *fb, int *with_mmap)
-{
-       struct stat      st;
-       size_t           off;
-       ssize_t          ssz;
+       /* Look for the end-of-line. */
 
 
-       if (-1 == fstat(fd, &st)) {
-               perror(f);
-               return(0);
-       }
+       if (NULL == (eoln = memchr(ln, '\n', sz)))
+               eoln = ln + sz;
 
 
-       /*
-        * If we're a regular file, try just reading in the whole entry
-        * via mmap().  This is faster than reading it into blocks, and
-        * since each file is only a few bytes to begin with, I'm not
-        * concerned that this is going to tank any machines.
-        */
+       /* Check if we have the correct header/trailer. */
 
 
-       if (S_ISREG(st.st_mode) && st.st_size >= (1U << 31)) {
-               fprintf(stderr, "%s: input too large\n", f);
-               return(0);
-       } 
-       
-       if (S_ISREG(st.st_mode)) {
-               *with_mmap = 1;
-               fb->sz = (size_t)st.st_size;
-               fb->buf = mmap(NULL, fb->sz, PROT_READ, 
-                               MAP_FILE|MAP_SHARED, fd, 0);
-               if (fb->buf != MAP_FAILED)
-                       return(1);
-       }
+       if ((sz = (size_t)(eoln - ln)) < 10 ||
+           memcmp(ln, ".\\\" -*-", 7) || memcmp(eoln - 3, "-*-", 3))
+               return MPARSE_UTF8 | MPARSE_LATIN1;
 
 
-       /*
-        * If this isn't a regular file (like, say, stdin), then we must
-        * go the old way and just read things in bit by bit.
-        */
+       /* Move after the header and adjust for the trailer. */
 
 
-       *with_mmap = 0;
-       off = 0;
-       fb->sz = 0;
-       fb->buf = NULL;
-       for (;;) {
-               if (off == fb->sz && fb->sz == (1U << 31)) {
-                       fprintf(stderr, "%s: input too large\n", f);
-                       break;
-               } 
-               
-               if (off == fb->sz)
-                       resize_buf(fb, 65536);
+       ln += 7;
+       sz -= 10;
 
 
-               ssz = read(fd, fb->buf + (int)off, fb->sz - off);
-               if (ssz == 0) {
-                       fb->sz = off;
-                       return(1);
+       while (sz > 0) {
+               while (sz > 0 && ' ' == *ln) {
+                       ln++;
+                       sz--;
                }
                }
-               if (ssz == -1) {
-                       perror(f);
+               if (0 == sz)
                        break;
                        break;
-               }
-               off += (size_t)ssz;
-       }
 
 
-       free(fb->buf);
-       fb->buf = NULL;
-       return(0);
-}
+               /* Find the end-of-phrase marker (or eoln). */
 
 
-int
-main(int argc, char *argv[])
-{
-       int              i, ch, map, fd, rc;
-       struct buf       buf;
-       const char      *fn;
-       enum enc         enc, def;
-       extern int       optind;
-       extern char     *optarg;
+               if (NULL == (eoph = memchr(ln, ';', sz)))
+                       eoph = eoln - 3;
+               else
+                       eoph++;
 
 
-       progname = strrchr(argv[0], '/');
-       if (progname == NULL)
-               progname = argv[0];
-       else
-               ++progname;
+               /* Only account for the "coding" phrase. */
 
 
-       fn = "<stdin>";
-       fd = STDIN_FILENO;
-       rc = EXIT_FAILURE;
-       enc = def = ENC__MAX;
-       map = 0;
-
-       memset(&buf, 0, sizeof(struct buf));
-
-       while (-1 != (ch = getopt(argc, argv, "D:e:rdvh")))
-               switch (ch) {
-               case ('D'):
-                       /* FALLTHROUGH */
-               case ('e'):
-                       for (i = 0; i < ENC__MAX; i++) {
-                               if (strcasecmp(optarg, encs[i].name))
-                                       continue;
-                               break;
-                       }
-                       if (i < ENC__MAX) {
-                               if ('D' == ch)
-                                       def = (enum enc)i;
-                               else
-                                       enc = (enum enc)i;
-                               break;
-                       }
-
-                       fprintf(stderr, "%s: Bad encoding\n", optarg);
-                       return(EXIT_FAILURE);
-               case ('r'):
-                       /* FALLTHROUGH */
-               case ('d'):
-                       /* FALLTHROUGH */
-               case ('v'):
-                       /* Compatibility with GNU preconv. */
-                       break;
-               case ('h'):
-                       /* Compatibility with GNU preconv. */
-                       /* FALLTHROUGH */
-               default:
-                       usage();
-                       return(EXIT_FAILURE);
+               if ((phsz = eoph - ln) < 7 ||
+                   strncasecmp(ln, "coding:", 7)) {
+                       sz -= phsz;
+                       ln += phsz;
+                       continue;
                }
 
                }
 
-       argc -= optind;
-       argv += optind;
-       
-       /* 
-        * Open and read the first argument on the command-line.
-        * If we don't have one, we default to stdin.
-        */
+               sz -= 7;
+               ln += 7;
 
 
-       if (argc > 0) {
-               fn = *argv;
-               fd = open(fn, O_RDONLY, 0);
-               if (-1 == fd) {
-                       perror(fn);
-                       return(EXIT_FAILURE);
+               while (sz > 0 && ' ' == *ln) {
+                       ln++;
+                       sz--;
                }
                }
-       }
+               if (0 == sz)
+                       return 0;
 
 
-       if ( ! read_whole_file(fn, fd, &buf, &map))
-               goto out;
+               /* Check us against known encodings. */
 
 
-       if (ENC__MAX == enc) {
-               /* TODO: search for BOM. */
+               if (phsz > 4 && !strncasecmp(ln, "utf-8", 5))
+                       return MPARSE_UTF8;
+               if (phsz > 10 && !strncasecmp(ln, "iso-latin-1", 11))
+                       return MPARSE_LATIN1;
+               return 0;
        }
        }
-
-       /*
-        * No encoding has been detected.
-        * Thus, we either fall into our default encoder, if specified,
-        * or use Latin-1 if all else fails.
-        */
-
-       if (ENC__MAX == enc) 
-               enc = ENC__MAX == def ? ENC_LATIN_1 : def;
-
-       if ( ! (*encs[(int)enc].conv)(&buf))
-               goto out;
-
-       rc = EXIT_SUCCESS;
-out:
-       if (map)
-               munmap(buf.buf, buf.sz);
-       else 
-               free(buf.buf);
-
-       if (fd > STDIN_FILENO)
-               close(fd);
-
-       return(rc);
+       return MPARSE_UTF8 | MPARSE_LATIN1;
 }
 }
A git conversion mirror of mandoc.bsd.lv