added handling of \x.
authorkramm <kramm>
Wed, 22 Sep 2004 11:43:31 +0000 (11:43 +0000)
committerkramm <kramm>
Wed, 22 Sep 2004 11:43:31 +0000 (11:43 +0000)
src/parser.lex

index 38f24dc..6314203 100644 (file)
@@ -31,6 +31,55 @@ static void count(char*text, int len, int condition)
 
 static char*prefix = 0;
 
+static char utf8buf[16];
+static char* getUTF8(unsigned int charnum)
+{
+    memset(utf8buf, 0, sizeof(utf8buf));
+
+    if(charnum < 0x80) {
+       utf8buf[0] = charnum;
+       return utf8buf;
+    } else if(charnum <0x800) {
+       /* 0000 0080-0000 07FF   110xxxxx 10xxxxxx */
+       utf8buf[0] = 0xc0 | (charnum >> 6);
+       utf8buf[1] = 0x80 | (charnum & 0x3f);
+       return utf8buf;
+    } else if(charnum < 0x10000) {
+       /* 0000 0800-0000 FFFF   1110xxxx 10xxxxxx 10xxxxxx */
+       utf8buf[0] = 0xe0 | (charnum >> 12);
+       utf8buf[1] = 0x80 |((charnum >> 6)&0x3f);
+       utf8buf[2] = 0x80 |((charnum     )&0x3f);
+       return utf8buf;
+    } else if(charnum < 0x200000) {
+       /* 0001 0000-001F FFFF   11110xxx 10xxxxxx 10xxxxxx 10xxxxxx */
+       utf8buf[0] = 0xf0 | (charnum >> 18);
+       utf8buf[1] = 0x80 |((charnum >> 12)&0x3f);
+       utf8buf[2] = 0x80 |((charnum >> 6 )&0x3f);
+       utf8buf[3] = 0x80 |((charnum      )&0x3f);
+       return utf8buf;
+    } else if(charnum < 0x4000000) {
+       /* 0020 0000-03FF FFFF   111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx */
+       utf8buf[0] = 0xf8 | (charnum >> 24);
+       utf8buf[1] = 0x80 |((charnum >> 18)&0x3f);
+       utf8buf[2] = 0x80 |((charnum >> 12)&0x3f);
+       utf8buf[3] = 0x80 |((charnum >> 6 )&0x3f);
+       utf8buf[4] = 0x80 |((charnum      )&0x3f);
+       return utf8buf;
+    } else if(charnum < 0x80000000) {
+       /* 0400 0000-7FFF FFFF   1111110x 10xxxxxx ... 10xxxxxx */
+       utf8buf[0] = 0xfc | (charnum >> 30);
+       utf8buf[1] = 0x80 |((charnum >> 24)&0x3f);
+       utf8buf[2] = 0x80 |((charnum >> 18)&0x3f);
+       utf8buf[3] = 0x80 |((charnum >> 12)&0x3f);
+       utf8buf[4] = 0x80 |((charnum >> 6 )&0x3f);
+       utf8buf[5] = 0x80 |((charnum      )&0x3f);
+       return utf8buf;
+    } else {
+       fprintf(stderr, "Illegal character: 0x%08x\n", charnum);
+       return utf8buf;
+    }
+}
+
 static void unescapeString(string_t * tmp)
 {
     char *p, *p1;
@@ -39,19 +88,43 @@ static void unescapeString(string_t * tmp)
 
     for (p1=tmp->str; (p=strchr(p1, '\\')); p1 = p+1) 
     {
+       int nr=2;
+       int new=1;
        switch(p[1])
        {
-           case '\\': p[1] = '\\'; tmp->len--; break;
-           case '"': p[1] = '"'; tmp->len--; break;
-           case 'b': p[1] = '\b'; tmp->len--; break;
-           case 'f': p[1] = '\f'; tmp->len--; break;
-           case 'n': p[1] = '\n'; tmp->len--; break;
-           case 'r': p[1] = '\r'; tmp->len--; break;
-           case 't': p[1] = '\t'; tmp->len--; break;
+           case '\\': p[0] = '\\'; break;
+           case '"': p[0] = '"'; break;
+           case 'b': p[0] = '\b'; break;
+           case 'f': p[0] = '\f'; break;
+           case 'n': p[0] = '\n'; break;
+           case 'r': p[0] = '\r'; break;
+           case 't': p[0] = '\t'; break;
+           case 'x':  {
+               int num=0;
+               while(strchr("0123456789abcdefABCDEF", p[nr])) {
+                   num <<= 4;
+                   if(p[nr]>='0' && p[nr]<='9') num |= p[nr] - '0';
+                   if(p[nr]>='a' && p[nr]<='f') num |= p[nr] - 'a' + 10;
+                   if(p[nr]>='A' && p[nr]<='F') num |= p[nr] - 'A' + 10;
+                   nr++;
+               }
+               char*utf8 = getUTF8(num);
+               new = strlen(utf8);
+
+               memcpy(p, utf8, new); // do not copy the terminating zero
+               break;
+           }
            default:
                continue;
        }
-       strcpy(p, p+1);
+       tmp->len -= (nr-new); 
+       int t;
+       char*to=p+new,*from=p+nr;
+       while(*from) {
+           *to = *from;
+           to++;
+           from++;
+       }
     }
 }