xref: /openbsd/gnu/lib/libreadline/support/wcwidth.c (revision 15b117ea)
1*15b117eaSkettenis /*
2*15b117eaSkettenis  * This is an implementation of wcwidth() and wcswidth() as defined in
3*15b117eaSkettenis  * "The Single UNIX Specification, Version 2, The Open Group, 1997"
4*15b117eaSkettenis  * <http://www.UNIX-systems.org/online.html>
5*15b117eaSkettenis  *
6*15b117eaSkettenis  * Markus Kuhn -- 2001-09-08 -- public domain
7*15b117eaSkettenis  */
8*15b117eaSkettenis 
9*15b117eaSkettenis #include <wchar.h>
10*15b117eaSkettenis 
11*15b117eaSkettenis struct interval {
12*15b117eaSkettenis   unsigned short first;
13*15b117eaSkettenis   unsigned short last;
14*15b117eaSkettenis };
15*15b117eaSkettenis 
16*15b117eaSkettenis /* auxiliary function for binary search in interval table */
bisearch(wchar_t ucs,const struct interval * table,int max)17*15b117eaSkettenis static int bisearch(wchar_t ucs, const struct interval *table, int max) {
18*15b117eaSkettenis   int min = 0;
19*15b117eaSkettenis   int mid;
20*15b117eaSkettenis 
21*15b117eaSkettenis   if (ucs < table[0].first || ucs > table[max].last)
22*15b117eaSkettenis     return 0;
23*15b117eaSkettenis   while (max >= min) {
24*15b117eaSkettenis     mid = (min + max) / 2;
25*15b117eaSkettenis     if (ucs > table[mid].last)
26*15b117eaSkettenis       min = mid + 1;
27*15b117eaSkettenis     else if (ucs < table[mid].first)
28*15b117eaSkettenis       max = mid - 1;
29*15b117eaSkettenis     else
30*15b117eaSkettenis       return 1;
31*15b117eaSkettenis   }
32*15b117eaSkettenis 
33*15b117eaSkettenis   return 0;
34*15b117eaSkettenis }
35*15b117eaSkettenis 
36*15b117eaSkettenis 
37*15b117eaSkettenis /* The following functions define the column width of an ISO 10646
38*15b117eaSkettenis  * character as follows:
39*15b117eaSkettenis  *
40*15b117eaSkettenis  *    - The null character (U+0000) has a column width of 0.
41*15b117eaSkettenis  *
42*15b117eaSkettenis  *    - Other C0/C1 control characters and DEL will lead to a return
43*15b117eaSkettenis  *      value of -1.
44*15b117eaSkettenis  *
45*15b117eaSkettenis  *    - Non-spacing and enclosing combining characters (general
46*15b117eaSkettenis  *      category code Mn or Me in the Unicode database) have a
47*15b117eaSkettenis  *      column width of 0.
48*15b117eaSkettenis  *
49*15b117eaSkettenis  *    - Other format characters (general category code Cf in the Unicode
50*15b117eaSkettenis  *      database) and ZERO WIDTH SPACE (U+200B) have a column width of 0.
51*15b117eaSkettenis  *
52*15b117eaSkettenis  *    - Hangul Jamo medial vowels and final consonants (U+1160-U+11FF)
53*15b117eaSkettenis  *      have a column width of 0.
54*15b117eaSkettenis  *
55*15b117eaSkettenis  *    - Spacing characters in the East Asian Wide (W) or East Asian
56*15b117eaSkettenis  *      FullWidth (F) category as defined in Unicode Technical
57*15b117eaSkettenis  *      Report #11 have a column width of 2.
58*15b117eaSkettenis  *
59*15b117eaSkettenis  *    - All remaining characters (including all printable
60*15b117eaSkettenis  *      ISO 8859-1 and WGL4 characters, Unicode control characters,
61*15b117eaSkettenis  *      etc.) have a column width of 1.
62*15b117eaSkettenis  *
63*15b117eaSkettenis  * This implementation assumes that wchar_t characters are encoded
64*15b117eaSkettenis  * in ISO 10646.
65*15b117eaSkettenis  */
66*15b117eaSkettenis 
wcwidth(wchar_t ucs)67*15b117eaSkettenis int wcwidth(wchar_t ucs)
68*15b117eaSkettenis {
69*15b117eaSkettenis   /* sorted list of non-overlapping intervals of non-spacing characters */
70*15b117eaSkettenis   static const struct interval combining[] = {
71*15b117eaSkettenis     { 0x0300, 0x034E }, { 0x0360, 0x0362 }, { 0x0483, 0x0486 },
72*15b117eaSkettenis     { 0x0488, 0x0489 }, { 0x0591, 0x05A1 }, { 0x05A3, 0x05B9 },
73*15b117eaSkettenis     { 0x05BB, 0x05BD }, { 0x05BF, 0x05BF }, { 0x05C1, 0x05C2 },
74*15b117eaSkettenis     { 0x05C4, 0x05C4 }, { 0x064B, 0x0655 }, { 0x0670, 0x0670 },
75*15b117eaSkettenis     { 0x06D6, 0x06E4 }, { 0x06E7, 0x06E8 }, { 0x06EA, 0x06ED },
76*15b117eaSkettenis     { 0x070F, 0x070F }, { 0x0711, 0x0711 }, { 0x0730, 0x074A },
77*15b117eaSkettenis     { 0x07A6, 0x07B0 }, { 0x0901, 0x0902 }, { 0x093C, 0x093C },
78*15b117eaSkettenis     { 0x0941, 0x0948 }, { 0x094D, 0x094D }, { 0x0951, 0x0954 },
79*15b117eaSkettenis     { 0x0962, 0x0963 }, { 0x0981, 0x0981 }, { 0x09BC, 0x09BC },
80*15b117eaSkettenis     { 0x09C1, 0x09C4 }, { 0x09CD, 0x09CD }, { 0x09E2, 0x09E3 },
81*15b117eaSkettenis     { 0x0A02, 0x0A02 }, { 0x0A3C, 0x0A3C }, { 0x0A41, 0x0A42 },
82*15b117eaSkettenis     { 0x0A47, 0x0A48 }, { 0x0A4B, 0x0A4D }, { 0x0A70, 0x0A71 },
83*15b117eaSkettenis     { 0x0A81, 0x0A82 }, { 0x0ABC, 0x0ABC }, { 0x0AC1, 0x0AC5 },
84*15b117eaSkettenis     { 0x0AC7, 0x0AC8 }, { 0x0ACD, 0x0ACD }, { 0x0B01, 0x0B01 },
85*15b117eaSkettenis     { 0x0B3C, 0x0B3C }, { 0x0B3F, 0x0B3F }, { 0x0B41, 0x0B43 },
86*15b117eaSkettenis     { 0x0B4D, 0x0B4D }, { 0x0B56, 0x0B56 }, { 0x0B82, 0x0B82 },
87*15b117eaSkettenis     { 0x0BC0, 0x0BC0 }, { 0x0BCD, 0x0BCD }, { 0x0C3E, 0x0C40 },
88*15b117eaSkettenis     { 0x0C46, 0x0C48 }, { 0x0C4A, 0x0C4D }, { 0x0C55, 0x0C56 },
89*15b117eaSkettenis     { 0x0CBF, 0x0CBF }, { 0x0CC6, 0x0CC6 }, { 0x0CCC, 0x0CCD },
90*15b117eaSkettenis     { 0x0D41, 0x0D43 }, { 0x0D4D, 0x0D4D }, { 0x0DCA, 0x0DCA },
91*15b117eaSkettenis     { 0x0DD2, 0x0DD4 }, { 0x0DD6, 0x0DD6 }, { 0x0E31, 0x0E31 },
92*15b117eaSkettenis     { 0x0E34, 0x0E3A }, { 0x0E47, 0x0E4E }, { 0x0EB1, 0x0EB1 },
93*15b117eaSkettenis     { 0x0EB4, 0x0EB9 }, { 0x0EBB, 0x0EBC }, { 0x0EC8, 0x0ECD },
94*15b117eaSkettenis     { 0x0F18, 0x0F19 }, { 0x0F35, 0x0F35 }, { 0x0F37, 0x0F37 },
95*15b117eaSkettenis     { 0x0F39, 0x0F39 }, { 0x0F71, 0x0F7E }, { 0x0F80, 0x0F84 },
96*15b117eaSkettenis     { 0x0F86, 0x0F87 }, { 0x0F90, 0x0F97 }, { 0x0F99, 0x0FBC },
97*15b117eaSkettenis     { 0x0FC6, 0x0FC6 }, { 0x102D, 0x1030 }, { 0x1032, 0x1032 },
98*15b117eaSkettenis     { 0x1036, 0x1037 }, { 0x1039, 0x1039 }, { 0x1058, 0x1059 },
99*15b117eaSkettenis     { 0x1160, 0x11FF }, { 0x17B7, 0x17BD }, { 0x17C6, 0x17C6 },
100*15b117eaSkettenis     { 0x17C9, 0x17D3 }, { 0x180B, 0x180E }, { 0x18A9, 0x18A9 },
101*15b117eaSkettenis     { 0x200B, 0x200F }, { 0x202A, 0x202E }, { 0x206A, 0x206F },
102*15b117eaSkettenis     { 0x20D0, 0x20E3 }, { 0x302A, 0x302F }, { 0x3099, 0x309A },
103*15b117eaSkettenis     { 0xFB1E, 0xFB1E }, { 0xFE20, 0xFE23 }, { 0xFEFF, 0xFEFF },
104*15b117eaSkettenis     { 0xFFF9, 0xFFFB }
105*15b117eaSkettenis   };
106*15b117eaSkettenis 
107*15b117eaSkettenis   /* test for 8-bit control characters */
108*15b117eaSkettenis   if (ucs == 0)
109*15b117eaSkettenis     return 0;
110*15b117eaSkettenis   if (ucs < 32 || (ucs >= 0x7f && ucs < 0xa0))
111*15b117eaSkettenis     return -1;
112*15b117eaSkettenis 
113*15b117eaSkettenis   /* binary search in table of non-spacing characters */
114*15b117eaSkettenis   if (bisearch(ucs, combining,
115*15b117eaSkettenis 	       sizeof(combining) / sizeof(struct interval) - 1))
116*15b117eaSkettenis     return 0;
117*15b117eaSkettenis 
118*15b117eaSkettenis   /* if we arrive here, ucs is not a combining or C0/C1 control character */
119*15b117eaSkettenis 
120*15b117eaSkettenis   return 1 +
121*15b117eaSkettenis     (ucs >= 0x1100 &&
122*15b117eaSkettenis      (ucs <= 0x115f ||                    /* Hangul Jamo init. consonants */
123*15b117eaSkettenis       (ucs >= 0x2e80 && ucs <= 0xa4cf && (ucs & ~0x0011) != 0x300a &&
124*15b117eaSkettenis        ucs != 0x303f) ||                  /* CJK ... Yi */
125*15b117eaSkettenis       (ucs >= 0xac00 && ucs <= 0xd7a3) || /* Hangul Syllables */
126*15b117eaSkettenis       (ucs >= 0xf900 && ucs <= 0xfaff) || /* CJK Compatibility Ideographs */
127*15b117eaSkettenis       (ucs >= 0xfe30 && ucs <= 0xfe6f) || /* CJK Compatibility Forms */
128*15b117eaSkettenis       (ucs >= 0xff00 && ucs <= 0xff5f) || /* Fullwidth Forms */
129*15b117eaSkettenis       (ucs >= 0xffe0 && ucs <= 0xffe6) ||
130*15b117eaSkettenis       (ucs >= 0x20000 && ucs <= 0x2ffff)));
131*15b117eaSkettenis }
132*15b117eaSkettenis 
133*15b117eaSkettenis 
wcswidth(const wchar_t * pwcs,size_t n)134*15b117eaSkettenis int wcswidth(const wchar_t *pwcs, size_t n)
135*15b117eaSkettenis {
136*15b117eaSkettenis   int w, width = 0;
137*15b117eaSkettenis 
138*15b117eaSkettenis   for (;*pwcs && n-- > 0; pwcs++)
139*15b117eaSkettenis     if ((w = wcwidth(*pwcs)) < 0)
140*15b117eaSkettenis       return -1;
141*15b117eaSkettenis     else
142*15b117eaSkettenis       width += w;
143*15b117eaSkettenis 
144*15b117eaSkettenis   return width;
145*15b117eaSkettenis }
146*15b117eaSkettenis 
147*15b117eaSkettenis 
148*15b117eaSkettenis /*
149*15b117eaSkettenis  * The following function is the same as wcwidth(), except that
150*15b117eaSkettenis  * spacing characters in the East Asian Ambiguous (A) category as
151*15b117eaSkettenis  * defined in Unicode Technical Report #11 have a column width of 2.
152*15b117eaSkettenis  * This experimental variant might be useful for users of CJK legacy
153*15b117eaSkettenis  * encodings who want to migrate to UCS. It is not otherwise
154*15b117eaSkettenis  * recommended for general use.
155*15b117eaSkettenis  */
wcwidth_cjk(wchar_t ucs)156*15b117eaSkettenis static int wcwidth_cjk(wchar_t ucs)
157*15b117eaSkettenis {
158*15b117eaSkettenis   /* sorted list of non-overlapping intervals of East Asian Ambiguous
159*15b117eaSkettenis    * characters */
160*15b117eaSkettenis   static const struct interval ambiguous[] = {
161*15b117eaSkettenis     { 0x00A1, 0x00A1 }, { 0x00A4, 0x00A4 }, { 0x00A7, 0x00A8 },
162*15b117eaSkettenis     { 0x00AA, 0x00AA }, { 0x00AD, 0x00AE }, { 0x00B0, 0x00B4 },
163*15b117eaSkettenis     { 0x00B6, 0x00BA }, { 0x00BC, 0x00BF }, { 0x00C6, 0x00C6 },
164*15b117eaSkettenis     { 0x00D0, 0x00D0 }, { 0x00D7, 0x00D8 }, { 0x00DE, 0x00E1 },
165*15b117eaSkettenis     { 0x00E6, 0x00E6 }, { 0x00E8, 0x00EA }, { 0x00EC, 0x00ED },
166*15b117eaSkettenis     { 0x00F0, 0x00F0 }, { 0x00F2, 0x00F3 }, { 0x00F7, 0x00FA },
167*15b117eaSkettenis     { 0x00FC, 0x00FC }, { 0x00FE, 0x00FE }, { 0x0101, 0x0101 },
168*15b117eaSkettenis     { 0x0111, 0x0111 }, { 0x0113, 0x0113 }, { 0x011B, 0x011B },
169*15b117eaSkettenis     { 0x0126, 0x0127 }, { 0x012B, 0x012B }, { 0x0131, 0x0133 },
170*15b117eaSkettenis     { 0x0138, 0x0138 }, { 0x013F, 0x0142 }, { 0x0144, 0x0144 },
171*15b117eaSkettenis     { 0x0148, 0x014B }, { 0x014D, 0x014D }, { 0x0152, 0x0153 },
172*15b117eaSkettenis     { 0x0166, 0x0167 }, { 0x016B, 0x016B }, { 0x01CE, 0x01CE },
173*15b117eaSkettenis     { 0x01D0, 0x01D0 }, { 0x01D2, 0x01D2 }, { 0x01D4, 0x01D4 },
174*15b117eaSkettenis     { 0x01D6, 0x01D6 }, { 0x01D8, 0x01D8 }, { 0x01DA, 0x01DA },
175*15b117eaSkettenis     { 0x01DC, 0x01DC }, { 0x0251, 0x0251 }, { 0x0261, 0x0261 },
176*15b117eaSkettenis     { 0x02C4, 0x02C4 }, { 0x02C7, 0x02C7 }, { 0x02C9, 0x02CB },
177*15b117eaSkettenis     { 0x02CD, 0x02CD }, { 0x02D0, 0x02D0 }, { 0x02D8, 0x02DB },
178*15b117eaSkettenis     { 0x02DD, 0x02DD }, { 0x02DF, 0x02DF }, { 0x0300, 0x034E },
179*15b117eaSkettenis     { 0x0360, 0x0362 }, { 0x0391, 0x03A1 }, { 0x03A3, 0x03A9 },
180*15b117eaSkettenis     { 0x03B1, 0x03C1 }, { 0x03C3, 0x03C9 }, { 0x0401, 0x0401 },
181*15b117eaSkettenis     { 0x0410, 0x044F }, { 0x0451, 0x0451 }, { 0x2010, 0x2010 },
182*15b117eaSkettenis     { 0x2013, 0x2016 }, { 0x2018, 0x2019 }, { 0x201C, 0x201D },
183*15b117eaSkettenis     { 0x2020, 0x2022 }, { 0x2024, 0x2027 }, { 0x2030, 0x2030 },
184*15b117eaSkettenis     { 0x2032, 0x2033 }, { 0x2035, 0x2035 }, { 0x203B, 0x203B },
185*15b117eaSkettenis     { 0x203E, 0x203E }, { 0x2074, 0x2074 }, { 0x207F, 0x207F },
186*15b117eaSkettenis     { 0x2081, 0x2084 }, { 0x20AC, 0x20AC }, { 0x2103, 0x2103 },
187*15b117eaSkettenis     { 0x2105, 0x2105 }, { 0x2109, 0x2109 }, { 0x2113, 0x2113 },
188*15b117eaSkettenis     { 0x2116, 0x2116 }, { 0x2121, 0x2122 }, { 0x2126, 0x2126 },
189*15b117eaSkettenis     { 0x212B, 0x212B }, { 0x2153, 0x2155 }, { 0x215B, 0x215E },
190*15b117eaSkettenis     { 0x2160, 0x216B }, { 0x2170, 0x2179 }, { 0x2190, 0x2199 },
191*15b117eaSkettenis     { 0x21B8, 0x21B9 }, { 0x21D2, 0x21D2 }, { 0x21D4, 0x21D4 },
192*15b117eaSkettenis     { 0x21E7, 0x21E7 }, { 0x2200, 0x2200 }, { 0x2202, 0x2203 },
193*15b117eaSkettenis     { 0x2207, 0x2208 }, { 0x220B, 0x220B }, { 0x220F, 0x220F },
194*15b117eaSkettenis     { 0x2211, 0x2211 }, { 0x2215, 0x2215 }, { 0x221A, 0x221A },
195*15b117eaSkettenis     { 0x221D, 0x2220 }, { 0x2223, 0x2223 }, { 0x2225, 0x2225 },
196*15b117eaSkettenis     { 0x2227, 0x222C }, { 0x222E, 0x222E }, { 0x2234, 0x2237 },
197*15b117eaSkettenis     { 0x223C, 0x223D }, { 0x2248, 0x2248 }, { 0x224C, 0x224C },
198*15b117eaSkettenis     { 0x2252, 0x2252 }, { 0x2260, 0x2261 }, { 0x2264, 0x2267 },
199*15b117eaSkettenis     { 0x226A, 0x226B }, { 0x226E, 0x226F }, { 0x2282, 0x2283 },
200*15b117eaSkettenis     { 0x2286, 0x2287 }, { 0x2295, 0x2295 }, { 0x2299, 0x2299 },
201*15b117eaSkettenis     { 0x22A5, 0x22A5 }, { 0x22BF, 0x22BF }, { 0x2312, 0x2312 },
202*15b117eaSkettenis     { 0x2329, 0x232A }, { 0x2460, 0x24BF }, { 0x24D0, 0x24E9 },
203*15b117eaSkettenis     { 0x2500, 0x254B }, { 0x2550, 0x2574 }, { 0x2580, 0x258F },
204*15b117eaSkettenis     { 0x2592, 0x2595 }, { 0x25A0, 0x25A1 }, { 0x25A3, 0x25A9 },
205*15b117eaSkettenis     { 0x25B2, 0x25B3 }, { 0x25B6, 0x25B7 }, { 0x25BC, 0x25BD },
206*15b117eaSkettenis     { 0x25C0, 0x25C1 }, { 0x25C6, 0x25C8 }, { 0x25CB, 0x25CB },
207*15b117eaSkettenis     { 0x25CE, 0x25D1 }, { 0x25E2, 0x25E5 }, { 0x25EF, 0x25EF },
208*15b117eaSkettenis     { 0x2605, 0x2606 }, { 0x2609, 0x2609 }, { 0x260E, 0x260F },
209*15b117eaSkettenis     { 0x261C, 0x261C }, { 0x261E, 0x261E }, { 0x2640, 0x2640 },
210*15b117eaSkettenis     { 0x2642, 0x2642 }, { 0x2660, 0x2661 }, { 0x2663, 0x2665 },
211*15b117eaSkettenis     { 0x2667, 0x266A }, { 0x266C, 0x266D }, { 0x266F, 0x266F },
212*15b117eaSkettenis     { 0x273D, 0x273D }, { 0x3008, 0x300B }, { 0x3014, 0x3015 },
213*15b117eaSkettenis     { 0x3018, 0x301B }, { 0xFFFD, 0xFFFD }
214*15b117eaSkettenis   };
215*15b117eaSkettenis 
216*15b117eaSkettenis   /* binary search in table of non-spacing characters */
217*15b117eaSkettenis   if (bisearch(ucs, ambiguous,
218*15b117eaSkettenis 	       sizeof(ambiguous) / sizeof(struct interval) - 1))
219*15b117eaSkettenis     return 2;
220*15b117eaSkettenis 
221*15b117eaSkettenis   return wcwidth(ucs);
222*15b117eaSkettenis }
223*15b117eaSkettenis 
224*15b117eaSkettenis 
wcswidth_cjk(const wchar_t * pwcs,size_t n)225*15b117eaSkettenis int wcswidth_cjk(const wchar_t *pwcs, size_t n)
226*15b117eaSkettenis {
227*15b117eaSkettenis   int w, width = 0;
228*15b117eaSkettenis 
229*15b117eaSkettenis   for (;*pwcs && n-- > 0; pwcs++)
230*15b117eaSkettenis     if ((w = wcwidth_cjk(*pwcs)) < 0)
231*15b117eaSkettenis       return -1;
232*15b117eaSkettenis     else
233*15b117eaSkettenis       width += w;
234*15b117eaSkettenis 
235*15b117eaSkettenis   return width;
236*15b117eaSkettenis }
237