enhanced the json reader to handle unicode surrogate pairs
This commit is contained in:
parent
9e0161c58f
commit
a910dd533c
@ -39,7 +39,7 @@ static void clear_token (mio_json_t* json)
|
|||||||
if (json->tok_capa > 0) json->tok.ptr[json->tok.len] = '\0';
|
if (json->tok_capa > 0) json->tok.ptr[json->tok.len] = '\0';
|
||||||
}
|
}
|
||||||
|
|
||||||
static int add_char_to_token (mio_json_t* json, mio_ooch_t ch)
|
static int add_char_to_token (mio_json_t* json, mio_ooch_t ch, int handle_surrogate_pair)
|
||||||
{
|
{
|
||||||
if (json->tok.len >= json->tok_capa)
|
if (json->tok.len >= json->tok_capa)
|
||||||
{
|
{
|
||||||
@ -48,12 +48,34 @@ static int add_char_to_token (mio_json_t* json, mio_ooch_t ch)
|
|||||||
|
|
||||||
newcapa = MIO_ALIGN_POW2(json->tok.len + 2, MIO_JSON_TOKEN_NAME_ALIGN); /* +2 here because of -1 when setting newcapa */
|
newcapa = MIO_ALIGN_POW2(json->tok.len + 2, MIO_JSON_TOKEN_NAME_ALIGN); /* +2 here because of -1 when setting newcapa */
|
||||||
tmp = (mio_ooch_t*)mio_reallocmem(json->mio, json->tok.ptr, newcapa * MIO_SIZEOF(*tmp));
|
tmp = (mio_ooch_t*)mio_reallocmem(json->mio, json->tok.ptr, newcapa * MIO_SIZEOF(*tmp));
|
||||||
if (!tmp) return -1;
|
if (MIO_UNLIKELY(!tmp)) return -1;
|
||||||
|
|
||||||
json->tok_capa = newcapa - 1; /* -1 to secure space for terminating null */
|
json->tok_capa = newcapa - 1; /* -1 to secure space for terminating null */
|
||||||
json->tok.ptr = tmp;
|
json->tok.ptr = tmp;
|
||||||
}
|
}
|
||||||
|
|
||||||
|
#if (MIO_SIZEOF_OOCH_T >= 4)
|
||||||
|
if (handle_surrogate_pair && ch >= 0xDC00 && ch <= 0xDFFF && json->tok.len > 0)
|
||||||
|
{
|
||||||
|
/* RFC7159
|
||||||
|
To escape an extended character that is not in the Basic Multilingual
|
||||||
|
Plane, the character is represented as a 12-character sequence,
|
||||||
|
encoding the UTF-16 surrogate pair. So, for example, a string
|
||||||
|
containing only the G clef character (U+1D11E) may be represented as
|
||||||
|
"\uD834\uDD1E".
|
||||||
|
*/
|
||||||
|
mio_ooch_t pch = json->tok.ptr[json->tok.len - 1];
|
||||||
|
if (pch >= 0xD800 && pch <= 0xDBFF)
|
||||||
|
{
|
||||||
|
/* X = (character outside BMP) - 0x10000;
|
||||||
|
* W1 = high ten bits of X + 0xD800
|
||||||
|
* W2 = low ten bits of X + 0xDC00 */
|
||||||
|
json->tok.ptr[json->tok.len - 1] = (((pch - 0xD800) << 10) | (ch - 0xDC00)) + 0x10000;
|
||||||
|
return 0;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
#endif
|
||||||
|
|
||||||
json->tok.ptr[json->tok.len++] = ch;
|
json->tok.ptr[json->tok.len++] = ch;
|
||||||
json->tok.ptr[json->tok.len] = '\0';
|
json->tok.ptr[json->tok.len] = '\0';
|
||||||
return 0;
|
return 0;
|
||||||
@ -70,14 +92,13 @@ static int add_chars_to_token (mio_json_t* json, const mio_ooch_t* ptr, mio_oow_
|
|||||||
|
|
||||||
newcapa = MIO_ALIGN_POW2(json->tok.len + len + 1, MIO_JSON_TOKEN_NAME_ALIGN);
|
newcapa = MIO_ALIGN_POW2(json->tok.len + len + 1, MIO_JSON_TOKEN_NAME_ALIGN);
|
||||||
tmp = (mio_ooch_t*)mio_reallocmem(json->mio, json->tok.ptr, newcapa * MIO_SIZEOF(*tmp));
|
tmp = (mio_ooch_t*)mio_reallocmem(json->mio, json->tok.ptr, newcapa * MIO_SIZEOF(*tmp));
|
||||||
if (!tmp) return -1;
|
if (MIO_UNLIKELY(!tmp)) return -1;
|
||||||
|
|
||||||
json->tok_capa = newcapa - 1;
|
json->tok_capa = newcapa - 1;
|
||||||
json->tok.ptr = tmp;
|
json->tok.ptr = tmp;
|
||||||
}
|
}
|
||||||
|
|
||||||
for (i = 0; i < len; i++)
|
for (i = 0; i < len; i++) json->tok.ptr[json->tok.len++] = ptr[i];
|
||||||
json->tok.ptr[json->tok.len++] = ptr[i];
|
|
||||||
json->tok.ptr[json->tok.len] = '\0';
|
json->tok.ptr[json->tok.len] = '\0';
|
||||||
return 0;
|
return 0;
|
||||||
}
|
}
|
||||||
@ -237,7 +258,7 @@ static int handle_string_value_char (mio_json_t* json, mio_ooci_t c)
|
|||||||
ret = 0;
|
ret = 0;
|
||||||
add_sv_acc:
|
add_sv_acc:
|
||||||
#if defined(MIO_OOCH_IS_UCH)
|
#if defined(MIO_OOCH_IS_UCH)
|
||||||
if (add_char_to_token(json, json->state_stack->u.sv.acc) <= -1) return -1;
|
if (add_char_to_token(json, json->state_stack->u.sv.acc, json->state_stack->u.sv.escaped == 4) <= -1) return -1;
|
||||||
#else
|
#else
|
||||||
/* convert the character to utf8 */
|
/* convert the character to utf8 */
|
||||||
{
|
{
|
||||||
@ -274,10 +295,6 @@ static int handle_string_value_char (mio_json_t* json, mio_ooci_t c)
|
|||||||
}
|
}
|
||||||
else if (c == 'u')
|
else if (c == 'u')
|
||||||
{
|
{
|
||||||
#if (MIO_SIZEOF_UCH_T > 2)
|
|
||||||
/* TOOD: handle UTF-16 surrogate pair U+1D11E -> \uD834\uDD1E*/
|
|
||||||
/* 0xD800-0xDBFF 0xDC00-0xDFFF */
|
|
||||||
#endif
|
|
||||||
json->state_stack->u.sv.escaped = 4;
|
json->state_stack->u.sv.escaped = 4;
|
||||||
json->state_stack->u.sv.digit_count = 0;
|
json->state_stack->u.sv.digit_count = 0;
|
||||||
json->state_stack->u.sv.acc = 0;
|
json->state_stack->u.sv.acc = 0;
|
||||||
@ -291,7 +308,7 @@ static int handle_string_value_char (mio_json_t* json, mio_ooci_t c)
|
|||||||
else
|
else
|
||||||
{
|
{
|
||||||
json->state_stack->u.sv.escaped = 0;
|
json->state_stack->u.sv.escaped = 0;
|
||||||
if (add_char_to_token(json, unescape(c)) <= -1) return -1;
|
if (add_char_to_token(json, unescape(c), 0) <= -1) return -1;
|
||||||
}
|
}
|
||||||
}
|
}
|
||||||
else if (c == '\\')
|
else if (c == '\\')
|
||||||
@ -305,7 +322,7 @@ static int handle_string_value_char (mio_json_t* json, mio_ooci_t c)
|
|||||||
}
|
}
|
||||||
else
|
else
|
||||||
{
|
{
|
||||||
if (add_char_to_token(json, c) <= -1) return -1;
|
if (add_char_to_token(json, c, 0) <= -1) return -1;
|
||||||
}
|
}
|
||||||
|
|
||||||
return ret;
|
return ret;
|
||||||
@ -315,13 +332,13 @@ static int handle_numeric_value_char (mio_json_t* json, mio_ooci_t c)
|
|||||||
{
|
{
|
||||||
if (mio_is_ooch_digit(c) || (json->tok.len == 0 && (c == '+' || c == '-')))
|
if (mio_is_ooch_digit(c) || (json->tok.len == 0 && (c == '+' || c == '-')))
|
||||||
{
|
{
|
||||||
if (add_char_to_token(json, c) <= -1) return -1;
|
if (add_char_to_token(json, c, 0) <= -1) return -1;
|
||||||
return 1;
|
return 1;
|
||||||
}
|
}
|
||||||
else if (!json->state_stack->u.nv.dotted && c == '.' &&
|
else if (!json->state_stack->u.nv.dotted && c == '.' &&
|
||||||
json->tok.len > 0 && mio_is_ooch_digit(json->tok.ptr[json->tok.len - 1]))
|
json->tok.len > 0 && mio_is_ooch_digit(json->tok.ptr[json->tok.len - 1]))
|
||||||
{
|
{
|
||||||
if (add_char_to_token(json, c) <= -1) return -1;
|
if (add_char_to_token(json, c, 0) <= -1) return -1;
|
||||||
json->state_stack->u.nv.dotted = 1;
|
json->state_stack->u.nv.dotted = 1;
|
||||||
return 1;
|
return 1;
|
||||||
}
|
}
|
||||||
@ -344,7 +361,7 @@ static int handle_word_value_char (mio_json_t* json, mio_ooci_t c)
|
|||||||
|
|
||||||
if (mio_is_ooch_alpha(c))
|
if (mio_is_ooch_alpha(c))
|
||||||
{
|
{
|
||||||
if (add_char_to_token(json, c) <= -1) return -1;
|
if (add_char_to_token(json, c, 0) <= -1) return -1;
|
||||||
return 1;
|
return 1;
|
||||||
}
|
}
|
||||||
|
|
||||||
|
Loading…
Reference in New Issue
Block a user