src/icu_bug_2.c

   1 // Make command on debian 64 bit testing dist
   2 /*
   3 gcc -g -Wall `icu-config --cppflags`  `icu-config --ldflags` -o icu_bug_2 icu_bug_2.c
   4 snatched from http://www.icu-project.org/userguide/Collate_API.html
   5 and changed.
   6 added a struct icu_termmap such that I actually can see the output
   7 */
   8
   9 #include <string.h>
  10 #include <stdlib.h>
  11 #include <stdio.h>
  12
  13 #include <unicode/ustring.h>  /* some more string fcns*/
  14 #include <unicode/uchar.h>    /* char names           */
  15
  16
  17 //#include <unicode/ustdio.h>
  18 //#include <unicode/utypes.h>   /* Basic ICU data types */
  19 #include <unicode/ucol.h>
  20 //#include <unicode/ucnv.h>     /* C   Converter API    */
  21 //#include <unicode/uloc.h>
  22 //#include <unicode/ubrk.h>
  23 //#include <unicode/unistr.h>
  24
  25
  26 #define MAX_KEY_SIZE 256
  27
  28 struct icu_buf_utf16
  29 {
  30   UChar * utf16;
  31   int32_t utf16_len;
  32   int32_t utf16_cap;
  33 };
  34
  35
  36 struct icu_buf_utf16 * icu_buf_utf16_create(size_t capacity)
  37 {
  38   struct icu_buf_utf16 * buf16
  39     = (struct icu_buf_utf16 *) malloc(sizeof(struct icu_buf_utf16));
  40
  41   buf16->utf16 = 0;
  42   buf16->utf16_len = 0;
  43   buf16->utf16_cap = 0;
  44
  45   if (capacity > 0){
  46     buf16->utf16 = (UChar *) malloc(sizeof(UChar) * capacity);
  47     buf16->utf16[0] = (UChar) 0;
  48     buf16->utf16_cap = capacity;
  49   }
  50   return buf16;
  51 };
  52
  53
  54 struct icu_buf_utf16 * icu_buf_utf16_resize(struct icu_buf_utf16 * buf16,
  55                                             size_t capacity)
  56 {
  57   if (buf16){
  58     if (capacity >  0){
  59       if (0 == buf16->utf16)
  60         buf16->utf16 = (UChar *) malloc(sizeof(UChar) * capacity);
  61       else
  62         buf16->utf16
  63           = (UChar *) realloc(buf16->utf16, sizeof(UChar) * capacity);
  64       buf16->utf16[0] = (UChar) 0;
  65       buf16->utf16_len = 0;
  66       buf16->utf16_cap = capacity;
  67     }
  68     else {
  69       if (buf16->utf16)
  70         free(buf16->utf16);
  71       buf16->utf16 = 0;
  72       buf16->utf16_len = 0;
  73       buf16->utf16_cap = 0;
  74     }
  75   }
  76
  77   return buf16;
  78 };
  79
  80
  81 void icu_buf_utf16_destroy(struct icu_buf_utf16 * buf16)
  82 {
  83   if (buf16){
  84     if (buf16->utf16)
  85       free(buf16->utf16);
  86     free(buf16);
  87   }
  88 };
  89
  90
  91
  92 struct icu_buf_utf8
  93 {
  94   uint8_t * utf8;
  95   int32_t utf8_len;
  96   int32_t utf8_cap;
  97 };
  98
  99
 100
 101 struct icu_buf_utf8 * icu_buf_utf8_create(size_t capacity)
 102 {
 103   struct icu_buf_utf8 * buf8
 104     = (struct icu_buf_utf8 *) malloc(sizeof(struct icu_buf_utf8));
 105
 106   buf8->utf8 = 0;
 107   buf8->utf8_len = 0;
 108   buf8->utf8_cap = 0;
 109
 110   if (capacity > 0){
 111     buf8->utf8 = (uint8_t *) malloc(sizeof(uint8_t) * capacity);
 112     buf8->utf8[0] = (uint8_t) 0;
 113     buf8->utf8_cap = capacity;
 114   }
 115   return buf8;
 116 };
 117
 118
 119
 120 struct icu_buf_utf8 * icu_buf_utf8_resize(struct icu_buf_utf8 * buf8,
 121                                           size_t capacity)
 122 {
 123   if (buf8){
 124     if (capacity >  0){
 125       if (0 == buf8->utf8)
 126         buf8->utf8 = (uint8_t *) malloc(sizeof(uint8_t) * capacity);
 127       else
 128         buf8->utf8
 129           = (uint8_t *) realloc(buf8->utf8, sizeof(uint8_t) * capacity);
 130       buf8->utf8[0] = (uint8_t) 0;
 131       buf8->utf8_len = 0;
 132       buf8->utf8_cap = capacity;
 133     }
 134     else {
 135       if (buf8->utf8)
 136         free(buf8->utf8);
 137       buf8->utf8 = 0;
 138       buf8->utf8_len = 0;
 139       buf8->utf8_cap = 0;
 140     }
 141   }
 142
 143   return buf8;
 144 };
 145
 146
 147
 148 void icu_buf_utf8_destroy(struct icu_buf_utf8 * buf8)
 149 {
 150   if (buf8){
 151     if (buf8->utf8)
 152       free(buf8->utf8);
 153     free(buf8);
 154   }
 155 };
 156
 157
 158
 159 UErrorCode icu_utf16_from_utf8(struct icu_buf_utf16 * dest16,
 160                                struct icu_buf_utf8 * src8,
 161                                UErrorCode * status)
 162 {
 163   printf("icu_utf16_from_utf8 - needs correcting, see icu_utf16_from_utf8_cstr\n");
 164
 165   u_strFromUTF8(dest16->utf16, dest16->utf16_cap, &(dest16->utf16_len),
 166                 (const char *) src8->utf8, src8->utf8_len, status);
 167
 168   // check for buffer overflow, resize and retry
 169   if (dest16->utf16_len > dest16->utf16_cap){
 170     printf("icu_utf16_from_utf8 need resize\n");
 171     icu_buf_utf16_resize(dest16, dest16->utf16_len * 2);
 172     *status = U_ZERO_ERROR;
 173     u_strFromUTF8(dest16->utf16, dest16->utf16_cap, &(dest16->utf16_len),
 174                   (const char*) src8->utf8, src8->utf8_len, status);
 175   }
 176
 177   return *status;
 178 };
 179
 180
 181
 182 UErrorCode icu_utf16_from_utf8_cstr(struct icu_buf_utf16 * dest16,
 183                                     const char * src8cstr,
 184                                     UErrorCode * status)
 185 {
 186   size_t src8cstr_len = 0;
 187   int32_t utf16_len = 0;
 188
 189   src8cstr_len = strlen(src8cstr);
 190
 191   u_strFromUTF8(dest16->utf16, dest16->utf16_cap,
 192                 &utf16_len,
 193                 //&(dest16->utf16_len),
 194                 src8cstr, src8cstr_len, status);
 195
 196   // check for buffer overflow, resize and retry
 197   if (*status == U_BUFFER_OVERFLOW_ERROR
 198       //|| dest16->utf16_len > dest16->utf16_cap
 199       ){
 200     icu_buf_utf16_resize(dest16, utf16_len * 2);
 201     *status = U_ZERO_ERROR;
 202     u_strFromUTF8(dest16->utf16, dest16->utf16_cap,
 203                   &utf16_len,
 204                   //&(dest16->utf16_len),
 205                   src8cstr, src8cstr_len, status);
 206   }
 207
 208   if (*status != U_BUFFER_OVERFLOW_ERROR
 209       && utf16_len < dest16->utf16_cap)
 210     dest16->utf16_len = utf16_len;
 211   else {
 212     dest16->utf16[0] = (UChar) 0;
 213     dest16->utf16_len = 0;
 214   }
 215
 216   return *status;
 217 };
 218
 219
 220 UErrorCode icu_sortkey8_from_utf16(UCollator *coll,
 221                                    struct icu_buf_utf8 * dest8,
 222                                    struct icu_buf_utf16 * src16,
 223                                    UErrorCode * status)
 224 {
 225
 226   int32_t sortkey_len = 0;
 227
 228   sortkey_len = ucol_getSortKey(coll, src16->utf16, src16->utf16_len,
 229                                 dest8->utf8, dest8->utf8_cap);
 230
 231   // check for buffer overflow, resize and retry
 232   if (sortkey_len > dest8->utf8_cap) {
 233     icu_buf_utf8_resize(dest8, sortkey_len * 2);
 234     sortkey_len = ucol_getSortKey(coll, src16->utf16, src16->utf16_len,
 235                                   dest8->utf8, dest8->utf8_cap);
 236   }
 237
 238   if (sortkey_len > 0)
 239     dest8->utf8_len = sortkey_len;
 240
 241   return *status;
 242 };
 243
 244
 245
 246
 247 struct icu_termmap
 248 {
 249   uint8_t sort_key[MAX_KEY_SIZE]; // standard C string '\0' terminated
 250   char disp_term[MAX_KEY_SIZE];  // standard C utf-8 string
 251 };
 252
 253
 254
 255 int icu_termmap_cmp(const void *vp1, const void *vp2)
 256 {
 257   struct icu_termmap *itmp1 = *(struct icu_termmap **) vp1;
 258   struct icu_termmap *itmp2 = *(struct icu_termmap **) vp2;
 259
 260   int cmp = 0;
 261
 262   cmp = strcmp((const char *)itmp1->sort_key,
 263                (const char *)itmp2->sort_key);
 264   return cmp;
 265 }
 266
 267
 268 int icu_check_status(UErrorCode status)
 269 {
 270   if(!U_SUCCESS(status))
 271     printf("ICU status: %d %s\n", status, u_errorName(status));
 272   return status;
 273 }
 274
 275
 276
 277 int icu_coll_sort(const char * locale, int src_list_len,
 278                   const char ** src_list, const char ** chk_list)
 279 {
 280   UErrorCode status = U_ZERO_ERROR;
 281
 282   struct icu_buf_utf8 * buf8 = icu_buf_utf8_create(0);
 283   struct icu_buf_utf16 * buf16 = icu_buf_utf16_create(0);
 284
 285   int i;
 286
 287   struct icu_termmap * list[src_list_len];
 288
 289   UCollator *coll = ucol_open(locale, &status);
 290   icu_check_status(status);
 291
 292   if(!U_SUCCESS(status))
 293     return 0;
 294
 295   // assigning display terms and sort keys using buf 8 and buf16
 296   for( i = 0; i < src_list_len; i++)
 297     {
 298
 299       list[i] = (struct icu_termmap *) malloc(sizeof(struct icu_termmap));
 300
 301       // copy display term
 302       strcpy(list[i]->disp_term, src_list[i]);
 303
 304       // transforming to UTF16
 305       icu_utf16_from_utf8_cstr(buf16, list[i]->disp_term, &status);
 306       icu_check_status(status);
 307
 308       // computing sortkeys
 309       icu_sortkey8_from_utf16(coll, buf8, buf16, &status);
 310       icu_check_status(status);
 311
 312       // assigning sortkeys
 313       memcpy(list[i]->sort_key, buf8->utf8, buf8->utf8_len);
 314       //strncpy(list[i]->sort_key, buf8->utf8, buf8->utf8_len);
 315       //strcpy((char *) list[i]->sort_key, (const char *) buf8->utf8);
 316     }
 317
 318   printf("\n");
 319   printf("Input str: '%s' : ", locale);
 320   for (i = 0; i < src_list_len; i++) {
 321     printf(" '%s'", list[i]->disp_term);
 322   }
 323   printf("\n");
 324
 325   // do the sorting
 326   qsort(list, src_list_len,
 327         sizeof(struct icu_termmap *), icu_termmap_cmp);
 328
 329
 330   printf("ICU sort:  '%s' : ", locale);
 331   for (i = 0; i < src_list_len; i++) {
 332     printf(" '%s'", list[i]->disp_term);
 333     //printf("(%d|%d)", list[i]->sort_key[0],list[i]->sort_key[1]);
 334   }
 335   printf("\n");
 336
 337   ucol_close(coll);
 338
 339   icu_buf_utf8_destroy(buf8);
 340   icu_buf_utf16_destroy(buf16);
 341
 342   return 1;
 343 };
 344
 345
 346 int main(int argc, char **argv)
 347 {
 348
 349   size_t en_1_len = 6;
 350   const char * en_1_src[6] = {"z", "K", "a", "A", "Z", "k"};
 351   const char * en_1_cck[6] = {"a", "A", "K", "k", "z", "Z"};
 352   icu_coll_sort("en", en_1_len, en_1_src, en_1_cck);
 353   icu_coll_sort("en_AU", en_1_len, en_1_src, en_1_cck);
 354   icu_coll_sort("en_CA", en_1_len, en_1_src, en_1_cck);
 355   icu_coll_sort("en_GB", en_1_len, en_1_src, en_1_cck);
 356   icu_coll_sort("en_US", en_1_len, en_1_src, en_1_cck);
 357
 358
 359   size_t da_1_len = 6;
 360   const char * da_1_src[6] = {"z", "å", "o", "æ", "a", "ø"};
 361   const char * da_1_cck[6] = {"a", "o", "z", "æ", "ø", "å"};
 362   icu_coll_sort("da", da_1_len, da_1_src, da_1_cck);
 363   icu_coll_sort("da_DK", da_1_len, da_1_src, da_1_cck);
 364
 365
 366   size_t de_1_len = 9;
 367   const char * de_1_src[9] = {"u", "ä", "o", "t", "s", "ß", "ü", "ö", "a"};
 368   const char * de_1_cck[9] = {"ä", "a", "o", "ö", "s", "ß", "t", "u", "ü"};
 369   icu_coll_sort("de", de_1_len, de_1_src, de_1_cck);
 370   icu_coll_sort("de_AT", de_1_len, de_1_src, de_1_cck);
 371   icu_coll_sort("de_DE", de_1_len, de_1_src, de_1_cck);
 372
 373   return 0;
 374 };
 375