unicode: implement higher level API for string handling
authorGabriel Krisman Bertazi <krisman@collabora.co.uk>
Thu, 25 Apr 2019 17:51:22 +0000 (13:51 -0400)
committerTheodore Ts'o <tytso@mit.edu>
Thu, 25 Apr 2019 17:51:22 +0000 (13:51 -0400)
This patch integrates the utf8n patches with some higher level API to
perform UTF-8 string comparison, normalization and casefolding
operations.  Implemented is a variation of NFD, and casefold is
performed by doing full casefold on top of NFD.  These algorithms are
based on the core implemented by Olaf Weber from SGI.

Signed-off-by: Gabriel Krisman Bertazi <krisman@collabora.co.uk>
Signed-off-by: Theodore Ts'o <tytso@mit.edu>
fs/unicode/Makefile
fs/unicode/utf8-core.c [new file with mode: 0644]
fs/unicode/utf8-norm.c
fs/unicode/utf8n.h
include/linux/unicode.h [new file with mode: 0644]

index 16d43d18041648be8415a44b729772d02276b7d9..bfb0360687df79c5e361098c90c583b1e0181e51 100644 (file)
@@ -1,6 +1,8 @@
 # SPDX-License-Identifier: GPL-2.0
 
-obj-$(CONFIG_UNICODE) += utf8-norm.o
+obj-$(CONFIG_UNICODE) += unicode.o
+
+unicode-y := utf8-norm.o utf8-core.o
 
 # This rule is not invoked during the kernel compilation.  It is used to
 # regenerate the utf8data.h header file.
diff --git a/fs/unicode/utf8-core.c b/fs/unicode/utf8-core.c
new file mode 100644 (file)
index 0000000..6afab4f
--- /dev/null
@@ -0,0 +1,187 @@
+/* SPDX-License-Identifier: GPL-2.0 */
+#include <linux/module.h>
+#include <linux/kernel.h>
+#include <linux/string.h>
+#include <linux/slab.h>
+#include <linux/parser.h>
+#include <linux/errno.h>
+#include <linux/unicode.h>
+
+#include "utf8n.h"
+
+int utf8_validate(const struct unicode_map *um, const struct qstr *str)
+{
+       const struct utf8data *data = utf8nfdi(um->version);
+
+       if (utf8nlen(data, str->name, str->len) < 0)
+               return -1;
+       return 0;
+}
+EXPORT_SYMBOL(utf8_validate);
+
+int utf8_strncmp(const struct unicode_map *um,
+                const struct qstr *s1, const struct qstr *s2)
+{
+       const struct utf8data *data = utf8nfdi(um->version);
+       struct utf8cursor cur1, cur2;
+       int c1, c2;
+
+       if (utf8ncursor(&cur1, data, s1->name, s1->len) < 0)
+               return -EINVAL;
+
+       if (utf8ncursor(&cur2, data, s2->name, s2->len) < 0)
+               return -EINVAL;
+
+       do {
+               c1 = utf8byte(&cur1);
+               c2 = utf8byte(&cur2);
+
+               if (c1 < 0 || c2 < 0)
+                       return -EINVAL;
+               if (c1 != c2)
+                       return 1;
+       } while (c1);
+
+       return 0;
+}
+EXPORT_SYMBOL(utf8_strncmp);
+
+int utf8_strncasecmp(const struct unicode_map *um,
+                    const struct qstr *s1, const struct qstr *s2)
+{
+       const struct utf8data *data = utf8nfdicf(um->version);
+       struct utf8cursor cur1, cur2;
+       int c1, c2;
+
+       if (utf8ncursor(&cur1, data, s1->name, s1->len) < 0)
+               return -EINVAL;
+
+       if (utf8ncursor(&cur2, data, s2->name, s2->len) < 0)
+               return -EINVAL;
+
+       do {
+               c1 = utf8byte(&cur1);
+               c2 = utf8byte(&cur2);
+
+               if (c1 < 0 || c2 < 0)
+                       return -EINVAL;
+               if (c1 != c2)
+                       return 1;
+       } while (c1);
+
+       return 0;
+}
+EXPORT_SYMBOL(utf8_strncasecmp);
+
+int utf8_casefold(const struct unicode_map *um, const struct qstr *str,
+                 unsigned char *dest, size_t dlen)
+{
+       const struct utf8data *data = utf8nfdicf(um->version);
+       struct utf8cursor cur;
+       size_t nlen = 0;
+
+       if (utf8ncursor(&cur, data, str->name, str->len) < 0)
+               return -EINVAL;
+
+       for (nlen = 0; nlen < dlen; nlen++) {
+               int c = utf8byte(&cur);
+
+               dest[nlen] = c;
+               if (!c)
+                       return nlen;
+               if (c == -1)
+                       break;
+       }
+       return -EINVAL;
+}
+
+EXPORT_SYMBOL(utf8_casefold);
+
+int utf8_normalize(const struct unicode_map *um, const struct qstr *str,
+                  unsigned char *dest, size_t dlen)
+{
+       const struct utf8data *data = utf8nfdi(um->version);
+       struct utf8cursor cur;
+       ssize_t nlen = 0;
+
+       if (utf8ncursor(&cur, data, str->name, str->len) < 0)
+               return -EINVAL;
+
+       for (nlen = 0; nlen < dlen; nlen++) {
+               int c = utf8byte(&cur);
+
+               dest[nlen] = c;
+               if (!c)
+                       return nlen;
+               if (c == -1)
+                       break;
+       }
+       return -EINVAL;
+}
+
+EXPORT_SYMBOL(utf8_normalize);
+
+static int utf8_parse_version(const char *version, unsigned int *maj,
+                             unsigned int *min, unsigned int *rev)
+{
+       substring_t args[3];
+       char version_string[12];
+       const struct match_token token[] = {
+               {1, "%d.%d.%d"},
+               {0, NULL}
+       };
+
+       strncpy(version_string, version, sizeof(version_string));
+
+       if (match_token(version_string, token, args) != 1)
+               return -EINVAL;
+
+       if (match_int(&args[0], maj) || match_int(&args[1], min) ||
+           match_int(&args[2], rev))
+               return -EINVAL;
+
+       return 0;
+}
+
+struct unicode_map *utf8_load(const char *version)
+{
+       struct unicode_map *um = NULL;
+       int unicode_version;
+
+       if (version) {
+               unsigned int maj, min, rev;
+
+               if (utf8_parse_version(version, &maj, &min, &rev) < 0)
+                       return ERR_PTR(-EINVAL);
+
+               if (!utf8version_is_supported(maj, min, rev))
+                       return ERR_PTR(-EINVAL);
+
+               unicode_version = UNICODE_AGE(maj, min, rev);
+       } else {
+               unicode_version = utf8version_latest();
+               printk(KERN_WARNING"UTF-8 version not specified. "
+                      "Assuming latest supported version (%d.%d.%d).",
+                      (unicode_version >> 16) & 0xff,
+                      (unicode_version >> 8) & 0xff,
+                      (unicode_version & 0xff));
+       }
+
+       um = kzalloc(sizeof(struct unicode_map), GFP_KERNEL);
+       if (!um)
+               return ERR_PTR(-ENOMEM);
+
+       um->charset = "UTF-8";
+       um->version = unicode_version;
+
+       return um;
+}
+EXPORT_SYMBOL(utf8_load);
+
+void utf8_unload(struct unicode_map *um)
+{
+       kfree(um);
+}
+EXPORT_SYMBOL(utf8_unload);
+
+MODULE_LICENSE("GPL v2");
index 848b93e97f504af56f8eb1fcc751de6a515bfc61..20d440c3f2db26a5f1dfe41d6ae8fcca2caac935 100644 (file)
@@ -38,6 +38,12 @@ int utf8version_is_supported(u8 maj, u8 min, u8 rev)
 }
 EXPORT_SYMBOL(utf8version_is_supported);
 
+int utf8version_latest(void)
+{
+       return utf8vers;
+}
+EXPORT_SYMBOL(utf8version_latest);
+
 /*
  * UTF-8 valid ranges.
  *
index b63a9091dc39a633ad05ab6f59bde8eb0b00c0c1..a120638014c19f352051db0825760ddae8998f58 100644 (file)
@@ -32,6 +32,7 @@
 
 /* Highest unicode version supported by the data tables. */
 extern int utf8version_is_supported(u8 maj, u8 min, u8 rev);
+extern int utf8version_latest(void);
 
 /*
  * Look for the correct const struct utf8data for a unicode version.
diff --git a/include/linux/unicode.h b/include/linux/unicode.h
new file mode 100644 (file)
index 0000000..aec2c6d
--- /dev/null
@@ -0,0 +1,30 @@
+/* SPDX-License-Identifier: GPL-2.0 */
+#ifndef _LINUX_UNICODE_H
+#define _LINUX_UNICODE_H
+
+#include <linux/init.h>
+#include <linux/dcache.h>
+
+struct unicode_map {
+       const char *charset;
+       int version;
+};
+
+int utf8_validate(const struct unicode_map *um, const struct qstr *str);
+
+int utf8_strncmp(const struct unicode_map *um,
+                const struct qstr *s1, const struct qstr *s2);
+
+int utf8_strncasecmp(const struct unicode_map *um,
+                const struct qstr *s1, const struct qstr *s2);
+
+int utf8_normalize(const struct unicode_map *um, const struct qstr *str,
+                  unsigned char *dest, size_t dlen);
+
+int utf8_casefold(const struct unicode_map *um, const struct qstr *str,
+                 unsigned char *dest, size_t dlen);
+
+struct unicode_map *utf8_load(const char *version);
+void utf8_unload(struct unicode_map *um);
+
+#endif /* _LINUX_UNICODE_H */