Quelle  utf8_kunit.c   Sprache: C

// SPDX-License-Identifier: GPL-2.0-only
/*
 * KUnit tests for utf-8 support.
 *
 * Copyright 2017 Collabora Ltd.
 */

#include <linux/unicode.h>
#include <kunit/test.h>

#include "../utf8n.h"

static const struct {
 /* UTF-8 strings in this vector _must_ be NULL-terminated. */
 unsigned char str[10];
 unsigned char dec[10];
} nfdi_test_data[] = {
 /* Trivial sequence */
 {
  /* "ABba" decomposes to itself */
  .str = "aBba",
  .dec = "aBba",
 },
 /* Simple equivalent sequences */
 {
               /* 'VULGAR FRACTION ONE QUARTER' cannot decompose to
                  'NUMBER 1' + 'FRACTION SLASH' + 'NUMBER 4' on
                  canonical decomposition */
               .str = {0xc2, 0xbc, 0x00},
        .dec = {0xc2, 0xbc, 0x00},
 },
 {
  /* 'LATIN SMALL LETTER A WITH DIAERESIS' decomposes to
   'LETTER A' + 'COMBINING DIAERESIS' */
  .str = {0xc3, 0xa4, 0x00},
  .dec = {0x61, 0xcc, 0x88, 0x00},
 },
 {
  /* 'LATIN SMALL LETTER LJ' can't decompose to
   'LETTER L' + 'LETTER J' on canonical decomposition */
  .str = {0xC7, 0x89, 0x00},
  .dec = {0xC7, 0x89, 0x00},
 },
 {
  /* GREEK ANO TELEIA decomposes to MIDDLE DOT */
  .str = {0xCE, 0x87, 0x00},
  .dec = {0xC2, 0xB7, 0x00}
 },
 /* Canonical ordering */
 {
  /* A + 'COMBINING ACUTE ACCENT' + 'COMBINING OGONEK' decomposes
   to A + 'COMBINING OGONEK' + 'COMBINING ACUTE ACCENT' */
  .str = {0x41, 0xcc, 0x81, 0xcc, 0xa8, 0x0},
  .dec = {0x41, 0xcc, 0xa8, 0xcc, 0x81, 0x0},
 },
 {
  /* 'LATIN SMALL LETTER A WITH DIAERESIS' + 'COMBINING OGONEK'
   decomposes to
   'LETTER A' + 'COMBINING OGONEK' + 'COMBINING DIAERESIS' */
  .str = {0xc3, 0xa4, 0xCC, 0xA8, 0x00},

  .dec = {0x61, 0xCC, 0xA8, 0xcc, 0x88, 0x00},
 },

};

static const struct {
 /* UTF-8 strings in this vector _must_ be NULL-terminated. */
 unsigned char str[30];
 unsigned char ncf[30];
} nfdicf_test_data[] = {
 /* Trivial sequences */
 {
  /* "ABba" folds to lowercase */
  .str = {0x41, 0x42, 0x62, 0x61, 0x00},
  .ncf = {0x61, 0x62, 0x62, 0x61, 0x00},
 },
 {
  /* All ASCII folds to lower-case */
  .str = "ABCDEFGHIJKLMNOPQRSTUVWXYZ0.1",
  .ncf = "abcdefghijklmnopqrstuvwxyz0.1",
 },
 {
  /* LATIN SMALL LETTER SHARP S folds to
   LATIN SMALL LETTER S + LATIN SMALL LETTER S */
  .str = {0xc3, 0x9f, 0x00},
  .ncf = {0x73, 0x73, 0x00},
 },
 {
  /* LATIN CAPITAL LETTER A WITH RING ABOVE folds to
   LATIN SMALL LETTER A + COMBINING RING ABOVE */
  .str = {0xC3, 0x85, 0x00},
  .ncf = {0x61, 0xcc, 0x8a, 0x00},
 },
 /* Introduced by UTF-8.0.0. */
 /* Cherokee letters are interesting test-cases because they fold
   to upper-case.  Before 8.0.0, Cherokee lowercase were
   undefined, thus, the folding from LC is not stable between
   7.0.0 -> 8.0.0, but it is from UC. */
 {
  /* CHEROKEE SMALL LETTER A folds to CHEROKEE LETTER A */
  .str = {0xea, 0xad, 0xb0, 0x00},
  .ncf = {0xe1, 0x8e, 0xa0, 0x00},
 },
 {
  /* CHEROKEE SMALL LETTER YE folds to CHEROKEE LETTER YE */
  .str = {0xe1, 0x8f, 0xb8, 0x00},
  .ncf = {0xe1, 0x8f, 0xb0, 0x00},
 },
 {
  /* OLD HUNGARIAN CAPITAL LETTER AMB folds to
   OLD HUNGARIAN SMALL LETTER AMB */
  .str = {0xf0, 0x90, 0xb2, 0x83, 0x00},
  .ncf = {0xf0, 0x90, 0xb3, 0x83, 0x00},
 },
 /* Introduced by UTF-9.0.0. */
 {
  /* OSAGE CAPITAL LETTER CHA folds to
   OSAGE SMALL LETTER CHA */
  .str = {0xf0, 0x90, 0x92, 0xb5, 0x00},
  .ncf = {0xf0, 0x90, 0x93, 0x9d, 0x00},
 },
 {
  /* LATIN CAPITAL LETTER SMALL CAPITAL I folds to
   LATIN LETTER SMALL CAPITAL I */
  .str = {0xea, 0x9e, 0xae, 0x00},
  .ncf = {0xc9, 0xaa, 0x00},
 },
 /* Introduced by UTF-11.0.0. */
 {
  /* GEORGIAN SMALL LETTER AN folds to GEORGIAN MTAVRULI
   CAPITAL LETTER AN */
  .str = {0xe1, 0xb2, 0x90, 0x00},
  .ncf = {0xe1, 0x83, 0x90, 0x00},
 }
};

static ssize_t utf8len(const struct unicode_map *um, enum utf8_normalization n,
  const char *s)
{
 return utf8nlen(um, n, s, (size_t)-1);
}

static int utf8cursor(struct utf8cursor *u8c, const struct unicode_map *um,
  enum utf8_normalization n, const char *s)
{
 return utf8ncursor(u8c, um, n, s, (unsigned int)-1);
}

static void check_utf8_nfdi(struct kunit *test)
{
 int i;
 struct utf8cursor u8c;
 struct unicode_map *um = test->priv;

 for (i = 0; i < ARRAY_SIZE(nfdi_test_data); i++) {
  int len = strlen(nfdi_test_data[i].str);
  int nlen = strlen(nfdi_test_data[i].dec);
  int j = 0;
  unsigned char c;
  int ret;

  KUNIT_EXPECT_EQ(test, utf8len(um, UTF8_NFDI, nfdi_test_data[i].str), nlen);
  KUNIT_EXPECT_EQ(test, utf8nlen(um, UTF8_NFDI, nfdi_test_data[i].str, len),
    nlen);


  ret = utf8cursor(&u8c, um, UTF8_NFDI, nfdi_test_data[i].str);
  KUNIT_EXPECT_TRUE_MSG(test, ret >= 0, "Can't create cursor\n");

  while ((c = utf8byte(&u8c)) > 0) {
   KUNIT_EXPECT_EQ_MSG(test, c, nfdi_test_data[i].dec[j],
         "Unexpected byte 0x%x should be 0x%x\n",
         c, nfdi_test_data[i].dec[j]);
   j++;
  }

  KUNIT_EXPECT_EQ(test, j, nlen);
 }
}

static void check_utf8_nfdicf(struct kunit *test)
{
 int i;
 struct utf8cursor u8c;
 struct unicode_map *um = test->priv;

 for (i = 0; i < ARRAY_SIZE(nfdicf_test_data); i++) {
  int len = strlen(nfdicf_test_data[i].str);
  int nlen = strlen(nfdicf_test_data[i].ncf);
  int j = 0;
  int ret;
  unsigned char c;

  KUNIT_EXPECT_EQ(test, utf8len(um, UTF8_NFDICF, nfdicf_test_data[i].str),
    nlen);
  KUNIT_EXPECT_EQ(test, utf8nlen(um, UTF8_NFDICF, nfdicf_test_data[i].str, len),
    nlen);

  ret = utf8cursor(&u8c, um, UTF8_NFDICF, nfdicf_test_data[i].str);
  KUNIT_EXPECT_TRUE_MSG(test, ret >= 0, "Can't create cursor\n");

  while ((c = utf8byte(&u8c)) > 0) {
   KUNIT_EXPECT_EQ_MSG(test, c, nfdicf_test_data[i].ncf[j],
         "Unexpected byte 0x%x should be 0x%x\n",
         c, nfdicf_test_data[i].ncf[j]);
   j++;
  }

  KUNIT_EXPECT_EQ(test, j, nlen);
 }
}

static void check_utf8_comparisons(struct kunit *test)
{
 int i;
 struct unicode_map *um = test->priv;

 for (i = 0; i < ARRAY_SIZE(nfdi_test_data); i++) {
  const struct qstr s1 = {.name = nfdi_test_data[i].str,
     .len = sizeof(nfdi_test_data[i].str)};
  const struct qstr s2 = {.name = nfdi_test_data[i].dec,
     .len = sizeof(nfdi_test_data[i].dec)};

  /* strncmp returns 0 when strings are equal */
  KUNIT_EXPECT_TRUE_MSG(test, utf8_strncmp(um, &s1, &s2) == 0,
        "%s %s comparison mismatch\n", s1.name, s2.name);
 }

 for (i = 0; i < ARRAY_SIZE(nfdicf_test_data); i++) {
  const struct qstr s1 = {.name = nfdicf_test_data[i].str,
     .len = sizeof(nfdicf_test_data[i].str)};
  const struct qstr s2 = {.name = nfdicf_test_data[i].ncf,
     .len = sizeof(nfdicf_test_data[i].ncf)};

  /* strncasecmp returns 0 when strings are equal */
  KUNIT_EXPECT_TRUE_MSG(test, utf8_strncasecmp(um, &s1, &s2) == 0,
        "%s %s comparison mismatch\n", s1.name, s2.name);
 }
}

static void check_supported_versions(struct kunit *test)
{
 struct unicode_map *um = test->priv;
 /* Unicode 7.0.0 should be supported. */
 KUNIT_EXPECT_TRUE(test, utf8version_is_supported(um, UNICODE_AGE(7, 0, 0)));

 /* Unicode 9.0.0 should be supported. */
 KUNIT_EXPECT_TRUE(test, utf8version_is_supported(um, UNICODE_AGE(9, 0, 0)));

 /* Unicode 1x.0.0 (the latest version) should be supported. */
 KUNIT_EXPECT_TRUE(test, utf8version_is_supported(um, UTF8_LATEST));

 /* Next versions don't exist. */
 KUNIT_EXPECT_FALSE(test, utf8version_is_supported(um, UNICODE_AGE(13, 0, 0)));
 KUNIT_EXPECT_FALSE(test, utf8version_is_supported(um, UNICODE_AGE(0, 0, 0)));
 KUNIT_EXPECT_FALSE(test, utf8version_is_supported(um, UNICODE_AGE(-1, -1, -1)));
}

static struct kunit_case unicode_normalization_test_cases[] = {
 KUNIT_CASE(check_supported_versions),
 KUNIT_CASE(check_utf8_comparisons),
 KUNIT_CASE(check_utf8_nfdicf),
 KUNIT_CASE(check_utf8_nfdi),
 {}
};

static int init_test_ucd(struct kunit *test)
{
 struct unicode_map *um = utf8_load(UTF8_LATEST);

 test->priv = um;

 KUNIT_EXPECT_EQ_MSG(test, IS_ERR(um), 0,
       "%s: Unable to load utf8 table.\n", __func__);

 return 0;
}

static void exit_test_ucd(struct kunit *test)
{
 utf8_unload(test->priv);
}

static struct kunit_suite unicode_normalization_test_suite = {
 .name = "unicode_normalization",
 .test_cases = unicode_normalization_test_cases,
 .init = init_test_ucd,
 .exit = exit_test_ucd,
};

kunit_test_suite(unicode_normalization_test_suite);


MODULE_AUTHOR("Gabriel Krisman Bertazi ");
MODULE_DESCRIPTION("KUnit tests for utf-8 support.");
MODULE_LICENSE("GPL");