GHC/Unicode.hs

   1 {-# OPTIONS -fno-implicit-prelude #-}
   2 {-# OPTIONS -#include "WCsubst.h" #-}
   3 -----------------------------------------------------------------------------
   4 -- |
   5 -- Module      :  GHC.Unicode
   6 -- Copyright   :  (c) The University of Glasgow, 2003
   7 -- License     :  see libraries/base/LICENSE
   8 --
   9 -- Maintainer  :  cvs-ghc@haskell.org
  10 -- Stability   :  internal
  11 -- Portability :  non-portable (GHC extensions)
  12 --
  13 -- Implementations for the character predicates (isLower, isUpper, etc.)
  14 -- and the conversions (toUpper, toLower).  The implementation uses
  15 -- libunicode on Unix systems if that is available.
  16 --
  17 -----------------------------------------------------------------------------
  18
  19 module GHC.Unicode (
  20     isAscii, isLatin1, isControl,
  21     isAsciiUpper, isAsciiLower,
  22     isPrint, isSpace,  isUpper,
  23     isLower, isAlpha,  isDigit,
  24     isOctDigit, isHexDigit, isAlphaNum,
  25     toUpper, toLower, toTitle,
  26     wgencat,
  27   ) where
  28
  29 import GHC.Base
  30 import GHC.Real  (fromIntegral)
  31 import GHC.Int
  32 import GHC.Word
  33 import GHC.Num   (fromInteger)
  34
  35 #include "HsBaseConfig.h"
  36
  37 -- | Selects the first 128 characters of the Unicode character set,
  38 -- corresponding to the ASCII character set.
  39 isAscii                 :: Char -> Bool
  40 isAscii c               =  c <  '\x80'
  41
  42 -- | Selects the first 256 characters of the Unicode character set,
  43 -- corresponding to the ISO 8859-1 (Latin-1) character set.
  44 isLatin1                :: Char -> Bool
  45 isLatin1 c              =  c <= '\xff'
  46
  47 isAsciiUpper, isAsciiLower :: Char -> Bool
  48 isAsciiLower c          =  c >= 'a' && c <= 'z'
  49 isAsciiUpper c          =  c >= 'A' && c <= 'Z'
  50
  51 -- | Selects control characters, which are the non-printing characters of
  52 -- the Latin-1 subset of Unicode.
  53 isControl               :: Char -> Bool
  54
  55 -- | Selects printable Unicode characters
  56 -- (letters, numbers, marks, punctuation, symbols and spaces).
  57 isPrint                 :: Char -> Bool
  58
  59 -- | Selects white-space characters in the Latin-1 range.
  60 -- (In Unicode terms, this includes spaces and some control characters.)
  61 isSpace                 :: Char -> Bool
  62 -- isSpace includes non-breaking space
  63 -- Done with explicit equalities both for efficiency, and to avoid a tiresome
  64 -- recursion with GHC.List elem
  65 isSpace c               =  c == ' '     ||
  66                            c == '\t'    ||
  67                            c == '\n'    ||
  68                            c == '\r'    ||
  69                            c == '\f'    ||
  70                            c == '\v'    ||
  71                            c == '\xa0'  ||
  72                            iswspace (fromIntegral (ord c)) /= 0
  73
  74 -- | Selects alphabetic Unicode characters (letters) that are not lower-case.
  75 -- (In Unicode terms, this includes letters in upper and title cases,
  76 -- as well as modifier letters and other letters.)
  77 isUpper                 :: Char -> Bool
  78
  79 -- | Selects lower-case alphabetic Unicode characters (letters).
  80 isLower                 :: Char -> Bool
  81
  82 -- | Selects alphabetic Unicode characters (letters).
  83 isAlpha                 :: Char -> Bool
  84
  85 -- | Selects alphabetic or numeric digit Unicode characters.
  86 --
  87 -- Note that numeric digits outside the ASCII range are selected by this
  88 -- function but not by 'isDigit'.  Such digits may be part of identifiers
  89 -- but are not used by the printer and reader to represent numbers.
  90 isAlphaNum              :: Char -> Bool
  91
  92 -- | Selects ASCII digits, i.e. @\'0\'@..@\'9\'@.
  93 isDigit                 :: Char -> Bool
  94 isDigit c               =  c >= '0' && c <= '9'
  95
  96 -- | Selects ASCII octal digits, i.e. @\'0\'@..@\'7\'@.
  97 isOctDigit              :: Char -> Bool
  98 isOctDigit c            =  c >= '0' && c <= '7'
  99
 100 -- | Selects ASCII hexadecimal digits,
 101 -- i.e. @\'0\'@..@\'9\'@, @\'a\'@..@\'f\'@, @\'A\'@..@\'F\'@.
 102 isHexDigit              :: Char -> Bool
 103 isHexDigit c            =  isDigit c || c >= 'A' && c <= 'F' ||
 104                                         c >= 'a' && c <= 'f'
 105
 106 -- | Convert a letter to the corresponding upper-case letter, leaving any
 107 -- other character unchanged.  Any Unicode letter which has an upper-case
 108 -- equivalent is transformed.
 109 toUpper                 :: Char -> Char
 110
 111 -- | Convert a letter to the corresponding lower-case letter, leaving any
 112 -- other character unchanged.  Any Unicode letter which has a lower-case
 113 -- equivalent is transformed.
 114 toLower                 :: Char -> Char
 115
 116 -- | Convert a letter to the corresponding title-case letter, leaving any
 117 -- other character unchanged.  Any Unicode letter which has a lower-case
 118 -- equivalent is transformed.
 119 toTitle                 :: Char -> Char
 120
 121 -- -----------------------------------------------------------------------------
 122 -- Implementation with the supplied auto-generated Unicode character properties
 123 -- table (default)
 124
 125 #if 1
 126
 127 -- Regardless of the O/S and Library, use the functions contained in WCsubst.c
 128
 129 type WInt = HTYPE_WINT_T
 130 type CInt = HTYPE_INT
 131
 132 isAlpha    c = iswalpha (fromIntegral (ord c)) /= 0
 133 isAlphaNum c = iswalnum (fromIntegral (ord c)) /= 0
 134 --isSpace    c = iswspace (fromIntegral (ord c)) /= 0
 135 isControl  c = iswcntrl (fromIntegral (ord c)) /= 0
 136 isPrint    c = iswprint (fromIntegral (ord c)) /= 0
 137 isUpper    c = iswupper (fromIntegral (ord c)) /= 0
 138 isLower    c = iswlower (fromIntegral (ord c)) /= 0
 139
 140 toLower c = chr (fromIntegral (towlower (fromIntegral (ord c))))
 141 toUpper c = chr (fromIntegral (towupper (fromIntegral (ord c))))
 142 toTitle c = chr (fromIntegral (towtitle (fromIntegral (ord c))))
 143
 144 foreign import ccall unsafe "u_iswdigit"
 145   iswdigit :: CInt -> CInt
 146
 147 foreign import ccall unsafe "u_iswalpha"
 148   iswalpha :: CInt -> CInt
 149
 150 foreign import ccall unsafe "u_iswalnum"
 151   iswalnum :: CInt -> CInt
 152
 153 foreign import ccall unsafe "u_iswcntrl"
 154   iswcntrl :: CInt -> CInt
 155
 156 foreign import ccall unsafe "u_iswspace"
 157   iswspace :: CInt -> CInt
 158
 159 foreign import ccall unsafe "u_iswprint"
 160   iswprint :: CInt -> CInt
 161
 162 foreign import ccall unsafe "u_iswlower"
 163   iswlower :: CInt -> CInt
 164
 165 foreign import ccall unsafe "u_iswupper"
 166   iswupper :: CInt -> CInt
 167
 168 foreign import ccall unsafe "u_towlower"
 169   towlower :: CInt -> CInt
 170
 171 foreign import ccall unsafe "u_towupper"
 172   towupper :: CInt -> CInt
 173
 174 foreign import ccall unsafe "u_towtitle"
 175   towtitle :: CInt -> CInt
 176
 177 foreign import ccall unsafe "u_gencat"
 178   wgencat :: CInt -> Int
 179
 180 -- -----------------------------------------------------------------------------
 181 -- No libunicode, so fall back to the ASCII-only implementation (never used, indeed)
 182
 183 #else
 184
 185 isControl c             =  c < ' ' || c >= '\DEL' && c <= '\x9f'
 186 isPrint c               =  not (isControl c)
 187
 188 -- The upper case ISO characters have the multiplication sign dumped
 189 -- randomly in the middle of the range.  Go figure.
 190 isUpper c               =  c >= 'A' && c <= 'Z' ||
 191                            c >= '\xC0' && c <= '\xD6' ||
 192                            c >= '\xD8' && c <= '\xDE'
 193 -- The lower case ISO characters have the division sign dumped
 194 -- randomly in the middle of the range.  Go figure.
 195 isLower c               =  c >= 'a' && c <= 'z' ||
 196                            c >= '\xDF' && c <= '\xF6' ||
 197                            c >= '\xF8' && c <= '\xFF'
 198
 199 isAlpha c               =  isLower c || isUpper c
 200 isAlphaNum c            =  isAlpha c || isDigit c
 201
 202 -- Case-changing operations
 203
 204 toUpper c@(C# c#)
 205   | isAsciiLower c    = C# (chr# (ord# c# -# 32#))
 206   | isAscii c         = c
 207     -- fall-through to the slower stuff.
 208   | isLower c   && c /= '\xDF' && c /= '\xFF'
 209   = unsafeChr (ord c `minusInt` ord 'a' `plusInt` ord 'A')
 210   | otherwise
 211   = c
 212
 213
 214 toLower c@(C# c#)
 215   | isAsciiUpper c = C# (chr# (ord# c# +# 32#))
 216   | isAscii c      = c
 217   | isUpper c      = unsafeChr (ord c `minusInt` ord 'A' `plusInt` ord 'a')
 218   | otherwise      =  c
 219
 220 #endif
 221