188 lines
5.8 KiB
JavaScript
188 lines
5.8 KiB
JavaScript
|
/*! https://mths.be/utf8js v2.1.2 by @mathias */
|
|||
|
var stringFromCharCode = String.fromCharCode;
|
|||
|
// Taken from https://mths.be/punycode
|
|||
|
function ucs2decode(string) {
|
|||
|
var output = [];
|
|||
|
var counter = 0;
|
|||
|
var length = string.length;
|
|||
|
var value;
|
|||
|
var extra;
|
|||
|
while (counter < length) {
|
|||
|
value = string.charCodeAt(counter++);
|
|||
|
if (value >= 0xD800 && value <= 0xDBFF && counter < length) {
|
|||
|
// high surrogate, and there is a next character
|
|||
|
extra = string.charCodeAt(counter++);
|
|||
|
if ((extra & 0xFC00) == 0xDC00) { // low surrogate
|
|||
|
output.push(((value & 0x3FF) << 10) + (extra & 0x3FF) + 0x10000);
|
|||
|
}
|
|||
|
else {
|
|||
|
// unmatched surrogate; only append this code unit, in case the next
|
|||
|
// code unit is the high surrogate of a surrogate pair
|
|||
|
output.push(value);
|
|||
|
counter--;
|
|||
|
}
|
|||
|
}
|
|||
|
else {
|
|||
|
output.push(value);
|
|||
|
}
|
|||
|
}
|
|||
|
return output;
|
|||
|
}
|
|||
|
// Taken from https://mths.be/punycode
|
|||
|
function ucs2encode(array) {
|
|||
|
var length = array.length;
|
|||
|
var index = -1;
|
|||
|
var value;
|
|||
|
var output = '';
|
|||
|
while (++index < length) {
|
|||
|
value = array[index];
|
|||
|
if (value > 0xFFFF) {
|
|||
|
value -= 0x10000;
|
|||
|
output += stringFromCharCode(value >>> 10 & 0x3FF | 0xD800);
|
|||
|
value = 0xDC00 | value & 0x3FF;
|
|||
|
}
|
|||
|
output += stringFromCharCode(value);
|
|||
|
}
|
|||
|
return output;
|
|||
|
}
|
|||
|
function checkScalarValue(codePoint, strict) {
|
|||
|
if (codePoint >= 0xD800 && codePoint <= 0xDFFF) {
|
|||
|
if (strict) {
|
|||
|
throw Error('Lone surrogate U+' + codePoint.toString(16).toUpperCase() +
|
|||
|
' is not a scalar value');
|
|||
|
}
|
|||
|
return false;
|
|||
|
}
|
|||
|
return true;
|
|||
|
}
|
|||
|
/*--------------------------------------------------------------------------*/
|
|||
|
function createByte(codePoint, shift) {
|
|||
|
return stringFromCharCode(((codePoint >> shift) & 0x3F) | 0x80);
|
|||
|
}
|
|||
|
function encodeCodePoint(codePoint, strict) {
|
|||
|
if ((codePoint & 0xFFFFFF80) == 0) { // 1-byte sequence
|
|||
|
return stringFromCharCode(codePoint);
|
|||
|
}
|
|||
|
var symbol = '';
|
|||
|
if ((codePoint & 0xFFFFF800) == 0) { // 2-byte sequence
|
|||
|
symbol = stringFromCharCode(((codePoint >> 6) & 0x1F) | 0xC0);
|
|||
|
}
|
|||
|
else if ((codePoint & 0xFFFF0000) == 0) { // 3-byte sequence
|
|||
|
if (!checkScalarValue(codePoint, strict)) {
|
|||
|
codePoint = 0xFFFD;
|
|||
|
}
|
|||
|
symbol = stringFromCharCode(((codePoint >> 12) & 0x0F) | 0xE0);
|
|||
|
symbol += createByte(codePoint, 6);
|
|||
|
}
|
|||
|
else if ((codePoint & 0xFFE00000) == 0) { // 4-byte sequence
|
|||
|
symbol = stringFromCharCode(((codePoint >> 18) & 0x07) | 0xF0);
|
|||
|
symbol += createByte(codePoint, 12);
|
|||
|
symbol += createByte(codePoint, 6);
|
|||
|
}
|
|||
|
symbol += stringFromCharCode((codePoint & 0x3F) | 0x80);
|
|||
|
return symbol;
|
|||
|
}
|
|||
|
function utf8encode(string, opts) {
|
|||
|
opts = opts || {};
|
|||
|
var strict = false !== opts.strict;
|
|||
|
var codePoints = ucs2decode(string);
|
|||
|
var length = codePoints.length;
|
|||
|
var index = -1;
|
|||
|
var codePoint;
|
|||
|
var byteString = '';
|
|||
|
while (++index < length) {
|
|||
|
codePoint = codePoints[index];
|
|||
|
byteString += encodeCodePoint(codePoint, strict);
|
|||
|
}
|
|||
|
return byteString;
|
|||
|
}
|
|||
|
/*--------------------------------------------------------------------------*/
|
|||
|
function readContinuationByte() {
|
|||
|
if (byteIndex >= byteCount) {
|
|||
|
throw Error('Invalid byte index');
|
|||
|
}
|
|||
|
var continuationByte = byteArray[byteIndex] & 0xFF;
|
|||
|
byteIndex++;
|
|||
|
if ((continuationByte & 0xC0) == 0x80) {
|
|||
|
return continuationByte & 0x3F;
|
|||
|
}
|
|||
|
// If we end up here, it’s not a continuation byte
|
|||
|
throw Error('Invalid continuation byte');
|
|||
|
}
|
|||
|
function decodeSymbol(strict) {
|
|||
|
var byte1;
|
|||
|
var byte2;
|
|||
|
var byte3;
|
|||
|
var byte4;
|
|||
|
var codePoint;
|
|||
|
if (byteIndex > byteCount) {
|
|||
|
throw Error('Invalid byte index');
|
|||
|
}
|
|||
|
if (byteIndex == byteCount) {
|
|||
|
return false;
|
|||
|
}
|
|||
|
// Read first byte
|
|||
|
byte1 = byteArray[byteIndex] & 0xFF;
|
|||
|
byteIndex++;
|
|||
|
// 1-byte sequence (no continuation bytes)
|
|||
|
if ((byte1 & 0x80) == 0) {
|
|||
|
return byte1;
|
|||
|
}
|
|||
|
// 2-byte sequence
|
|||
|
if ((byte1 & 0xE0) == 0xC0) {
|
|||
|
byte2 = readContinuationByte();
|
|||
|
codePoint = ((byte1 & 0x1F) << 6) | byte2;
|
|||
|
if (codePoint >= 0x80) {
|
|||
|
return codePoint;
|
|||
|
}
|
|||
|
else {
|
|||
|
throw Error('Invalid continuation byte');
|
|||
|
}
|
|||
|
}
|
|||
|
// 3-byte sequence (may include unpaired surrogates)
|
|||
|
if ((byte1 & 0xF0) == 0xE0) {
|
|||
|
byte2 = readContinuationByte();
|
|||
|
byte3 = readContinuationByte();
|
|||
|
codePoint = ((byte1 & 0x0F) << 12) | (byte2 << 6) | byte3;
|
|||
|
if (codePoint >= 0x0800) {
|
|||
|
return checkScalarValue(codePoint, strict) ? codePoint : 0xFFFD;
|
|||
|
}
|
|||
|
else {
|
|||
|
throw Error('Invalid continuation byte');
|
|||
|
}
|
|||
|
}
|
|||
|
// 4-byte sequence
|
|||
|
if ((byte1 & 0xF8) == 0xF0) {
|
|||
|
byte2 = readContinuationByte();
|
|||
|
byte3 = readContinuationByte();
|
|||
|
byte4 = readContinuationByte();
|
|||
|
codePoint = ((byte1 & 0x07) << 0x12) | (byte2 << 0x0C) |
|
|||
|
(byte3 << 0x06) | byte4;
|
|||
|
if (codePoint >= 0x010000 && codePoint <= 0x10FFFF) {
|
|||
|
return codePoint;
|
|||
|
}
|
|||
|
}
|
|||
|
throw Error('Invalid UTF-8 detected');
|
|||
|
}
|
|||
|
var byteArray;
|
|||
|
var byteCount;
|
|||
|
var byteIndex;
|
|||
|
function utf8decode(byteString, opts) {
|
|||
|
opts = opts || {};
|
|||
|
var strict = false !== opts.strict;
|
|||
|
byteArray = ucs2decode(byteString);
|
|||
|
byteCount = byteArray.length;
|
|||
|
byteIndex = 0;
|
|||
|
var codePoints = [];
|
|||
|
var tmp;
|
|||
|
while ((tmp = decodeSymbol(strict)) !== false) {
|
|||
|
codePoints.push(tmp);
|
|||
|
}
|
|||
|
return ucs2encode(codePoints);
|
|||
|
}
|
|||
|
module.exports = {
|
|||
|
version: '2.1.2',
|
|||
|
encode: utf8encode,
|
|||
|
decode: utf8decode
|
|||
|
};
|