tests/test-reader.c

   1 #include <yaml/yaml.h>
   2
   3 #include <stdlib.h>
   4 #include <stdio.h>
   5 #include <assert.h>
   6
   7 /*
   8  * Test cases are stolen from
   9  * http://www.cl.cam.ac.uk/~mgk25/ucs/examples/UTF-8-test.txt
  10  */
  11
  12 typedef struct {
  13     char *title;
  14     char *test;
  15     int result;
  16 } test_case;
  17
  18 test_case utf8_sequences[] = {
  19     /* {"title", "test 1|test 2|...|test N!", (0 or 1)}, */
  20
  21     {"a simple test", "'test' is '\xd0\xbf\xd1\x80\xd0\xbe\xd0\xb2\xd0\xb5\xd1\x80\xd0\xba\xd0\xb0' in Russian!", 1},
  22     {"an empty line", "!", 1},
  23
  24     {"u-0 is a control character", "\x00!", 0},
  25     {"u-80 is a control character", "\xc2\x80!", 0},
  26     {"u-800 is valid", "\xe0\xa0\x80!", 1},
  27     {"u-10000 is valid", "\xf0\x90\x80\x80!", 1},
  28     {"5 bytes sequences are not allowed", "\xf8\x88\x80\x80\x80!", 0},
  29     {"6 bytes sequences are not allowed", "\xfc\x84\x80\x80\x80\x80!", 0},
  30
  31     {"u-7f is a control character", "\x7f!", 0},
  32     {"u-7FF is valid", "\xdf\xbf!", 1},
  33     {"u-FFFF is a control character", "\xef\xbf\xbf!", 0},
  34     {"u-1FFFFF is too large", "\xf7\xbf\xbf\xbf!", 0},
  35     {"u-3FFFFFF is 5 bytes", "\xfb\xbf\xbf\xbf\xbf!", 0},
  36     {"u-7FFFFFFF is 6 bytes", "\xfd\xbf\xbf\xbf\xbf\xbf!", 0},
  37
  38     {"u-D7FF", "\xed\x9f\xbf!", 1},
  39     {"u-E000", "\xee\x80\x80!", 1},
  40     {"u-FFFD", "\xef\xbf\xbd!", 1},
  41     {"u-10FFFF", "\xf4\x8f\xbf\xbf!", 1},
  42     {"u-110000", "\xf4\x90\x80\x80!", 0},
  43
  44     {"first continuation byte", "\x80!", 0},
  45     {"last continuation byte", "\xbf!", 0},
  46
  47     {"2 continuation bytes", "\x80\xbf!", 0},
  48     {"3 continuation bytes", "\x80\xbf\x80!", 0},
  49     {"4 continuation bytes", "\x80\xbf\x80\xbf!", 0},
  50     {"5 continuation bytes", "\x80\xbf\x80\xbf\x80!", 0},
  51     {"6 continuation bytes", "\x80\xbf\x80\xbf\x80\xbf!", 0},
  52     {"7 continuation bytes", "\x80\xbf\x80\xbf\x80\xbf\x80!", 0},
  53
  54     {"sequence of all 64 possible continuation bytes",
  55      "\x80|\x81|\x82|\x83|\x84|\x85|\x86|\x87|\x88|\x89|\x8a|\x8b|\x8c|\x8d|\x8e|\x8f|"
  56      "\x90|\x91|\x92|\x93|\x94|\x95|\x96|\x97|\x98|\x99|\x9a|\x9b|\x9c|\x9d|\x9e|\x9f|"
  57      "\xa0|\xa1|\xa2|\xa3|\xa4|\xa5|\xa6|\xa7|\xa8|\xa9|\xaa|\xab|\xac|\xad|\xae|\xaf|"
  58      "\xb0|\xb1|\xb2|\xb3|\xb4|\xb5|\xb6|\xb7|\xb8|\xb9|\xba|\xbb|\xbc|\xbd|\xbe|\xbf!", 0},
  59     {"32 first bytes of 2-byte sequences {0xc0-0xdf}",
  60      "\xc0 |\xc1 |\xc2 |\xc3 |\xc4 |\xc5 |\xc6 |\xc7 |\xc8 |\xc9 |\xca |\xcb |\xcc |\xcd |\xce |\xcf |"
  61      "\xd0 |\xd1 |\xd2 |\xd3 |\xd4 |\xd5 |\xd6 |\xd7 |\xd8 |\xd9 |\xda |\xdb |\xdc |\xdd |\xde |\xdf !", 0},
  62     {"16 first bytes of 3-byte sequences {0xe0-0xef}",
  63      "\xe0 |\xe1 |\xe2 |\xe3 |\xe4 |\xe5 |\xe6 |\xe7 |\xe8 |\xe9 |\xea |\xeb |\xec |\xed |\xee |\xef !", 0},
  64     {"8 first bytes of 4-byte sequences {0xf0-0xf7}", "\xf0 |\xf1 |\xf2 |\xf3 |\xf4 |\xf5 |\xf6 |\xf7 !", 0},
  65     {"4 first bytes of 5-byte sequences {0xf8-0xfb}", "\xf8 |\xf9 |\xfa |\xfb !", 0},
  66     {"2 first bytes of 6-byte sequences {0xfc-0xfd}", "\xfc |\xfd !", 0},
  67
  68     {"sequences with last byte missing {u-0}",
  69      "\xc0|\xe0\x80|\xf0\x80\x80|\xf8\x80\x80\x80|\xfc\x80\x80\x80\x80!", 0},
  70     {"sequences with last byte missing {u-...FF}",
  71      "\xdf|\xef\xbf|\xf7\xbf\xbf|\xfb\xbf\xbf\xbf|\xfd\xbf\xbf\xbf\xbf!", 0},
  72
  73     {"impossible bytes", "\xfe|\xff|\xfe\xfe\xff\xff!", 0},
  74
  75     {"overlong sequences {u-2f}",
  76      "\xc0\xaf|\xe0\x80\xaf|\xf0\x80\x80\xaf|\xf8\x80\x80\x80\xaf|\xfc\x80\x80\x80\x80\xaf!", 0},
  77
  78     {"maximum overlong sequences",
  79      "\xc1\xbf|\xe0\x9f\xbf|\xf0\x8f\xbf\xbf|\xf8\x87\xbf\xbf\xbf|\xfc\x83\xbf\xbf\xbf\xbf!", 0},
  80
  81     {"overlong representation of the NUL character",
  82      "\xc0\x80|\xe0\x80\x80|\xf0\x80\x80\x80|\xf8\x80\x80\x80\x80|\xfc\x80\x80\x80\x80\x80!", 0},
  83
  84     {"single UTF-16 surrogates",
  85      "\xed\xa0\x80|\xed\xad\xbf|\xed\xae\x80|\xed\xaf\xbf|\xed\xb0\x80|\xed\xbe\x80|\xed\xbf\xbf!", 0},
  86
  87     {"paired UTF-16 surrogates",
  88      "\xed\xa0\x80\xed\xb0\x80|\xed\xa0\x80\xed\xbf\xbf|\xed\xad\xbf\xed\xb0\x80|"
  89      "\xed\xad\xbf\xed\xbf\xbf|\xed\xae\x80\xed\xb0\x80|\xed\xae\x80\xed\xbf\xbf|"
  90      "\xed\xaf\xbf\xed\xb0\x80|\xed\xaf\xbf\xed\xbf\xbf!", 0},
  91
  92     {"other illegal code positions", "\xef\xbf\xbe|\xef\xbf\xbf!", 0},
  93
  94     {NULL, NULL, 0}
  95 };
  96
  97 test_case boms[] = {
  98
  99     /* {"title", "test!", lenth}, */
 100
 101     {"no bom (utf-8)", "Hi is \xd0\x9f\xd1\x80\xd0\xb8\xd0\xb2\xd0\xb5\xd1\x82!", 13},
 102     {"bom (utf-8)", "\xef\xbb\xbfHi is \xd0\x9f\xd1\x80\xd0\xb8\xd0\xb2\xd0\xb5\xd1\x82!", 13},
 103     {"bom (utf-16-le)", "\xff\xfeH\x00i\x00 \x00i\x00s\x00 \x00\x1f\x04@\x04""8\x04""2\x04""5\x04""B\x04!", 13},
 104     {"bom (utf-16-be)", "\xfe\xff\x00H\x00i\x00 \x00i\x00s\x00 \x04\x1f\x04@\x04""8\x04""2\x04""5\x04""B!", 13}
 105 };
 106
 107 char *bom_original = "Hi is \xd0\x9f\xd1\x80\xd0\xb8\xd0\xb2\xd0\xb5\xd1\x82";
 108
 109 int check_utf8_sequences(void)
 110 {
 111     yaml_parser_t *parser;
 112     int failed = 0;
 113     int k;
 114     printf("checking utf-8 sequences...\n");
 115     for (k = 0; utf8_sequences[k].test; k++) {
 116         char *title = utf8_sequences[k].title;
 117         int check = utf8_sequences[k].result;
 118         int result;
 119         char *start = utf8_sequences[k].test;
 120         char *end = start;
 121         printf("\t%s:\n", title);
 122         while(1) {
 123             while (*end != '|' && *end != '!') end++;
 124             parser = yaml_parser_new();
 125             assert(parser);
 126             yaml_parser_set_input_string(parser, (unsigned char *)start, end-start);
 127             result = yaml_parser_update_buffer(parser, end-start);
 128             if (result != check) {
 129                 printf("\t\t- ");
 130                 failed ++;
 131             }
 132             else {
 133                 printf("\t\t+ ");
 134             }
 135             if (!parser->error) {
 136                 printf("(no error)\n");
 137             }
 138             else if (parser->error == YAML_READER_ERROR) {
 139                 if (parser->problem_value != -1) {
 140                     printf("(reader error: %s: #%X at %d)\n",
 141                             parser->problem, parser->problem_value, parser->problem_offset);
 142                 }
 143                 else {
 144                     printf("(reader error: %s at %d)\n",
 145                             parser->problem, parser->problem_offset);
 146                 }
 147             }
 148             if (*end == '!') break;
 149             start = ++end;
 150             yaml_parser_delete(parser);
 151         };
 152         printf("\n");
 153     }
 154     printf("checking utf-8 sequences: %d fail(s)\n", failed);
 155     return failed;
 156 }
 157
 158 int check_boms(void)
 159 {
 160     yaml_parser_t *parser;
 161     int failed = 0;
 162     int k;
 163     printf("checking boms...\n");
 164     for (k = 0; boms[k].test; k++) {
 165         char *title = boms[k].title;
 166         int check = boms[k].result;
 167         int result;
 168         char *start = boms[k].test;
 169         char *end = start;
 170         while (*end != '!') end++;
 171         printf("\t%s: ", title);
 172         parser = yaml_parser_new();
 173         assert(parser);
 174         yaml_parser_set_input_string(parser, (unsigned char *)start, end-start);
 175         result = yaml_parser_update_buffer(parser, end-start);
 176         if (!result) {
 177             printf("- (reader error: %s at %d)\n", parser->problem, parser->problem_offset);
 178             failed++;
 179         }
 180         else {
 181             if (parser->unread != check) {
 182                 printf("- (length=%d while expected length=%d)\n", parser->unread, check);
 183                 failed++;
 184             }
 185             else if (memcmp(parser->buffer, bom_original, check) != 0) {
 186                 printf("- (value '%s' does not equal to the original value '%s')\n", parser->buffer, bom_original);
 187                 failed++;
 188             }
 189             else {
 190                 printf("+\n");
 191             }
 192         }
 193         yaml_parser_delete(parser);
 194     }
 195     printf("checking boms: %d fail(s)\n", failed);
 196     return failed;
 197 }
 198
 199 #define LONG    100000
 200
 201 int check_long_utf8(void)
 202 {
 203     yaml_parser_t *parser;
 204     int k = 0;
 205     int j;
 206     int failed = 0;
 207     unsigned char ch0, ch1;
 208     unsigned char *buffer = malloc(3+LONG*2);
 209     assert(buffer);
 210     printf("checking a long utf8 sequence...\n");
 211     buffer[k++] = '\xef';
 212     buffer[k++] = '\xbb';
 213     buffer[k++] = '\xbf';
 214     for (j = 0; j < LONG; j ++) {
 215         if (j % 2) {
 216             buffer[k++] = '\xd0';
 217             buffer[k++] = '\x90';
 218         }
 219         else {
 220             buffer[k++] = '\xd0';
 221             buffer[k++] = '\xaf';
 222         }
 223     }
 224     parser = yaml_parser_new();
 225     assert(parser);
 226     yaml_parser_set_input_string(parser, buffer, 3+LONG*2);
 227     for (k = 0; k < LONG; k++) {
 228         if (!parser->unread) {
 229             if (!yaml_parser_update_buffer(parser, 1)) {
 230                 printf("\treader error: %s at %d\n", parser->problem, parser->problem_offset);
 231                 failed = 1;
 232                 break;
 233             }
 234         }
 235         if (!parser->unread) {
 236             printf("\tnot enough characters at %d\n", k);
 237             failed = 1;
 238             break;
 239         }
 240         if (k % 2) {
 241             ch0 = '\xd0';
 242             ch1 = '\x90';
 243         }
 244         else {
 245             ch0 = '\xd0';
 246             ch1 = '\xaf';
 247         }
 248         if (parser->pointer[0] != ch0 || parser->pointer[1] != ch1) {
 249             printf("\tincorrect UTF-8 sequence: %X %X instead of %X %X\n",
 250                     (int)parser->pointer[0], (int)parser->pointer[1],
 251                     (int)ch0, (int)ch1);
 252             failed = 1;
 253             break;
 254         }
 255         parser->pointer += 2;
 256         parser->unread -= 1;
 257     }
 258     if (!failed) {
 259         if (!yaml_parser_update_buffer(parser, 1)) {
 260             printf("\treader error: %s at %d\n", parser->problem, parser->problem_offset);
 261             failed = 1;
 262         }
 263         else if (parser->pointer[0] != '\0') {
 264             printf("\texpected NUL, found %X (eof=%d, unread=%d)\n", (int)parser->pointer[0], parser->eof, parser->unread);
 265             failed = 1;
 266         }
 267     }
 268     yaml_parser_delete(parser);
 269     free(buffer);
 270     printf("checking a long utf8 sequence: %d fail(s)\n", failed);
 271     return failed;
 272 }
 273
 274 int check_long_utf16(void)
 275 {
 276     yaml_parser_t *parser;
 277     int k = 0;
 278     int j;
 279     int failed = 0;
 280     unsigned char ch0, ch1;
 281     unsigned char *buffer = malloc(2+LONG*2);
 282     assert(buffer);
 283     printf("checking a long utf16 sequence...\n");
 284     buffer[k++] = '\xff';
 285     buffer[k++] = '\xfe';
 286     for (j = 0; j < LONG; j ++) {
 287         if (j % 2) {
 288             buffer[k++] = '\x10';
 289             buffer[k++] = '\x04';
 290         }
 291         else {
 292             buffer[k++] = '/';
 293             buffer[k++] = '\x04';
 294         }
 295     }
 296     parser = yaml_parser_new();
 297     assert(parser);
 298     yaml_parser_set_input_string(parser, buffer, 2+LONG*2);
 299     for (k = 0; k < LONG; k++) {
 300         if (!parser->unread) {
 301             if (!yaml_parser_update_buffer(parser, 1)) {
 302                 printf("\treader error: %s at %d\n", parser->problem, parser->problem_offset);
 303                 failed = 1;
 304                 break;
 305             }
 306         }
 307         if (!parser->unread) {
 308             printf("\tnot enough characters at %d\n", k);
 309             failed = 1;
 310             break;
 311         }
 312         if (k % 2) {
 313             ch0 = '\xd0';
 314             ch1 = '\x90';
 315         }
 316         else {
 317             ch0 = '\xd0';
 318             ch1 = '\xaf';
 319         }
 320         if (parser->pointer[0] != ch0 || parser->pointer[1] != ch1) {
 321             printf("\tincorrect UTF-8 sequence: %X %X instead of %X %X\n",
 322                     (int)parser->pointer[0], (int)parser->pointer[1],
 323                     (int)ch0, (int)ch1);
 324             failed = 1;
 325             break;
 326         }
 327         parser->pointer += 2;
 328         parser->unread -= 1;
 329     }
 330     if (!failed) {
 331         if (!yaml_parser_update_buffer(parser, 1)) {
 332             printf("\treader error: %s at %d\n", parser->problem, parser->problem_offset);
 333             failed = 1;
 334         }
 335         else if (parser->pointer[0] != '\0') {
 336             printf("\texpected NUL, found %X (eof=%d, unread=%d)\n", (int)parser->pointer[0], parser->eof, parser->unread);
 337             failed = 1;
 338         }
 339     }
 340     yaml_parser_delete(parser);
 341     free(buffer);
 342     printf("checking a long utf16 sequence: %d fail(s)\n", failed);
 343     return failed;
 344 }
 345
 346 int
 347 main(void)
 348 {
 349     return check_utf8_sequences() + check_boms() + check_long_utf8() + check_long_utf16();
 350 }