src/libstd/char.rs

   1 // Copyright 2012-2013 The Rust Project Developers. See the COPYRIGHT
   2 // file at the top-level directory of this distribution and at
   3 // http://rust-lang.org/COPYRIGHT.
   4 //
   5 // Licensed under the Apache License, Version 2.0 <LICENSE-APACHE or
   6 // http://www.apache.org/licenses/LICENSE-2.0> or the MIT license
   7 // <LICENSE-MIT or http://opensource.org/licenses/MIT>, at your
   8 // option. This file may not be copied, modified, or distributed
   9 // except according to those terms.
  10
  11 //! Character manipulation (`char` type, Unicode Scalar Value)
  12 //!
  13 //! This module  provides the `Char` trait, as well as its implementation
  14 //! for the primitive `char` type, in order to allow basic character manipulation.
  15 //!
  16 //! A `char` actually represents a
  17 //! *[Unicode Scalar Value](http://www.unicode.org/glossary/#unicode_scalar_value)*,
  18 //! as it can contain any Unicode code point except high-surrogate and
  19 //! low-surrogate code points.
  20 //!
  21 //! As such, only values in the ranges \[0x0,0xD7FF\] and \[0xE000,0x10FFFF\]
  22 //! (inclusive) are allowed. A `char` can always be safely cast to a `u32`;
  23 //! however the converse is not always true due to the above range limits
  24 //! and, as such, should be performed via the `from_u32` function..
  25
  26
  27 use cast::transmute;
  28 use option::{None, Option, Some};
  29 use iter::{Iterator, range_step};
  30 use str::StrSlice;
  31 use unicode::{derived_property, property, general_category, decompose, conversions};
  32
  33 #[cfg(test)] use str::OwnedStr;
  34
  35 #[cfg(not(test))] use cmp::{Eq, Ord};
  36 #[cfg(not(test))] use default::Default;
  37
  38 // UTF-8 ranges and tags for encoding characters
  39 static TAG_CONT: uint = 128u;
  40 static MAX_ONE_B: uint = 128u;
  41 static TAG_TWO_B: uint = 192u;
  42 static MAX_TWO_B: uint = 2048u;
  43 static TAG_THREE_B: uint = 224u;
  44 static MAX_THREE_B: uint = 65536u;
  45 static TAG_FOUR_B: uint = 240u;
  46
  47 /*
  48     Lu  Uppercase_Letter        an uppercase letter
  49     Ll  Lowercase_Letter        a lowercase letter
  50     Lt  Titlecase_Letter        a digraphic character, with first part uppercase
  51     Lm  Modifier_Letter         a modifier letter
  52     Lo  Other_Letter            other letters, including syllables and ideographs
  53     Mn  Nonspacing_Mark         a nonspacing combining mark (zero advance width)
  54     Mc  Spacing_Mark            a spacing combining mark (positive advance width)
  55     Me  Enclosing_Mark          an enclosing combining mark
  56     Nd  Decimal_Number          a decimal digit
  57     Nl  Letter_Number           a letterlike numeric character
  58     No  Other_Number            a numeric character of other type
  59     Pc  Connector_Punctuation   a connecting punctuation mark, like a tie
  60     Pd  Dash_Punctuation        a dash or hyphen punctuation mark
  61     Ps  Open_Punctuation        an opening punctuation mark (of a pair)
  62     Pe  Close_Punctuation       a closing punctuation mark (of a pair)
  63     Pi  Initial_Punctuation     an initial quotation mark
  64     Pf  Final_Punctuation       a final quotation mark
  65     Po  Other_Punctuation       a punctuation mark of other type
  66     Sm  Math_Symbol             a symbol of primarily mathematical use
  67     Sc  Currency_Symbol         a currency sign
  68     Sk  Modifier_Symbol         a non-letterlike modifier symbol
  69     So  Other_Symbol            a symbol of other type
  70     Zs  Space_Separator         a space character (of various non-zero widths)
  71     Zl  Line_Separator          U+2028 LINE SEPARATOR only
  72     Zp  Paragraph_Separator     U+2029 PARAGRAPH SEPARATOR only
  73     Cc  Control                 a C0 or C1 control code
  74     Cf  Format                  a format control character
  75     Cs  Surrogate               a surrogate code point
  76     Co  Private_Use             a private-use character
  77     Cn  Unassigned              a reserved unassigned code point or a noncharacter
  78 */
  79
  80 /// The highest valid code point
  81 pub static MAX: char = '\U0010ffff';
  82
  83 /// Converts from `u32` to a `char`
  84 #[inline]
  85 pub fn from_u32(i: u32) -> Option<char> {
  86     // catch out-of-bounds and surrogates
  87     if (i > MAX as u32) || (i >= 0xD800 && i <= 0xDFFF) {
  88         None
  89     } else {
  90         Some(unsafe { transmute(i) })
  91     }
  92 }
  93
  94 /// Returns whether the specified `char` is considered a Unicode alphabetic
  95 /// code point
  96 pub fn is_alphabetic(c: char) -> bool   { derived_property::Alphabetic(c) }
  97
  98 /// Returns whether the specified `char` satisfies the 'XID_Start' Unicode property
  99 ///
 100 /// 'XID_Start' is a Unicode Derived Property specified in
 101 /// [UAX #31](http://unicode.org/reports/tr31/#NFKC_Modifications),
 102 /// mostly similar to ID_Start but modified for closure under NFKx.
 103 pub fn is_XID_start(c: char) -> bool    { derived_property::XID_Start(c) }
 104
 105 /// Returns whether the specified `char` satisfies the 'XID_Continue' Unicode property
 106 ///
 107 /// 'XID_Continue' is a Unicode Derived Property specified in
 108 /// [UAX #31](http://unicode.org/reports/tr31/#NFKC_Modifications),
 109 /// mostly similar to 'ID_Continue' but modified for closure under NFKx.
 110 pub fn is_XID_continue(c: char) -> bool { derived_property::XID_Continue(c) }
 111
 112 ///
 113 /// Indicates whether a `char` is in lower case
 114 ///
 115 /// This is defined according to the terms of the Unicode Derived Core Property 'Lowercase'.
 116 ///
 117 #[inline]
 118 pub fn is_lowercase(c: char) -> bool { derived_property::Lowercase(c) }
 119
 120 ///
 121 /// Indicates whether a `char` is in upper case
 122 ///
 123 /// This is defined according to the terms of the Unicode Derived Core Property 'Uppercase'.
 124 ///
 125 #[inline]
 126 pub fn is_uppercase(c: char) -> bool { derived_property::Uppercase(c) }
 127
 128 ///
 129 /// Indicates whether a `char` is whitespace
 130 ///
 131 /// Whitespace is defined in terms of the Unicode Property 'White_Space'.
 132 ///
 133 #[inline]
 134 pub fn is_whitespace(c: char) -> bool {
 135     // As an optimization ASCII whitespace characters are checked separately
 136     c == ' '
 137         || ('\x09' <= c && c <= '\x0d')
 138         || property::White_Space(c)
 139 }
 140
 141 ///
 142 /// Indicates whether a `char` is alphanumeric
 143 ///
 144 /// Alphanumericness is defined in terms of the Unicode General Categories
 145 /// 'Nd', 'Nl', 'No' and the Derived Core Property 'Alphabetic'.
 146 ///
 147 #[inline]
 148 pub fn is_alphanumeric(c: char) -> bool {
 149     derived_property::Alphabetic(c)
 150         || general_category::Nd(c)
 151         || general_category::Nl(c)
 152         || general_category::No(c)
 153 }
 154
 155 ///
 156 /// Indicates whether a `char` is a control code point
 157 ///
 158 /// Control code points are defined in terms of the Unicode General Category
 159 /// 'Cc'.
 160 ///
 161 #[inline]
 162 pub fn is_control(c: char) -> bool { general_category::Cc(c) }
 163
 164 /// Indicates whether the `char` is numeric (Nd, Nl, or No)
 165 #[inline]
 166 pub fn is_digit(c: char) -> bool {
 167     general_category::Nd(c)
 168         || general_category::Nl(c)
 169         || general_category::No(c)
 170 }
 171
 172 ///
 173 /// Checks if a `char` parses as a numeric digit in the given radix
 174 ///
 175 /// Compared to `is_digit()`, this function only recognizes the
 176 /// characters `0-9`, `a-z` and `A-Z`.
 177 ///
 178 /// # Return value
 179 ///
 180 /// Returns `true` if `c` is a valid digit under `radix`, and `false`
 181 /// otherwise.
 182 ///
 183 /// # Failure
 184 ///
 185 /// Fails if given a `radix` > 36.
 186 ///
 187 /// # Note
 188 ///
 189 /// This just wraps `to_digit()`.
 190 ///
 191 #[inline]
 192 pub fn is_digit_radix(c: char, radix: uint) -> bool {
 193     match to_digit(c, radix) {
 194         Some(_) => true,
 195         None    => false,
 196     }
 197 }
 198
 199 ///
 200 /// Converts a `char` to the corresponding digit
 201 ///
 202 /// # Return value
 203 ///
 204 /// If `c` is between '0' and '9', the corresponding value
 205 /// between 0 and 9. If `c` is 'a' or 'A', 10. If `c` is
 206 /// 'b' or 'B', 11, etc. Returns none if the `char` does not
 207 /// refer to a digit in the given radix.
 208 ///
 209 /// # Failure
 210 ///
 211 /// Fails if given a `radix` outside the range `[0..36]`.
 212 ///
 213 #[inline]
 214 pub fn to_digit(c: char, radix: uint) -> Option<uint> {
 215     if radix > 36 {
 216         fail!("to_digit: radix {} is too high (maximum 36)", radix);
 217     }
 218     let val = match c {
 219       '0' .. '9' => c as uint - ('0' as uint),
 220       'a' .. 'z' => c as uint + 10u - ('a' as uint),
 221       'A' .. 'Z' => c as uint + 10u - ('A' as uint),
 222       _ => return None,
 223     };
 224     if val < radix { Some(val) }
 225     else { None }
 226 }
 227
 228 /// Convert a char to its uppercase equivalent
 229 ///
 230 /// The case-folding performed is the common or simple mapping:
 231 /// it maps one unicode codepoint (one char in Rust) to its uppercase equivalent according
 232 /// to the Unicode database at ftp://ftp.unicode.org/Public/UNIDATA/UnicodeData.txt
 233 /// The additional SpecialCasing.txt is not considered here, as it expands to multiple
 234 /// codepoints in some cases.
 235 ///
 236 /// A full reference can be found here
 237 /// http://www.unicode.org/versions/Unicode4.0.0/ch03.pdf#G33992
 238 ///
 239 /// # Return value
 240 ///
 241 /// Returns the char itself if no conversion was made
 242 #[inline]
 243 pub fn to_uppercase(c: char) -> char {
 244     conversions::to_upper(c)
 245 }
 246
 247 /// Convert a char to its lowercase equivalent
 248 ///
 249 /// The case-folding performed is the common or simple mapping
 250 /// see `to_uppercase` for references and more information
 251 ///
 252 /// # Return value
 253 ///
 254 /// Returns the char itself if no conversion if possible
 255 #[inline]
 256 pub fn to_lowercase(c: char) -> char {
 257     conversions::to_lower(c)
 258 }
 259
 260 ///
 261 /// Converts a number to the character representing it
 262 ///
 263 /// # Return value
 264 ///
 265 /// Returns `Some(char)` if `num` represents one digit under `radix`,
 266 /// using one character of `0-9` or `a-z`, or `None` if it doesn't.
 267 ///
 268 /// # Failure
 269 ///
 270 /// Fails if given an `radix` > 36.
 271 ///
 272 #[inline]
 273 pub fn from_digit(num: uint, radix: uint) -> Option<char> {
 274     if radix > 36 {
 275         fail!("from_digit: radix {} is to high (maximum 36)", num);
 276     }
 277     if num < radix {
 278         unsafe {
 279             if num < 10 {
 280                 Some(transmute(('0' as uint + num) as u32))
 281             } else {
 282                 Some(transmute(('a' as uint + num - 10u) as u32))
 283             }
 284         }
 285     } else {
 286         None
 287     }
 288 }
 289
 290 // Constants from Unicode 6.2.0 Section 3.12 Conjoining Jamo Behavior
 291 static S_BASE: uint = 0xAC00;
 292 static L_BASE: uint = 0x1100;
 293 static V_BASE: uint = 0x1161;
 294 static T_BASE: uint = 0x11A7;
 295 static L_COUNT: uint = 19;
 296 static V_COUNT: uint = 21;
 297 static T_COUNT: uint = 28;
 298 static N_COUNT: uint = (V_COUNT * T_COUNT);
 299 static S_COUNT: uint = (L_COUNT * N_COUNT);
 300
 301 // Decompose a precomposed Hangul syllable
 302 fn decompose_hangul(s: char, f: |char|) {
 303     let si = s as uint - S_BASE;
 304
 305     let li = si / N_COUNT;
 306     unsafe {
 307         f(transmute((L_BASE + li) as u32));
 308
 309         let vi = (si % N_COUNT) / T_COUNT;
 310         f(transmute((V_BASE + vi) as u32));
 311
 312         let ti = si % T_COUNT;
 313         if ti > 0 {
 314             f(transmute((T_BASE + ti) as u32));
 315         }
 316     }
 317 }
 318
 319 /// Returns the canonical decomposition of a character
 320 pub fn decompose_canonical(c: char, f: |char|) {
 321     if (c as uint) < S_BASE || (c as uint) >= (S_BASE + S_COUNT) {
 322         decompose::canonical(c, f);
 323     } else {
 324         decompose_hangul(c, f);
 325     }
 326 }
 327
 328 /// Returns the compatibility decomposition of a character
 329 pub fn decompose_compatible(c: char, f: |char|) {
 330     if (c as uint) < S_BASE || (c as uint) >= (S_BASE + S_COUNT) {
 331         decompose::compatibility(c, f);
 332     } else {
 333         decompose_hangul(c, f);
 334     }
 335 }
 336
 337 ///
 338 /// Returns the hexadecimal Unicode escape of a `char`
 339 ///
 340 /// The rules are as follows:
 341 ///
 342 /// - chars in [0,0xff] get 2-digit escapes: `\\xNN`
 343 /// - chars in [0x100,0xffff] get 4-digit escapes: `\\uNNNN`
 344 /// - chars above 0x10000 get 8-digit escapes: `\\UNNNNNNNN`
 345 ///
 346 pub fn escape_unicode(c: char, f: |char|) {
 347     // avoid calling str::to_str_radix because we don't really need to allocate
 348     // here.
 349     f('\\');
 350     let pad = match () {
 351         _ if c <= '\xff'    => { f('x'); 2 }
 352         _ if c <= '\uffff'  => { f('u'); 4 }
 353         _                   => { f('U'); 8 }
 354     };
 355     for offset in range_step::<i32>(4 * (pad - 1), -1, -4) {
 356         unsafe {
 357             match ((c as i32) >> offset) & 0xf {
 358                 i @ 0 .. 9 => { f(transmute('0' as i32 + i)); }
 359                 i => { f(transmute('a' as i32 + (i - 10))); }
 360             }
 361         }
 362     }
 363 }
 364
 365 ///
 366 /// Returns a 'default' ASCII and C++11-like literal escape of a `char`
 367 ///
 368 /// The default is chosen with a bias toward producing literals that are
 369 /// legal in a variety of languages, including C++11 and similar C-family
 370 /// languages. The exact rules are:
 371 ///
 372 /// - Tab, CR and LF are escaped as '\t', '\r' and '\n' respectively.
 373 /// - Single-quote, double-quote and backslash chars are backslash-escaped.
 374 /// - Any other chars in the range [0x20,0x7e] are not escaped.
 375 /// - Any other chars are given hex unicode escapes; see `escape_unicode`.
 376 ///
 377 pub fn escape_default(c: char, f: |char|) {
 378     match c {
 379         '\t' => { f('\\'); f('t'); }
 380         '\r' => { f('\\'); f('r'); }
 381         '\n' => { f('\\'); f('n'); }
 382         '\\' => { f('\\'); f('\\'); }
 383         '\'' => { f('\\'); f('\''); }
 384         '"'  => { f('\\'); f('"'); }
 385         '\x20' .. '\x7e' => { f(c); }
 386         _ => c.escape_unicode(f),
 387     }
 388 }
 389
 390 /// Returns the amount of bytes this `char` would need if encoded in UTF-8
 391 pub fn len_utf8_bytes(c: char) -> uint {
 392     static MAX_ONE_B:   uint = 128u;
 393     static MAX_TWO_B:   uint = 2048u;
 394     static MAX_THREE_B: uint = 65536u;
 395     static MAX_FOUR_B:  uint = 2097152u;
 396
 397     let code = c as uint;
 398     match () {
 399         _ if code < MAX_ONE_B   => 1u,
 400         _ if code < MAX_TWO_B   => 2u,
 401         _ if code < MAX_THREE_B => 3u,
 402         _ if code < MAX_FOUR_B  => 4u,
 403         _                       => fail!("invalid character!"),
 404     }
 405 }
 406
 407 /// Useful functions for Unicode characters.
 408 pub trait Char {
 409     /// Returns whether the specified character is considered a Unicode
 410     /// alphabetic code point.
 411     fn is_alphabetic(&self) -> bool;
 412
 413     /// Returns whether the specified character satisfies the 'XID_Start'
 414     /// Unicode property.
 415     ///
 416     /// 'XID_Start' is a Unicode Derived Property specified in
 417     /// [UAX #31](http://unicode.org/reports/tr31/#NFKC_Modifications),
 418     /// mostly similar to ID_Start but modified for closure under NFKx.
 419     fn is_XID_start(&self) -> bool;
 420
 421     /// Returns whether the specified `char` satisfies the 'XID_Continue'
 422     /// Unicode property.
 423     ///
 424     /// 'XID_Continue' is a Unicode Derived Property specified in
 425     /// [UAX #31](http://unicode.org/reports/tr31/#NFKC_Modifications),
 426     /// mostly similar to 'ID_Continue' but modified for closure under NFKx.
 427     fn is_XID_continue(&self) -> bool;
 428
 429
 430     /// Indicates whether a character is in lowercase.
 431     ///
 432     /// This is defined according to the terms of the Unicode Derived Core
 433     /// Property `Lowercase`.
 434     fn is_lowercase(&self) -> bool;
 435
 436     /// Indicates whether a character is in uppercase.
 437     ///
 438     /// This is defined according to the terms of the Unicode Derived Core
 439     /// Property `Uppercase`.
 440     fn is_uppercase(&self) -> bool;
 441
 442     /// Indicates whether a character is whitespace.
 443     ///
 444     /// Whitespace is defined in terms of the Unicode Property `White_Space`.
 445     fn is_whitespace(&self) -> bool;
 446
 447     /// Indicates whether a character is alphanumeric.
 448     ///
 449     /// Alphanumericness is defined in terms of the Unicode General Categories
 450     /// 'Nd', 'Nl', 'No' and the Derived Core Property 'Alphabetic'.
 451     fn is_alphanumeric(&self) -> bool;
 452
 453     /// Indicates whether a character is a control code point.
 454     ///
 455     /// Control code points are defined in terms of the Unicode General
 456     /// Category `Cc`.
 457     fn is_control(&self) -> bool;
 458
 459     /// Indicates whether the character is numeric (Nd, Nl, or No).
 460     fn is_digit(&self) -> bool;
 461
 462     /// Checks if a `char` parses as a numeric digit in the given radix.
 463     ///
 464     /// Compared to `is_digit()`, this function only recognizes the characters
 465     /// `0-9`, `a-z` and `A-Z`.
 466     ///
 467     /// # Return value
 468     ///
 469     /// Returns `true` if `c` is a valid digit under `radix`, and `false`
 470     /// otherwise.
 471     ///
 472     /// # Failure
 473     ///
 474     /// Fails if given a radix > 36.
 475     fn is_digit_radix(&self, radix: uint) -> bool;
 476
 477     /// Converts a character to the corresponding digit.
 478     ///
 479     /// # Return value
 480     ///
 481     /// If `c` is between '0' and '9', the corresponding value between 0 and
 482     /// 9. If `c` is 'a' or 'A', 10. If `c` is 'b' or 'B', 11, etc. Returns
 483     /// none if the character does not refer to a digit in the given radix.
 484     ///
 485     /// # Failure
 486     ///
 487     /// Fails if given a radix outside the range [0..36].
 488     fn to_digit(&self, radix: uint) -> Option<uint>;
 489
 490     /// Converts a character to its lowercase equivalent.
 491     ///
 492     /// The case-folding performed is the common or simple mapping. See
 493     /// `to_uppercase()` for references and more information.
 494     ///
 495     /// # Return value
 496     ///
 497     /// Returns the lowercase equivalent of the character, or the character
 498     /// itself if no conversion is possible.
 499     fn to_lowercase(&self) -> char;
 500
 501     /// Converts a character to its uppercase equivalent.
 502     ///
 503     /// The case-folding performed is the common or simple mapping: it maps
 504     /// one unicode codepoint (one character in Rust) to its uppercase
 505     /// equivalent according to the Unicode database [1]. The additional
 506     /// `SpecialCasing.txt` is not considered here, as it expands to multiple
 507     /// codepoints in some cases.
 508     ///
 509     /// A full reference can be found here [2].
 510     ///
 511     /// # Return value
 512     ///
 513     /// Returns the uppercase equivalent of the character, or the character
 514     /// itself if no conversion was made.
 515     ///
 516     /// [1]: ftp://ftp.unicode.org/Public/UNIDATA/UnicodeData.txt
 517     ///
 518     /// [2]: http://www.unicode.org/versions/Unicode4.0.0/ch03.pdf#G33992
 519     fn to_uppercase(&self) -> char;
 520
 521     /// Converts a number to the character representing it.
 522     ///
 523     /// # Return value
 524     ///
 525     /// Returns `Some(char)` if `num` represents one digit under `radix`,
 526     /// using one character of `0-9` or `a-z`, or `None` if it doesn't.
 527     ///
 528     /// # Failure
 529     ///
 530     /// Fails if given a radix > 36.
 531     fn from_digit(num: uint, radix: uint) -> Option<char>;
 532
 533     /// Returns the hexadecimal Unicode escape of a character.
 534     ///
 535     /// The rules are as follows:
 536     ///
 537     /// * Characters in [0,0xff] get 2-digit escapes: `\\xNN`
 538     /// * Characters in [0x100,0xffff] get 4-digit escapes: `\\uNNNN`.
 539     /// * Characters above 0x10000 get 8-digit escapes: `\\UNNNNNNNN`.
 540     fn escape_unicode(&self, f: |char|);
 541
 542     /// Returns a 'default' ASCII and C++11-like literal escape of a
 543     /// character.
 544     ///
 545     /// The default is chosen with a bias toward producing literals that are
 546     /// legal in a variety of languages, including C++11 and similar C-family
 547     /// languages. The exact rules are:
 548     ///
 549     /// * Tab, CR and LF are escaped as '\t', '\r' and '\n' respectively.
 550     /// * Single-quote, double-quote and backslash chars are backslash-
 551     ///   escaped.
 552     /// * Any other chars in the range [0x20,0x7e] are not escaped.
 553     /// * Any other chars are given hex unicode escapes; see `escape_unicode`.
 554     fn escape_default(&self, f: |char|);
 555
 556     /// Returns the amount of bytes this character would need if encoded in
 557     /// UTF-8.
 558     fn len_utf8_bytes(&self) -> uint;
 559
 560     /// Encodes this character as UTF-8 into the provided byte buffer.
 561     ///
 562     /// The buffer must be at least 4 bytes long or a runtime failure will
 563     /// occur.
 564     ///
 565     /// This will then return the number of characters written to the slice.
 566     fn encode_utf8(&self, dst: &mut [u8]) -> uint;
 567 }
 568
 569 impl Char for char {
 570     fn is_alphabetic(&self) -> bool { is_alphabetic(*self) }
 571
 572     fn is_XID_start(&self) -> bool { is_XID_start(*self) }
 573
 574     fn is_XID_continue(&self) -> bool { is_XID_continue(*self) }
 575
 576     fn is_lowercase(&self) -> bool { is_lowercase(*self) }
 577
 578     fn is_uppercase(&self) -> bool { is_uppercase(*self) }
 579
 580     fn is_whitespace(&self) -> bool { is_whitespace(*self) }
 581
 582     fn is_alphanumeric(&self) -> bool { is_alphanumeric(*self) }
 583
 584     fn is_control(&self) -> bool { is_control(*self) }
 585
 586     fn is_digit(&self) -> bool { is_digit(*self) }
 587
 588     fn is_digit_radix(&self, radix: uint) -> bool { is_digit_radix(*self, radix) }
 589
 590     fn to_digit(&self, radix: uint) -> Option<uint> { to_digit(*self, radix) }
 591
 592     fn to_lowercase(&self) -> char { to_lowercase(*self) }
 593
 594     fn to_uppercase(&self) -> char { to_uppercase(*self) }
 595
 596     fn from_digit(num: uint, radix: uint) -> Option<char> { from_digit(num, radix) }
 597
 598     fn escape_unicode(&self, f: |char|) { escape_unicode(*self, f) }
 599
 600     fn escape_default(&self, f: |char|) { escape_default(*self, f) }
 601
 602     fn len_utf8_bytes(&self) -> uint { len_utf8_bytes(*self) }
 603
 604     fn encode_utf8<'a>(&self, dst: &'a mut [u8]) -> uint {
 605         let code = *self as uint;
 606         if code < MAX_ONE_B {
 607             dst[0] = code as u8;
 608             return 1;
 609         } else if code < MAX_TWO_B {
 610             dst[0] = (code >> 6u & 31u | TAG_TWO_B) as u8;
 611             dst[1] = (code & 63u | TAG_CONT) as u8;
 612             return 2;
 613         } else if code < MAX_THREE_B {
 614             dst[0] = (code >> 12u & 15u | TAG_THREE_B) as u8;
 615             dst[1] = (code >> 6u & 63u | TAG_CONT) as u8;
 616             dst[2] = (code & 63u | TAG_CONT) as u8;
 617             return 3;
 618         } else {
 619             dst[0] = (code >> 18u & 7u | TAG_FOUR_B) as u8;
 620             dst[1] = (code >> 12u & 63u | TAG_CONT) as u8;
 621             dst[2] = (code >> 6u & 63u | TAG_CONT) as u8;
 622             dst[3] = (code & 63u | TAG_CONT) as u8;
 623             return 4;
 624         }
 625     }
 626 }
 627
 628 #[cfg(not(test))]
 629 impl Eq for char {
 630     #[inline]
 631     fn eq(&self, other: &char) -> bool { (*self) == (*other) }
 632 }
 633
 634 #[cfg(not(test))]
 635 impl Ord for char {
 636     #[inline]
 637     fn lt(&self, other: &char) -> bool { *self < *other }
 638 }
 639
 640 #[cfg(not(test))]
 641 impl Default for char {
 642     #[inline]
 643     fn default() -> char { '\x00' }
 644 }
 645
 646 #[test]
 647 fn test_is_lowercase() {
 648     assert!('a'.is_lowercase());
 649     assert!('ö'.is_lowercase());
 650     assert!('ß'.is_lowercase());
 651     assert!(!'Ü'.is_lowercase());
 652     assert!(!'P'.is_lowercase());
 653 }
 654
 655 #[test]
 656 fn test_is_uppercase() {
 657     assert!(!'h'.is_uppercase());
 658     assert!(!'ä'.is_uppercase());
 659     assert!(!'ß'.is_uppercase());
 660     assert!('Ö'.is_uppercase());
 661     assert!('T'.is_uppercase());
 662 }
 663
 664 #[test]
 665 fn test_is_whitespace() {
 666     assert!(' '.is_whitespace());
 667     assert!('\u2007'.is_whitespace());
 668     assert!('\t'.is_whitespace());
 669     assert!('\n'.is_whitespace());
 670     assert!(!'a'.is_whitespace());
 671     assert!(!'_'.is_whitespace());
 672     assert!(!'\u0000'.is_whitespace());
 673 }
 674
 675 #[test]
 676 fn test_to_digit() {
 677     assert_eq!('0'.to_digit(10u), Some(0u));
 678     assert_eq!('1'.to_digit(2u), Some(1u));
 679     assert_eq!('2'.to_digit(3u), Some(2u));
 680     assert_eq!('9'.to_digit(10u), Some(9u));
 681     assert_eq!('a'.to_digit(16u), Some(10u));
 682     assert_eq!('A'.to_digit(16u), Some(10u));
 683     assert_eq!('b'.to_digit(16u), Some(11u));
 684     assert_eq!('B'.to_digit(16u), Some(11u));
 685     assert_eq!('z'.to_digit(36u), Some(35u));
 686     assert_eq!('Z'.to_digit(36u), Some(35u));
 687     assert_eq!(' '.to_digit(10u), None);
 688     assert_eq!('$'.to_digit(36u), None);
 689 }
 690
 691 #[test]
 692 fn test_to_lowercase() {
 693     assert_eq!('A'.to_lowercase(), 'a');
 694     assert_eq!('Ö'.to_lowercase(), 'ö');
 695     assert_eq!('ß'.to_lowercase(), 'ß');
 696     assert_eq!('Ü'.to_lowercase(), 'ü');
 697     assert_eq!('💩'.to_lowercase(), '💩');
 698     assert_eq!('Σ'.to_lowercase(), 'σ');
 699     assert_eq!('Τ'.to_lowercase(), 'τ');
 700     assert_eq!('Ι'.to_lowercase(), 'ι');
 701     assert_eq!('Γ'.to_lowercase(), 'γ');
 702     assert_eq!('Μ'.to_lowercase(), 'μ');
 703     assert_eq!('Α'.to_lowercase(), 'α');
 704     assert_eq!('Σ'.to_lowercase(), 'σ');
 705 }
 706
 707 #[test]
 708 fn test_to_uppercase() {
 709     assert_eq!('a'.to_uppercase(), 'A');
 710     assert_eq!('ö'.to_uppercase(), 'Ö');
 711     assert_eq!('ß'.to_uppercase(), 'ß'); // not ẞ: Latin capital letter sharp s
 712     assert_eq!('ü'.to_uppercase(), 'Ü');
 713     assert_eq!('💩'.to_uppercase(), '💩');
 714
 715     assert_eq!('σ'.to_uppercase(), 'Σ');
 716     assert_eq!('τ'.to_uppercase(), 'Τ');
 717     assert_eq!('ι'.to_uppercase(), 'Ι');
 718     assert_eq!('γ'.to_uppercase(), 'Γ');
 719     assert_eq!('μ'.to_uppercase(), 'Μ');
 720     assert_eq!('α'.to_uppercase(), 'Α');
 721     assert_eq!('ς'.to_uppercase(), 'Σ');
 722 }
 723
 724 #[test]
 725 fn test_is_control() {
 726     assert!('\u0000'.is_control());
 727     assert!('\u0003'.is_control());
 728     assert!('\u0006'.is_control());
 729     assert!('\u0009'.is_control());
 730     assert!('\u007f'.is_control());
 731     assert!('\u0092'.is_control());
 732     assert!(!'\u0020'.is_control());
 733     assert!(!'\u0055'.is_control());
 734     assert!(!'\u0068'.is_control());
 735 }
 736
 737 #[test]
 738 fn test_is_digit() {
 739    assert!('2'.is_digit());
 740    assert!('7'.is_digit());
 741    assert!(!'c'.is_digit());
 742    assert!(!'i'.is_digit());
 743    assert!(!'z'.is_digit());
 744    assert!(!'Q'.is_digit());
 745 }
 746
 747 #[test]
 748 fn test_escape_default() {
 749     fn string(c: char) -> ~str {
 750         let mut result = ~"";
 751         escape_default(c, |c| { result.push_char(c); });
 752         return result;
 753     }
 754     assert_eq!(string('\n'), ~"\\n");
 755     assert_eq!(string('\r'), ~"\\r");
 756     assert_eq!(string('\''), ~"\\'");
 757     assert_eq!(string('"'), ~"\\\"");
 758     assert_eq!(string(' '), ~" ");
 759     assert_eq!(string('a'), ~"a");
 760     assert_eq!(string('~'), ~"~");
 761     assert_eq!(string('\x00'), ~"\\x00");
 762     assert_eq!(string('\x1f'), ~"\\x1f");
 763     assert_eq!(string('\x7f'), ~"\\x7f");
 764     assert_eq!(string('\xff'), ~"\\xff");
 765     assert_eq!(string('\u011b'), ~"\\u011b");
 766     assert_eq!(string('\U0001d4b6'), ~"\\U0001d4b6");
 767 }
 768
 769 #[test]
 770 fn test_escape_unicode() {
 771     fn string(c: char) -> ~str {
 772         let mut result = ~"";
 773         escape_unicode(c, |c| { result.push_char(c); });
 774         return result;
 775     }
 776     assert_eq!(string('\x00'), ~"\\x00");
 777     assert_eq!(string('\n'), ~"\\x0a");
 778     assert_eq!(string(' '), ~"\\x20");
 779     assert_eq!(string('a'), ~"\\x61");
 780     assert_eq!(string('\u011b'), ~"\\u011b");
 781     assert_eq!(string('\U0001d4b6'), ~"\\U0001d4b6");
 782 }
 783
 784 #[test]
 785 fn test_to_str() {
 786     use to_str::ToStr;
 787     let s = 't'.to_str();
 788     assert_eq!(s, ~"t");
 789 }