Line data Source code
1 : /* -*- Mode: C++; tab-width: 4; indent-tabs-mode: nil; c-basic-offset: 4 -*- */
2 : /*
3 : * This file is part of the LibreOffice project.
4 : *
5 : * This Source Code Form is subject to the terms of the Mozilla Public
6 : * License, v. 2.0. If a copy of the MPL was not distributed with this
7 : * file, You can obtain one at http://mozilla.org/MPL/2.0/.
8 : *
9 : * This file incorporates work covered by the following license notice:
10 : *
11 : * Licensed to the Apache Software Foundation (ASF) under one or more
12 : * contributor license agreements. See the NOTICE file distributed
13 : * with this work for additional information regarding copyright
14 : * ownership. The ASF licenses this file to you under the Apache
15 : * License, Version 2.0 (the "License"); you may not use this file
16 : * except in compliance with the License. You may obtain a copy of
17 : * the License at http://www.apache.org/licenses/LICENSE-2.0 .
18 : */
19 :
20 : /* TODO! This file should not be called textenc.c, because it is not the
21 : implementation of rtl/textenc.h. Rather, it should be called
22 : gettextencodingdata.c. */
23 :
24 : #include "sal/config.h"
25 :
26 : #include <cstddef>
27 : #include <cstdlib>
28 :
29 : #include "boost/noncopyable.hpp"
30 : #include "osl/diagnose.h"
31 : #include "osl/module.hxx"
32 : #include "rtl/instance.hxx"
33 : #include "rtl/textenc.h"
34 : #include "rtl/ustring.h"
35 : #include "rtl/ustring.hxx"
36 : #include "sal/macros.h"
37 : #include "sal/types.h"
38 :
39 : #include "convertsimple.hxx"
40 : #include "gettextencodingdata.hxx"
41 : #include "tcvtbyte.hxx"
42 : #include "tcvtutf8.hxx"
43 : #include "tenchelp.hxx"
44 :
45 : #define NOTABUNI_START 0xFF
46 : #define NOTABUNI_END 0x00
47 :
48 : #define NOTABCHAR_START 0xFFFF
49 : #define NOTABCHAR_END 0x0000
50 :
51 : #define SAME8090UNI_START 0x80
52 : #define SAME8090UNI_END 0x9F
53 : static sal_uInt16 const aImpl8090SameToUniTab[SAME8090UNI_END
54 : - SAME8090UNI_START
55 : + 1]
56 : = { 0x0080, 0x0081, 0x0082, 0x0083, 0x0084, 0x0085, 0x0086, 0x0087, /* 0x80 */
57 : 0x0088, 0x0089, 0x008A, 0x008B, 0x008C, 0x008D, 0x008E, 0x008F,
58 : 0x0090, 0x0091, 0x0092, 0x0093, 0x0094, 0x0095, 0x0096, 0x0097, /* 0x90 */
59 : 0x0098, 0x0099, 0x009A, 0x009B, 0x009C, 0x009D, 0x009E, 0x009F };
60 :
61 : #define SAME8090CHAR_START 0x0080
62 : #define SAME8090CHAR_END 0x009F
63 : static unsigned char const aImpl8090SameToCharTab[SAME8090CHAR_END
64 : - SAME8090CHAR_START
65 : + 1]
66 : = { 0x80, 0x81, 0x82, 0x83, 0x84, 0x85, 0x86, 0x87, /* 0x0080 */
67 : 0x88, 0x89, 0x8A, 0x8B, 0x8C, 0x8D, 0x8E, 0x8F,
68 : 0x90, 0x91, 0x92, 0x93, 0x94, 0x95, 0x96, 0x97, /* 0x0090 */
69 : 0x98, 0x99, 0x9A, 0x9B, 0x9C, 0x9D, 0x9E, 0x9F };
70 :
71 : #define SAMEA0FFCHAR_START 0x00A0
72 : #define SAMEA0FFCHAR_END 0x00FF
73 : static unsigned char const aImplA0FFSameToCharTab[SAMEA0FFCHAR_END
74 : - SAMEA0FFCHAR_START
75 : + 1]
76 : = { 0xA0, 0xA1, 0xA2, 0xA3, 0xA4, 0xA5, 0xA6, 0xA7, /* 0x00A0 */
77 : 0xA8, 0xA9, 0xAA, 0xAB, 0xAC, 0xAD, 0xAE, 0xAF,
78 : 0xB0, 0xB1, 0xB2, 0xB3, 0xB4, 0xB5, 0xB6, 0xB7, /* 0x00B0 */
79 : 0xB8, 0xB9, 0xBA, 0xBB, 0xBC, 0xBD, 0xBE, 0xBF,
80 : 0xC0, 0xC1, 0xC2, 0xC3, 0xC4, 0xC5, 0xC6, 0xC7, /* 0x00C0 */
81 : 0xC8, 0xC9, 0xCA, 0xCB, 0xCC, 0xCD, 0xCE, 0xCF,
82 : 0xD0, 0xD1, 0xD2, 0xD3, 0xD4, 0xD5, 0xD6, 0xD7, /* 0x00D0 */
83 : 0xD8, 0xD9, 0xDA, 0xDB, 0xDC, 0xDD, 0xDE, 0xDF,
84 : 0xE0, 0xE1, 0xE2, 0xE3, 0xE4, 0xE5, 0xE6, 0xE7, /* 0x00E0 */
85 : 0xE8, 0xE9, 0xEA, 0xEB, 0xEC, 0xED, 0xEE, 0xEF,
86 : 0xF0, 0xF1, 0xF2, 0xF3, 0xF4, 0xF5, 0xF6, 0xF7, /* 0x00F0 */
87 : 0xF8, 0xF9, 0xFA, 0xFB, 0xFC, 0xFD, 0xFE, 0xFF };
88 :
89 : /* ======================================================================= */
90 :
91 : /* MS-1252 */
92 : /* Windows Standard CharSet (ANSI) for Western Script */
93 : /* 1-Byte, 0x00-0x7F ASCII ohne Ausnahme */
94 : /* Convert-Tables: mappings/vendors/micsft/windows/cp1252.txt from 04/15/98 Version 2.01 */
95 : /* Last-Changes from us: */
96 :
97 : /* ----------------------------------------------------------------------- */
98 :
99 : #define MS1252UNI_START 0x80
100 : #define MS1252UNI_END 0xFF
101 : static sal_uInt16 const aImplMS1252ToUniTab[MS1252UNI_END - MS1252UNI_START + 1] =
102 : {
103 : /* 0 1 2 3 4 5 6 7 */
104 : /* 8 9 A B C D E F */
105 : 0x20AC, 0, 0x201A, 0x0192, 0x201E, 0x2026, 0x2020, 0x2021, /* 0x80 */
106 : 0x02C6, 0x2030, 0x0160, 0x2039, 0x0152, 0, 0x017D, 0, /* 0x80 */
107 : 0, 0x2018, 0x2019, 0x201C, 0x201D, 0x2022, 0x2013, 0x2014, /* 0x90 */
108 : 0x02DC, 0x2122, 0x0161, 0x203A, 0x0153, 0, 0x017E, 0x0178, /* 0x90 */
109 : 0x00A0, 0x00A1, 0x00A2, 0x00A3, 0x00A4, 0x00A5, 0x00A6, 0x00A7, /* 0xA0 */
110 : 0x00A8, 0x00A9, 0x00AA, 0x00AB, 0x00AC, 0x00AD, 0x00AE, 0x00AF, /* 0xA0 */
111 : 0x00B0, 0x00B1, 0x00B2, 0x00B3, 0x00B4, 0x00B5, 0x00B6, 0x00B7, /* 0xB0 */
112 : 0x00B8, 0x00B9, 0x00BA, 0x00BB, 0x00BC, 0x00BD, 0x00BE, 0x00BF, /* 0xB0 */
113 : 0x00C0, 0x00C1, 0x00C2, 0x00C3, 0x00C4, 0x00C5, 0x00C6, 0x00C7, /* 0xC0 */
114 : 0x00C8, 0x00C9, 0x00CA, 0x00CB, 0x00CC, 0x00CD, 0x00CE, 0x00CF, /* 0xC0 */
115 : 0x00D0, 0x00D1, 0x00D2, 0x00D3, 0x00D4, 0x00D5, 0x00D6, 0x00D7, /* 0xD0 */
116 : 0x00D8, 0x00D9, 0x00DA, 0x00DB, 0x00DC, 0x00DD, 0x00DE, 0x00DF, /* 0xD0 */
117 : 0x00E0, 0x00E1, 0x00E2, 0x00E3, 0x00E4, 0x00E5, 0x00E6, 0x00E7, /* 0xE0 */
118 : 0x00E8, 0x00E9, 0x00EA, 0x00EB, 0x00EC, 0x00ED, 0x00EE, 0x00EF, /* 0xE0 */
119 : 0x00F0, 0x00F1, 0x00F2, 0x00F3, 0x00F4, 0x00F5, 0x00F6, 0x00F7, /* 0xF0 */
120 : 0x00F8, 0x00F9, 0x00FA, 0x00FB, 0x00FC, 0x00FD, 0x00FE, 0x00FF /* 0xF0 */
121 : };
122 :
123 : /* ----------------------------------------------------------------------- */
124 :
125 : #define MS1252TOCHARTABEX_COUNT 27
126 : static ImplUniCharTabData const aImplMS1252ToCharTabEx[MS1252TOCHARTABEX_COUNT] =
127 : {
128 : { 0x0152, 0x8C, 0 },
129 : { 0x0153, 0x9C, 0 },
130 : { 0x0160, 0x8A, 0 },
131 : { 0x0161, 0x9A, 0 },
132 : { 0x0178, 0x9F, 0 },
133 : { 0x017D, 0x8E, 0 },
134 : { 0x017E, 0x9E, 0 },
135 : { 0x0192, 0x83, 0 },
136 : { 0x02C6, 0x88, 0 },
137 : { 0x02DC, 0x98, 0 },
138 : { 0x2013, 0x96, 0 },
139 : { 0x2014, 0x97, 0 },
140 : { 0x2018, 0x91, 0 },
141 : { 0x2019, 0x92, 0 },
142 : { 0x201A, 0x82, 0 },
143 : { 0x201C, 0x93, 0 },
144 : { 0x201D, 0x94, 0 },
145 : { 0x201E, 0x84, 0 },
146 : { 0x2020, 0x86, 0 },
147 : { 0x2021, 0x87, 0 },
148 : { 0x2022, 0x95, 0 },
149 : { 0x2026, 0x85, 0 },
150 : { 0x2030, 0x89, 0 },
151 : { 0x2039, 0x8B, 0 },
152 : { 0x203A, 0x9B, 0 },
153 : { 0x20AC, 0x80, 0 },
154 : { 0x2122, 0x99, 0 },
155 : };
156 :
157 : /* ----------------------------------------------------------------------- */
158 :
159 : static ImplByteConvertData const aImplMS1252ByteCvtData =
160 : {
161 : aImplMS1252ToUniTab,
162 : NULL,
163 : MS1252UNI_START, MS1252UNI_END,
164 : NOTABUNI_START, NOTABUNI_END,
165 : aImplA0FFSameToCharTab,
166 : NULL,
167 : aImplMS1252ToCharTabEx,
168 : SAMEA0FFCHAR_START, SAMEA0FFCHAR_END,
169 : NOTABCHAR_START, NOTABCHAR_END,
170 : MS1252TOCHARTABEX_COUNT
171 : };
172 :
173 : /* ----------------------------------------------------------------------- */
174 :
175 : static ImplTextEncodingData const aImplMS1252TextEncodingData
176 : = { { &aImplMS1252ByteCvtData,
177 : sal::detail::textenc::convertCharToUnicode,
178 : sal::detail::textenc::convertUnicodeToChar,
179 : NULL,
180 : NULL,
181 : NULL,
182 : NULL,
183 : NULL,
184 : NULL },
185 : 1,
186 : 1,
187 : 1,
188 : 0,
189 : "iso8859-1",
190 : "windows-1252",
191 : RTL_TEXTENCODING_INFO_ASCII | RTL_TEXTENCODING_INFO_MIME };
192 : /* WIN, SCRIPT_LATIN, pc code page 850 */
193 :
194 : /* ======================================================================= */
195 :
196 : /* ISO-8859-1 */
197 : /* Unix Standard CharSet (Latin1) for Western Script */
198 : /* 1-Byte, 0x00-0x7F ASCII ohne Ausnahme, 0x80-0x9F Control-Caracter wie in Unicode */
199 : /* Convert-Tables: mappings/iso8859/8859-1.txt from 07/27/99 Version 1.0 (based on Unicode 3.0) */
200 : /* Last-Changes from us: */
201 :
202 : #define ISO88591UNI_START 0xA0
203 : #define ISO88591UNI_END 0xFF
204 : static sal_uInt16 const aImplISO88591ToUniTab[ISO88591UNI_END - ISO88591UNI_START + 1] =
205 : {
206 : /* 0 1 2 3 4 5 6 7 */
207 : /* 8 9 A B C D E F */
208 : 0x00A0, 0x00A1, 0x00A2, 0x00A3, 0x00A4, 0x00A5, 0x00A6, 0x00A7, /* 0xA0 */
209 : 0x00A8, 0x00A9, 0x00AA, 0x00AB, 0x00AC, 0x00AD, 0x00AE, 0x00AF, /* 0xA0 */
210 : 0x00B0, 0x00B1, 0x00B2, 0x00B3, 0x00B4, 0x00B5, 0x00B6, 0x00B7, /* 0xB0 */
211 : 0x00B8, 0x00B9, 0x00BA, 0x00BB, 0x00BC, 0x00BD, 0x00BE, 0x00BF, /* 0xB0 */
212 : 0x00C0, 0x00C1, 0x00C2, 0x00C3, 0x00C4, 0x00C5, 0x00C6, 0x00C7, /* 0xC0 */
213 : 0x00C8, 0x00C9, 0x00CA, 0x00CB, 0x00CC, 0x00CD, 0x00CE, 0x00CF, /* 0xC0 */
214 : 0x00D0, 0x00D1, 0x00D2, 0x00D3, 0x00D4, 0x00D5, 0x00D6, 0x00D7, /* 0xD0 */
215 : 0x00D8, 0x00D9, 0x00DA, 0x00DB, 0x00DC, 0x00DD, 0x00DE, 0x00DF, /* 0xD0 */
216 : 0x00E0, 0x00E1, 0x00E2, 0x00E3, 0x00E4, 0x00E5, 0x00E6, 0x00E7, /* 0xE0 */
217 : 0x00E8, 0x00E9, 0x00EA, 0x00EB, 0x00EC, 0x00ED, 0x00EE, 0x00EF, /* 0xE0 */
218 : 0x00F0, 0x00F1, 0x00F2, 0x00F3, 0x00F4, 0x00F5, 0x00F6, 0x00F7, /* 0xF0 */
219 : 0x00F8, 0x00F9, 0x00FA, 0x00FB, 0x00FC, 0x00FD, 0x00FE, 0x00FF /* 0xF0 */
220 : };
221 :
222 : /* ----------------------------------------------------------------------- */
223 :
224 : static ImplByteConvertData const aImplISO88591ByteCvtData =
225 : {
226 : aImplISO88591ToUniTab,
227 : aImpl8090SameToUniTab,
228 : ISO88591UNI_START, ISO88591UNI_END,
229 : SAME8090UNI_START, SAME8090UNI_END,
230 : aImplA0FFSameToCharTab,
231 : aImpl8090SameToCharTab,
232 : NULL,
233 : SAMEA0FFCHAR_START, SAMEA0FFCHAR_END,
234 : SAME8090CHAR_START, SAME8090CHAR_END,
235 : 0
236 : };
237 :
238 : /* ----------------------------------------------------------------------- */
239 :
240 : static ImplTextEncodingData const aImplISO88591TextEncodingData
241 : = { { &aImplISO88591ByteCvtData,
242 : sal::detail::textenc::convertCharToUnicode,
243 : sal::detail::textenc::convertUnicodeToChar,
244 : NULL,
245 : NULL,
246 : NULL,
247 : NULL,
248 : NULL,
249 : NULL },
250 : 1,
251 : 1,
252 : 1,
253 : 0,
254 : "iso8859-1",
255 : "iso-8859-1",
256 : RTL_TEXTENCODING_INFO_ASCII | RTL_TEXTENCODING_INFO_MIME };
257 : /* SCRIPT_LATIN, pc code page 850 */
258 :
259 : /* ======================================================================= */
260 :
261 : /* US-ASCII */
262 : /* 7-Bit ASCII */
263 : /* 1-Byte, 0x00-0x7F ASCII ohne Ausnahme */
264 : /* For the import we use ISO-8859-1 with MS extension (MS-1252), because */
265 : /* when the 8-Bit is set, the chance, that this is a ISO-8859-1 character */
266 : /* is the greatest. For the export all chars greater than 127 are not */
267 : /* converted and are replaced by the replacement character. */
268 : /* Last-Changes from us: */
269 :
270 : /* ----------------------------------------------------------------------- */
271 :
272 : static ImplByteConvertData const aImplUSASCIIByteCvtData =
273 : {
274 : aImplMS1252ToUniTab,
275 : NULL,
276 : MS1252UNI_START, MS1252UNI_END,
277 : NOTABUNI_START, NOTABUNI_END,
278 : NULL,
279 : NULL,
280 : NULL,
281 : NOTABCHAR_START, NOTABCHAR_END,
282 : NOTABCHAR_START, NOTABCHAR_END,
283 : 0
284 : };
285 :
286 : /* ----------------------------------------------------------------------- */
287 :
288 : static ImplTextEncodingData const aImplUSASCIITextEncodingData
289 : = { { &aImplUSASCIIByteCvtData,
290 : sal::detail::textenc::convertCharToUnicode,
291 : sal::detail::textenc::convertUnicodeToChar,
292 : NULL,
293 : NULL,
294 : NULL,
295 : NULL,
296 : NULL,
297 : NULL },
298 : 1,
299 : 1,
300 : 1,
301 : 0,
302 : "iso8859-1",
303 : "us-ascii",
304 : RTL_TEXTENCODING_INFO_ASCII
305 : | RTL_TEXTENCODING_INFO_7BIT
306 : | RTL_TEXTENCODING_INFO_MIME };
307 : /* SCRIPT_LATIN, pc code page 437 */
308 :
309 : static ImplTextEncodingData const aImplUTF8TextEncodingData
310 : = { { NULL,
311 : &ImplConvertUtf8ToUnicode,
312 : &ImplConvertUnicodeToUtf8,
313 : &ImplCreateUtf8ToUnicodeContext,
314 : &ImplDestroyUtf8ToUnicodeContext,
315 : &ImplResetUtf8ToUnicodeContext,
316 : &ImplCreateUnicodeToUtf8Context,
317 : &ImplDestroyUnicodeToUtf8Context,
318 : &ImplResetUnicodeToUtf8Context },
319 : 1,
320 : 6,
321 : 1,
322 : 0,
323 : "iso8859-1",
324 : "utf-8",
325 : RTL_TEXTENCODING_INFO_ASCII
326 : | RTL_TEXTENCODING_INFO_UNICODE
327 : | RTL_TEXTENCODING_INFO_MULTIBYTE
328 : | RTL_TEXTENCODING_INFO_MIME };
329 : /* SCRIPT_UNICODE, pc code page 850 */
330 :
331 : static char aImplJavaUtf8TextConverterTag;
332 : /* The value of this tag is irrelevant. Only its address != NULL is used to
333 : distinguish between RTL_TEXTENCODING_UTF8 and
334 : RTL_TEXTENCODING_JAVA_UTF8. */
335 :
336 : static ImplTextEncodingData const aImplJavaUtf8TextEncodingData
337 : = { { &aImplJavaUtf8TextConverterTag,
338 : &ImplConvertUtf8ToUnicode,
339 : &ImplConvertUnicodeToUtf8,
340 : &ImplCreateUtf8ToUnicodeContext,
341 : &ImplDestroyUtf8ToUnicodeContext,
342 : &ImplResetUtf8ToUnicodeContext,
343 : &ImplCreateUnicodeToUtf8Context,
344 : &ImplDestroyUnicodeToUtf8Context,
345 : &ImplResetUnicodeToUtf8Context },
346 : 1,
347 : 3,
348 : 1,
349 : 0,
350 : NULL,
351 : NULL,
352 : RTL_TEXTENCODING_INFO_UNICODE | RTL_TEXTENCODING_INFO_MULTIBYTE };
353 :
354 : namespace {
355 :
356 : #if defined DISABLE_DYNLOADING || defined ANDROID
357 :
358 : extern "C" ImplTextEncodingData const * sal_getFullTextEncodingData(
359 : rtl_TextEncoding); // from tables.cxx in sal_textenc library
360 :
361 : class FullTextEncodingData: private boost::noncopyable {
362 : public:
363 : ImplTextEncodingData const * get(rtl_TextEncoding encoding) {
364 : return sal_getFullTextEncodingData(encoding);
365 : }
366 : };
367 :
368 : #else
369 :
370 : extern "C" {
371 :
372 : typedef ImplTextEncodingData const * TextEncodingFunction(rtl_TextEncoding);
373 :
374 0 : void SAL_CALL thisModule() {}
375 :
376 : };
377 :
378 187 : class FullTextEncodingData: private boost::noncopyable {
379 : public:
380 187 : FullTextEncodingData() {
381 187 : if (!module_.loadRelative(&thisModule, SAL_MODULENAME("sal_textenclo")))
382 : {
383 : SAL_WARN( "sal.textenc", "Loading sal_textenc library failed" );
384 0 : std::abort();
385 : }
386 : function_ = reinterpret_cast< TextEncodingFunction * >(
387 187 : module_.getFunctionSymbol("sal_getFullTextEncodingData"));
388 187 : if (function_ == 0) {
389 : SAL_WARN( "sal.textenc", "Obtaining sal_getFullTextEncodingData function from sal_textenc"
390 : " library failed");
391 0 : std::abort();
392 : }
393 187 : }
394 :
395 45457 : ImplTextEncodingData const * get(rtl_TextEncoding encoding) {
396 45457 : return (*function_)(encoding);
397 : }
398 :
399 : private:
400 : osl::Module module_;
401 : TextEncodingFunction * function_;
402 : };
403 :
404 : #endif
405 :
406 : struct FullTextEncodingDataSingleton:
407 : public rtl::Static< FullTextEncodingData, FullTextEncodingDataSingleton >
408 : {};
409 :
410 : }
411 :
412 : ImplTextEncodingData const *
413 3341915 : Impl_getTextEncodingData(rtl_TextEncoding nEncoding)
414 : {
415 3341915 : switch(nEncoding)
416 : {
417 : case RTL_TEXTENCODING_ASCII_US:
418 2052970 : return &aImplUSASCIITextEncodingData; break;
419 : case RTL_TEXTENCODING_MS_1252:
420 280703 : return &aImplMS1252TextEncodingData; break;
421 : case RTL_TEXTENCODING_UTF8:
422 916383 : return &aImplUTF8TextEncodingData; break;
423 : case RTL_TEXTENCODING_JAVA_UTF8:
424 906 : return &aImplJavaUtf8TextEncodingData; break;
425 : case RTL_TEXTENCODING_ISO_8859_1:
426 45496 : return &aImplISO88591TextEncodingData; break;
427 : default:
428 45457 : return FullTextEncodingDataSingleton::get().get(nEncoding);
429 : }
430 : }
431 :
432 : /* vim:set shiftwidth=4 softtabstop=4 expandtab: */
|
