lib/ruby-1.9.1-rc1/enc/iso_8859_9.c

   1 /**********************************************************************
   2   iso8859_9.c -  Oniguruma (regular expression library)
   3 **********************************************************************/
   4 /*-
   5  * Copyright (c) 2002-2007  K.Kosako  <sndgk393 AT ybb DOT ne DOT jp>
   6  * All rights reserved.
   7  *
   8  * Redistribution and use in source and binary forms, with or without
   9  * modification, are permitted provided that the following conditions
  10  * are met:
  11  * 1. Redistributions of source code must retain the above copyright
  12  *    notice, this list of conditions and the following disclaimer.
  13  * 2. Redistributions in binary form must reproduce the above copyright
  14  *    notice, this list of conditions and the following disclaimer in the
  15  *    documentation and/or other materials provided with the distribution.
  16  *
  17  * THIS SOFTWARE IS PROVIDED BY THE AUTHOR AND CONTRIBUTORS ``AS IS'' AND
  18  * ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE
  19  * IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE
  20  * ARE DISCLAIMED.  IN NO EVENT SHALL THE AUTHOR OR CONTRIBUTORS BE LIABLE
  21  * FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL
  22  * DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS
  23  * OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION)
  24  * HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT
  25  * LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY
  26  * OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF
  27  * SUCH DAMAGE.
  28  */
  29
  30 #include "regenc.h"
  31
  32 #define ENC_ISO_8859_9_TO_LOWER_CASE(c) EncISO_8859_9_ToLowerCaseTable[c]
  33 #define ENC_IS_ISO_8859_9_CTYPE(code,ctype) \
  34   ((EncISO_8859_9_CtypeTable[code] & CTYPE_TO_BIT(ctype)) != 0)
  35
  36 static const UChar EncISO_8859_9_ToLowerCaseTable[256] = {
  37   '\000', '\001', '\002', '\003', '\004', '\005', '\006', '\007',
  38   '\010', '\011', '\012', '\013', '\014', '\015', '\016', '\017',
  39   '\020', '\021', '\022', '\023', '\024', '\025', '\026', '\027',
  40   '\030', '\031', '\032', '\033', '\034', '\035', '\036', '\037',
  41   '\040', '\041', '\042', '\043', '\044', '\045', '\046', '\047',
  42   '\050', '\051', '\052', '\053', '\054', '\055', '\056', '\057',
  43   '\060', '\061', '\062', '\063', '\064', '\065', '\066', '\067',
  44   '\070', '\071', '\072', '\073', '\074', '\075', '\076', '\077',
  45   '\100', '\141', '\142', '\143', '\144', '\145', '\146', '\147',
  46   '\150', '\151', '\152', '\153', '\154', '\155', '\156', '\157',
  47   '\160', '\161', '\162', '\163', '\164', '\165', '\166', '\167',
  48   '\170', '\171', '\172', '\133', '\134', '\135', '\136', '\137',
  49   '\140', '\141', '\142', '\143', '\144', '\145', '\146', '\147',
  50   '\150', '\151', '\152', '\153', '\154', '\155', '\156', '\157',
  51   '\160', '\161', '\162', '\163', '\164', '\165', '\166', '\167',
  52   '\170', '\171', '\172', '\173', '\174', '\175', '\176', '\177',
  53   '\200', '\201', '\202', '\203', '\204', '\205', '\206', '\207',
  54   '\210', '\211', '\212', '\213', '\214', '\215', '\216', '\217',
  55   '\220', '\221', '\222', '\223', '\224', '\225', '\226', '\227',
  56   '\230', '\231', '\232', '\233', '\234', '\235', '\236', '\237',
  57   '\240', '\241', '\242', '\243', '\244', '\245', '\246', '\247',
  58   '\250', '\251', '\252', '\253', '\254', '\255', '\256', '\257',
  59   '\260', '\261', '\262', '\263', '\264', '\265', '\266', '\267',
  60   '\270', '\271', '\272', '\273', '\274', '\275', '\276', '\277',
  61   '\340', '\341', '\342', '\343', '\344', '\345', '\346', '\347',
  62   '\350', '\351', '\352', '\353', '\354', '\355', '\356', '\357',
  63   '\360', '\361', '\362', '\363', '\364', '\365', '\366', '\327',
  64   '\370', '\371', '\372', '\373', '\374', '\335', '\376', '\337',
  65   '\340', '\341', '\342', '\343', '\344', '\345', '\346', '\347',
  66   '\350', '\351', '\352', '\353', '\354', '\355', '\356', '\357',
  67   '\360', '\361', '\362', '\363', '\364', '\365', '\366', '\367',
  68   '\370', '\371', '\372', '\373', '\374', '\375', '\376', '\377'
  69 };
  70
  71 static const unsigned short EncISO_8859_9_CtypeTable[256] = {
  72   0x4008, 0x4008, 0x4008, 0x4008, 0x4008, 0x4008, 0x4008, 0x4008,
  73   0x4008, 0x420c, 0x4209, 0x4208, 0x4208, 0x4208, 0x4008, 0x4008,
  74   0x4008, 0x4008, 0x4008, 0x4008, 0x4008, 0x4008, 0x4008, 0x4008,
  75   0x4008, 0x4008, 0x4008, 0x4008, 0x4008, 0x4008, 0x4008, 0x4008,
  76   0x4284, 0x41a0, 0x41a0, 0x41a0, 0x41a0, 0x41a0, 0x41a0, 0x41a0,
  77   0x41a0, 0x41a0, 0x41a0, 0x41a0, 0x41a0, 0x41a0, 0x41a0, 0x41a0,
  78   0x78b0, 0x78b0, 0x78b0, 0x78b0, 0x78b0, 0x78b0, 0x78b0, 0x78b0,
  79   0x78b0, 0x78b0, 0x41a0, 0x41a0, 0x41a0, 0x41a0, 0x41a0, 0x41a0,
  80   0x41a0, 0x7ca2, 0x7ca2, 0x7ca2, 0x7ca2, 0x7ca2, 0x7ca2, 0x74a2,
  81   0x74a2, 0x74a2, 0x74a2, 0x74a2, 0x74a2, 0x74a2, 0x74a2, 0x74a2,
  82   0x74a2, 0x74a2, 0x74a2, 0x74a2, 0x74a2, 0x74a2, 0x74a2, 0x74a2,
  83   0x74a2, 0x74a2, 0x74a2, 0x41a0, 0x41a0, 0x41a0, 0x41a0, 0x51a0,
  84   0x41a0, 0x78e2, 0x78e2, 0x78e2, 0x78e2, 0x78e2, 0x78e2, 0x70e2,
  85   0x70e2, 0x70e2, 0x70e2, 0x70e2, 0x70e2, 0x70e2, 0x70e2, 0x70e2,
  86   0x70e2, 0x70e2, 0x70e2, 0x70e2, 0x70e2, 0x70e2, 0x70e2, 0x70e2,
  87   0x70e2, 0x70e2, 0x70e2, 0x41a0, 0x41a0, 0x41a0, 0x41a0, 0x4008,
  88   0x0008, 0x0008, 0x0008, 0x0008, 0x0008, 0x0008, 0x0008, 0x0008,
  89   0x0008, 0x0008, 0x0008, 0x0008, 0x0008, 0x0008, 0x0008, 0x0008,
  90   0x0008, 0x0008, 0x0008, 0x0008, 0x0008, 0x0008, 0x0008, 0x0008,
  91   0x0008, 0x0008, 0x0008, 0x0008, 0x0008, 0x0008, 0x0008, 0x0008,
  92   0x0284, 0x01a0, 0x00a0, 0x00a0, 0x00a0, 0x00a0, 0x00a0, 0x00a0,
  93   0x00a0, 0x00a0, 0x30e2, 0x01a0, 0x00a0, 0x01a0, 0x00a0, 0x00a0,
  94   0x00a0, 0x00a0, 0x10a0, 0x10a0, 0x00a0, 0x30e2, 0x00a0, 0x01a0,
  95   0x00a0, 0x10a0, 0x30e2, 0x01a0, 0x10a0, 0x10a0, 0x10a0, 0x01a0,
  96   0x34a2, 0x34a2, 0x34a2, 0x34a2, 0x34a2, 0x34a2, 0x34a2, 0x34a2,
  97   0x34a2, 0x34a2, 0x34a2, 0x34a2, 0x34a2, 0x34a2, 0x34a2, 0x34a2,
  98   0x34a2, 0x34a2, 0x34a2, 0x34a2, 0x34a2, 0x34a2, 0x34a2, 0x00a0,
  99   0x34a2, 0x34a2, 0x34a2, 0x34a2, 0x34a2, 0x34a2, 0x34a2, 0x30e2,
 100   0x30e2, 0x30e2, 0x30e2, 0x30e2, 0x30e2, 0x30e2, 0x30e2, 0x30e2,
 101   0x30e2, 0x30e2, 0x30e2, 0x30e2, 0x30e2, 0x30e2, 0x30e2, 0x30e2,
 102   0x30e2, 0x30e2, 0x30e2, 0x30e2, 0x30e2, 0x30e2, 0x30e2, 0x00a0,
 103   0x30e2, 0x30e2, 0x30e2, 0x30e2, 0x30e2, 0x30e2, 0x30e2, 0x30e2
 104 };
 105
 106 static int
 107 mbc_case_fold(OnigCaseFoldType flag,
 108               const UChar** pp, const UChar* end ARG_UNUSED, UChar* lower,
 109               OnigEncoding enc ARG_UNUSED)
 110 {
 111   const UChar* p = *pp;
 112
 113   if (*p == 0xdf && (flag & INTERNAL_ONIGENC_CASE_FOLD_MULTI_CHAR) != 0) {
 114     *lower++ = 's';
 115     *lower   = 's';
 116     (*pp)++;
 117     return 2;
 118   }
 119
 120   *lower = ENC_ISO_8859_9_TO_LOWER_CASE(*p);
 121   (*pp)++;
 122   return 1;
 123 }
 124
 125 #if 0
 126 static int
 127 is_mbc_ambiguous(OnigCaseFoldType flag, const UChar** pp, const UChar* end)
 128 {
 129   int v;
 130   const UChar* p = *pp;
 131
 132   if (*p == 0xdf && (flag & INTERNAL_ONIGENC_CASE_FOLD_MULTI_CHAR) != 0) {
 133     (*pp)++;
 134     return TRUE;
 135   }
 136
 137   (*pp)++;
 138   v = (EncISO_8859_9_CtypeTable[*p] & (BIT_CTYPE_UPPER | BIT_CTYPE_LOWER));
 139   if ((v | BIT_CTYPE_LOWER) != 0) {
 140     /* 0xdf etc..  are lower case letter, but can't convert. */
 141     if (*p >= 0xaa && *p <= 0xba)
 142       return FALSE;
 143     else
 144       return TRUE;
 145   }
 146
 147   return (v != 0 ? TRUE : FALSE);
 148 }
 149 #endif
 150
 151 static int
 152 is_code_ctype(OnigCodePoint code, unsigned int ctype, OnigEncoding enc ARG_UNUSED)
 153 {
 154   if (code < 256)
 155     return ENC_IS_ISO_8859_9_CTYPE(code, ctype);
 156   else
 157     return FALSE;
 158 }
 159
 160 static const OnigPairCaseFoldCodes CaseFoldMap[] = {
 161   { 0xc0, 0xe0 },
 162   { 0xc1, 0xe1 },
 163   { 0xc2, 0xe2 },
 164   { 0xc3, 0xe3 },
 165   { 0xc4, 0xe4 },
 166   { 0xc5, 0xe5 },
 167   { 0xc6, 0xe6 },
 168   { 0xc7, 0xe7 },
 169   { 0xc8, 0xe8 },
 170   { 0xc9, 0xe9 },
 171   { 0xca, 0xea },
 172   { 0xcb, 0xeb },
 173   { 0xcc, 0xec },
 174   { 0xcd, 0xed },
 175   { 0xce, 0xee },
 176   { 0xcf, 0xef },
 177
 178   { 0xd0, 0xf0 },
 179   { 0xd1, 0xf1 },
 180   { 0xd2, 0xf2 },
 181   { 0xd3, 0xf3 },
 182   { 0xd4, 0xf4 },
 183   { 0xd5, 0xf5 },
 184   { 0xd6, 0xf6 },
 185   { 0xd8, 0xf8 },
 186   { 0xd9, 0xf9 },
 187   { 0xda, 0xfa },
 188   { 0xdb, 0xfb },
 189   { 0xdc, 0xfc },
 190   { 0xdd, 0xfd },
 191   { 0xde, 0xfe }
 192 };
 193
 194 static int
 195 apply_all_case_fold(OnigCaseFoldType flag,
 196                                OnigApplyAllCaseFoldFunc f, void* arg,
 197                                OnigEncoding enc ARG_UNUSED)
 198 {
 199   return onigenc_apply_all_case_fold_with_map(
 200              sizeof(CaseFoldMap)/sizeof(OnigPairCaseFoldCodes), CaseFoldMap, 1,
 201              flag, f, arg);
 202 }
 203
 204 static int
 205 get_case_fold_codes_by_str(OnigCaseFoldType flag,
 206                                       const OnigUChar* p, const OnigUChar* end,
 207                                       OnigCaseFoldCodeItem items[],
 208                                       OnigEncoding enc ARG_UNUSED)
 209 {
 210   return onigenc_get_case_fold_codes_by_str_with_map(
 211              sizeof(CaseFoldMap)/sizeof(OnigPairCaseFoldCodes), CaseFoldMap, 1,
 212              flag, p, end, items);
 213 }
 214
 215 OnigEncodingDefine(iso_8859_9, ISO_8859_9) = {
 216   onigenc_single_byte_mbc_enc_len,
 217   "ISO-8859-9",  /* name */
 218   1,             /* max enc length */
 219   1,             /* min enc length */
 220   onigenc_is_mbc_newline_0x0a,
 221   onigenc_single_byte_mbc_to_code,
 222   onigenc_single_byte_code_to_mbclen,
 223   onigenc_single_byte_code_to_mbc,
 224   mbc_case_fold,
 225   apply_all_case_fold,
 226   get_case_fold_codes_by_str,
 227   onigenc_minimum_property_name_to_ctype,
 228   is_code_ctype,
 229   onigenc_not_support_get_ctype_code_range,
 230   onigenc_single_byte_left_adjust_char_head,
 231   onigenc_always_true_is_allowed_reverse_match
 232 };
 233 ENC_ALIAS("ISO8859-9", "ISO-8859-9")
 234
 235 /*
 236  * Name: windows-1254
 237  * MIBenum: 2254
 238  * Link: http://www.iana.org/assignments/character-sets
 239  * Link: http://www.microsoft.com/globaldev/reference/sbcs/1254.mspx
 240  * Link: http://en.wikipedia.org/wiki/Windows-1254
 241  */
 242 ENC_REPLICATE("Windows-1254", "ISO-8859-9")
 243 ENC_ALIAS("CP1254", "Windows-1254")