code.vuplus.com Git - vuplus_webkit/blob - Source/WebCore/platform/text/TextCodecLatin1.cpp

   1 /*
   2  * Copyright (C) 2004, 2006, 2008 Apple Inc. All rights reserved.
   3  *
   4  * Redistribution and use in source and binary forms, with or without
   5  * modification, are permitted provided that the following conditions
   6  * are met:
   7  * 1. Redistributions of source code must retain the above copyright
   8  *    notice, this list of conditions and the following disclaimer.
   9  * 2. Redistributions in binary form must reproduce the above copyright
  10  *    notice, this list of conditions and the following disclaimer in the
  11  *    documentation and/or other materials provided with the distribution.
  12  *
  13  * THIS SOFTWARE IS PROVIDED BY APPLE COMPUTER, INC. ``AS IS'' AND ANY
  14  * EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE
  15  * IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR
  16  * PURPOSE ARE DISCLAIMED.  IN NO EVENT SHALL APPLE COMPUTER, INC. OR
  17  * CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL,
  18  * EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO,
  19  * PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR
  20  * PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY
  21  * OF LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT
  22  * (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE
  23  * OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.
  24  */
  25
  26 #include "config.h"
  27 #include "TextCodecLatin1.h"
  28
  29 #include "PlatformString.h"
  30 #include "TextCodecASCIIFastPath.h"
  31 #include <wtf/text/CString.h>
  32 #include <wtf/text/StringBuffer.h>
  33 #include <wtf/PassOwnPtr.h>
  34
  35 namespace WebCore {
  36
  37 static const UChar table[256] = {
  38     0x0000, 0x0001, 0x0002, 0x0003, 0x0004, 0x0005, 0x0006, 0x0007, // 00-07
  39     0x0008, 0x0009, 0x000A, 0x000B, 0x000C, 0x000D, 0x000E, 0x000F, // 08-0F
  40     0x0010, 0x0011, 0x0012, 0x0013, 0x0014, 0x0015, 0x0016, 0x0017, // 10-17
  41     0x0018, 0x0019, 0x001A, 0x001B, 0x001C, 0x001D, 0x001E, 0x001F, // 18-1F
  42     0x0020, 0x0021, 0x0022, 0x0023, 0x0024, 0x0025, 0x0026, 0x0027, // 20-27
  43     0x0028, 0x0029, 0x002A, 0x002B, 0x002C, 0x002D, 0x002E, 0x002F, // 28-2F
  44     0x0030, 0x0031, 0x0032, 0x0033, 0x0034, 0x0035, 0x0036, 0x0037, // 30-37
  45     0x0038, 0x0039, 0x003A, 0x003B, 0x003C, 0x003D, 0x003E, 0x003F, // 38-3F
  46     0x0040, 0x0041, 0x0042, 0x0043, 0x0044, 0x0045, 0x0046, 0x0047, // 40-47
  47     0x0048, 0x0049, 0x004A, 0x004B, 0x004C, 0x004D, 0x004E, 0x004F, // 48-4F
  48     0x0050, 0x0051, 0x0052, 0x0053, 0x0054, 0x0055, 0x0056, 0x0057, // 50-57
  49     0x0058, 0x0059, 0x005A, 0x005B, 0x005C, 0x005D, 0x005E, 0x005F, // 58-5F
  50     0x0060, 0x0061, 0x0062, 0x0063, 0x0064, 0x0065, 0x0066, 0x0067, // 60-67
  51     0x0068, 0x0069, 0x006A, 0x006B, 0x006C, 0x006D, 0x006E, 0x006F, // 68-6F
  52     0x0070, 0x0071, 0x0072, 0x0073, 0x0074, 0x0075, 0x0076, 0x0077, // 70-77
  53     0x0078, 0x0079, 0x007A, 0x007B, 0x007C, 0x007D, 0x007E, 0x007F, // 78-7F
  54     0x20AC, 0x0081, 0x201A, 0x0192, 0x201E, 0x2026, 0x2020, 0x2021, // 80-87
  55     0x02C6, 0x2030, 0x0160, 0x2039, 0x0152, 0x008D, 0x017D, 0x008F, // 88-8F
  56     0x0090, 0x2018, 0x2019, 0x201C, 0x201D, 0x2022, 0x2013, 0x2014, // 90-97
  57     0x02DC, 0x2122, 0x0161, 0x203A, 0x0153, 0x009D, 0x017E, 0x0178, // 98-9F
  58     0x00A0, 0x00A1, 0x00A2, 0x00A3, 0x00A4, 0x00A5, 0x00A6, 0x00A7, // A0-A7
  59     0x00A8, 0x00A9, 0x00AA, 0x00AB, 0x00AC, 0x00AD, 0x00AE, 0x00AF, // A8-AF
  60     0x00B0, 0x00B1, 0x00B2, 0x00B3, 0x00B4, 0x00B5, 0x00B6, 0x00B7, // B0-B7
  61     0x00B8, 0x00B9, 0x00BA, 0x00BB, 0x00BC, 0x00BD, 0x00BE, 0x00BF, // B8-BF
  62     0x00C0, 0x00C1, 0x00C2, 0x00C3, 0x00C4, 0x00C5, 0x00C6, 0x00C7, // C0-C7
  63     0x00C8, 0x00C9, 0x00CA, 0x00CB, 0x00CC, 0x00CD, 0x00CE, 0x00CF, // C8-CF
  64     0x00D0, 0x00D1, 0x00D2, 0x00D3, 0x00D4, 0x00D5, 0x00D6, 0x00D7, // D0-D7
  65     0x00D8, 0x00D9, 0x00DA, 0x00DB, 0x00DC, 0x00DD, 0x00DE, 0x00DF, // D8-DF
  66     0x00E0, 0x00E1, 0x00E2, 0x00E3, 0x00E4, 0x00E5, 0x00E6, 0x00E7, // E0-E7
  67     0x00E8, 0x00E9, 0x00EA, 0x00EB, 0x00EC, 0x00ED, 0x00EE, 0x00EF, // E8-EF
  68     0x00F0, 0x00F1, 0x00F2, 0x00F3, 0x00F4, 0x00F5, 0x00F6, 0x00F7, // F0-F7
  69     0x00F8, 0x00F9, 0x00FA, 0x00FB, 0x00FC, 0x00FD, 0x00FE, 0x00FF  // F8-FF
  70 };
  71
  72 void TextCodecLatin1::registerEncodingNames(EncodingNameRegistrar registrar)
  73 {
  74     registrar("windows-1252", "windows-1252");
  75     registrar("ISO-8859-1", "ISO-8859-1");
  76     registrar("US-ASCII", "US-ASCII");
  77
  78     registrar("WinLatin1", "windows-1252");
  79     registrar("ibm-1252", "windows-1252");
  80     registrar("ibm-1252_P100-2000", "windows-1252");
  81
  82     registrar("CP819", "ISO-8859-1");
  83     registrar("IBM819", "ISO-8859-1");
  84     registrar("csISOLatin1", "ISO-8859-1");
  85     registrar("iso-ir-100", "ISO-8859-1");
  86     registrar("iso_8859-1:1987", "ISO-8859-1");
  87     registrar("l1", "ISO-8859-1");
  88     registrar("latin1", "ISO-8859-1");
  89
  90     registrar("ANSI_X3.4-1968", "US-ASCII");
  91     registrar("ANSI_X3.4-1986", "US-ASCII");
  92     registrar("ASCII", "US-ASCII");
  93     registrar("IBM367", "US-ASCII");
  94     registrar("ISO646-US", "US-ASCII");
  95     registrar("ISO_646.irv:1991", "US-ASCII");
  96     registrar("cp367", "US-ASCII");
  97     registrar("csASCII", "US-ASCII");
  98     registrar("ibm-367_P100-1995", "US-ASCII");
  99     registrar("iso-ir-6", "US-ASCII");
 100     registrar("iso-ir-6-us", "US-ASCII");
 101     registrar("us", "US-ASCII");
 102     registrar("x-ansi", "US-ASCII");
 103 }
 104
 105 static PassOwnPtr<TextCodec> newStreamingTextDecoderWindowsLatin1(const TextEncoding&, const void*)
 106 {
 107     return adoptPtr(new TextCodecLatin1);
 108 }
 109
 110 void TextCodecLatin1::registerCodecs(TextCodecRegistrar registrar)
 111 {
 112     registrar("windows-1252", newStreamingTextDecoderWindowsLatin1, 0);
 113
 114     // ASCII and Latin-1 both decode as Windows Latin-1 although they retain unique identities.
 115     registrar("ISO-8859-1", newStreamingTextDecoderWindowsLatin1, 0);
 116     registrar("US-ASCII", newStreamingTextDecoderWindowsLatin1, 0);
 117 }
 118
 119 String TextCodecLatin1::decode(const char* bytes, size_t length, bool, bool, bool&)
 120 {
 121     UChar* characters;
 122     String result = String::createUninitialized(length, characters);
 123
 124     const uint8_t* source = reinterpret_cast<const uint8_t*>(bytes);
 125     const uint8_t* end = reinterpret_cast<const uint8_t*>(bytes + length);
 126     const uint8_t* alignedEnd = alignToMachineWord(end);
 127     UChar* destination = characters;
 128
 129     while (source < end) {
 130         if (isASCII(*source)) {
 131             // Fast path for ASCII. Most Latin-1 text will be ASCII.
 132             if (isAlignedToMachineWord(source)) {
 133                 while (source < alignedEnd) {
 134                     MachineWord chunk = *reinterpret_cast_ptr<const MachineWord*>(source);
 135
 136                     if (!isAllASCII(chunk))
 137                         goto useLookupTable;
 138
 139                     copyASCIIMachineWord(destination, source);
 140                     source += sizeof(MachineWord);
 141                     destination += sizeof(MachineWord);
 142                 }
 143
 144                 if (source == end)
 145                     break;
 146             }
 147             *destination = *source;
 148         } else {
 149 useLookupTable:
 150             *destination = table[*source];
 151         }
 152
 153         ++source;
 154         ++destination;
 155     }
 156
 157     return result;
 158 }
 159
 160 static CString encodeComplexWindowsLatin1(const UChar* characters, size_t length, UnencodableHandling handling)
 161 {
 162     Vector<char> result(length);
 163     char* bytes = result.data();
 164
 165     size_t resultLength = 0;
 166     for (size_t i = 0; i < length; ) {
 167         UChar32 c;
 168         U16_NEXT(characters, i, length, c);
 169         unsigned char b = c;
 170         // Do an efficient check to detect characters other than 00-7F and A0-FF.
 171         if (b != c || (c & 0xE0) == 0x80) {
 172             // Look for a way to encode this with Windows Latin-1.
 173             for (b = 0x80; b < 0xA0; ++b)
 174                 if (table[b] == c)
 175                     goto gotByte;
 176             // No way to encode this character with Windows Latin-1.
 177             UnencodableReplacementArray replacement;
 178             int replacementLength = TextCodec::getUnencodableReplacement(c, handling, replacement);
 179             result.grow(resultLength + replacementLength + length - i);
 180             bytes = result.data();
 181             memcpy(bytes + resultLength, replacement, replacementLength);
 182             resultLength += replacementLength;
 183             continue;
 184         }
 185     gotByte:
 186         bytes[resultLength++] = b;
 187     }
 188
 189     return CString(bytes, resultLength);
 190 }
 191
 192 CString TextCodecLatin1::encode(const UChar* characters, size_t length, UnencodableHandling handling)
 193 {
 194     {
 195         char* bytes;
 196         CString string = CString::newUninitialized(length, bytes);
 197
 198         // Convert the string a fast way and simultaneously do an efficient check to see if it's all ASCII.
 199         UChar ored = 0;
 200         for (size_t i = 0; i < length; ++i) {
 201             UChar c = characters[i];
 202             bytes[i] = c;
 203             ored |= c;
 204         }
 205
 206         if (!(ored & 0xFF80))
 207             return string;
 208     }
 209
 210     // If it wasn't all ASCII, call the function that handles more-complex cases.
 211     return encodeComplexWindowsLatin1(characters, length, handling);
 212 }
 213
 214 } // namespace WebCore