Annotation of parser3/src/include/pa_charset.h, revision 1.52

1.1       paf         1: /** @file
                      2:        Parser: Charset connection decl.
                      3: 
1.48      moko        4:        Copyright (c) 2001-2012 Art. Lebedev Studio (http://www.artlebedev.com)
1.14      paf         5:        Author: Alexandr Petrosian <paf@design.ru> (http://paf.design.ru)
1.1       paf         6: */
                      7: 
                      8: #ifndef PA_CHARSET_H
                      9: #define PA_CHARSET_H
1.17      paf        10: 
1.52    ! moko       11: #define IDENT_PA_CHARSET_H "$Id: pa_charset.h,v 1.51 2012/06/18 20:45:02 moko Exp $"
1.23      paf        12: 
1.1       paf        13: 
                     14: #include "pa_exception.h"
                     15: #include "pa_common.h"
1.23      paf        16: #include "pa_hash.h"
                     17: #include "pa_array.h"
1.1       paf        18: 
                     19: #include "pcre.h"
1.51      moko       20: // we are using some pcre_internal.h stuff as well
                     21: #include "../lib/pcre/pa_pcre_internal.h"
1.1       paf        22: 
1.3       paf        23: #ifdef XML
                     24: #include "libxml/encoding.h"
                     25: #endif
                     26: 
1.1       paf        27: // defines
                     28: 
1.23      paf        29: #define MAX_CHARSETS 10
                     30: 
                     31: #define MAX_CHARSET_UNI_CODES 500
                     32: 
1.41      misha      33: #ifndef XMLCh 
                     34:        typedef unsigned int XMLCh;
                     35: #endif
                     36: #ifndef XMLByte
                     37:        typedef unsigned char XMLByte;
                     38: #endif
1.3       paf        39: 
1.23      paf        40: // helpers
                     41: 
1.42      misha      42: typedef HashString<String::Body> HashStringString;
1.23      paf        43: 
1.1       paf        44: /**    charset holds name & transcode tables 
1.23      paf        45:        registers libxml transcoders
1.1       paf        46: */
1.23      paf        47: class Charset: public PA_Object {
1.1       paf        48: public:
                     49: 
1.24      paf        50:        Charset(Request_charsets* charsets, const String::Body ANAME, const String* afile_spec);
1.1       paf        51:        
1.24      paf        52:        const String::Body NAME() const { return FNAME; }
1.30      paf        53:        const char* NAME_CSTR() const { return FNAME_CSTR; }
1.1       paf        54: 
                     55:        bool isUTF8() const { return fisUTF8; }
                     56: 
1.23      paf        57:        static String::C transcode(const String::C src,
1.36      misha      58:                const Charset& source_charset, 
1.38      misha      59:                const Charset& dest_charset);
1.21      paf        60: 
1.23      paf        61:        static String& transcode(const String& src,
1.21      paf        62:                const Charset& source_transcoder, 
1.23      paf        63:                const Charset& dest_transcoder);
1.21      paf        64: 
1.24      paf        65:        static String::Body transcode(const String::Body src,
1.21      paf        66:                const Charset& source_transcoder, 
1.23      paf        67:                const Charset& dest_transcoder);
1.21      paf        68: 
1.23      paf        69:        static void transcode(ArrayString& src,
1.21      paf        70:                const Charset& source_transcoder, 
1.23      paf        71:                const Charset& dest_transcoder);
                     72: 
                     73:        static void transcode(HashStringString& src,
                     74:                const Charset& source_transcoder, 
                     75:                const Charset& dest_transcoder);
1.1       paf        76: 
1.36      misha      77:        static String::C escape(const String::C src,
1.37      misha      78:                const Charset& source_charset);
1.38      misha      79:        static String::Body escape(const String::Body src,
                     80:                const Charset& source_charset);
1.45      misha      81:        static String& escape(const String& src,
                     82:                const Charset& source_charset);
1.38      misha      83: 
1.45      misha      84:        static String::C escape_JSON(const String::C src,
                     85:                const Charset& source_charset);
                     86:        static String::Body escape_JSON(const String::Body src,
                     87:                const Charset& source_charset);
                     88:        static String& escape_JSON(const String& src,
1.38      misha      89:                const Charset& source_charset);
                     90: 
1.35      misha      91:        void store_Char(XMLByte*& outPtr, XMLCh src, XMLByte not_found);
1.33      misha      92: 
1.9       paf        93: #ifdef XML
1.24      paf        94:        xmlCharEncodingHandler& transcoder(const String::Body NAME);
1.9       paf        95: #endif
                     96: 
1.1       paf        97: public:
                     98: 
                     99:        unsigned char pcre_tables[tables_length];
                    100: 
                    101: private:
                    102: 
1.23      paf       103:        void load_definition(Request_charsets& charsets, const String& afile_spec);
1.1       paf       104:        void sort_ToTable();
                    105: 
1.23      paf       106:        const String::C transcodeToUTF8(const String::C src) const;
                    107:        const String::C transcodeFromUTF8(const String::C src) const;
                    108:        
                    109:        const String::C transcodeToCharset(const String::C src,
                    110:                const Charset& dest_transcoder) const;
1.1       paf       111: 
1.4       paf       112: public:
                    113: 
                    114:        struct Tables {
1.25      paf       115:                struct Rec {
                    116:                        XMLCh intCh;
                    117:                        XMLByte extCh;
                    118:                };
                    119: 
1.4       paf       120:                XMLCh fromTable[0x100];
1.25      paf       121:                Rec toTable[MAX_CHARSET_UNI_CODES];
1.4       paf       122:                uint toTableSize;
                    123:        };
                    124: 
1.25      paf       125:        struct UTF8CaseTable {
                    126:                struct Rec {
                    127:                        XMLCh from, to;
                    128:                };
                    129: 
                    130:                uint size;
                    131:                Rec* records;
                    132:        };
                    133: 
1.1       paf       134: private:
                    135: 
1.24      paf       136:        const String::Body FNAME;
1.23      paf       137:        char* FNAME_CSTR;
1.1       paf       138:        bool fisUTF8;
1.4       paf       139:        Tables tables;
1.1       paf       140: 
1.45      misha     141:        static size_t calc_escaped_length_UTF8(XMLByte* src, size_t src_length);
1.46      moko      142:        static size_t calc_escaped_length(const XMLByte* src, size_t src_length, const Charset::Tables& tables);
1.45      misha     143:        static size_t calc_escaped_length(const String::C src, const Charset& source_charset);
                    144:        static size_t escape_UTF8(const XMLByte* src, size_t src_length, XMLByte* dest);
                    145:        static size_t escape(const XMLByte* src, size_t src_length, XMLByte* dest, const Charset::Tables& tables);
                    146: 
                    147:        static size_t calc_JSON_escaped_length_UTF8(XMLByte* src, size_t src_length);
1.46      moko      148:        static size_t calc_JSON_escaped_length(const XMLByte* src, size_t src_length, const Charset::Tables& tables);
1.45      misha     149:        static size_t calc_JSON_escaped_length(const String::C src, const Charset& source_charset);
                    150:        static size_t escape_JSON_UTF8(const XMLByte* src, size_t src_length, XMLByte* dest);
                    151:        static size_t escape_JSON(const XMLByte* src, size_t src_length, XMLByte* dest, const Charset::Tables& tables);
                    152: 
1.47      misha     153: #ifdef XML
                    154: 
                    155: private:
                    156:        void addEncoding(char* name_cstr);
                    157:        void initTranscoder(const String::Body name, const char* name_cstr);
                    158: 
1.1       paf       159: public:
1.23      paf       160:        /// converts xmlChar* null-terminated string to char* 
1.32      paf       161:        String::C transcode_cstr(const xmlChar* s);
1.8       paf       162:        /// converts xmlChar* null-terminated string to parser String
1.32      paf       163:        const String& transcode(const xmlChar* s);
1.23      paf       164: 
                    165:        /** converts sized char*  to xmlChar*
                    166:                @returns xmlChar*  WHICH CALLER SHOULD FREE
1.16      paf       167:        */
1.23      paf       168:        xmlChar* transcode_buf2xchar(const char* buf, size_t buf_size);
1.32      paf       169:        /// converts parser String to xmlChar*
                    170:        xmlChar* transcode(const String& s);
                    171:        /// converts parser String::Body to xmlChar*
                    172:        xmlChar* transcode(const String::Body s);
1.1       paf       173: 
                    174: private:
                    175: 
1.23      paf       176:        xmlCharEncodingHandler* ftranscoder;
1.1       paf       177: 
                    178: #endif
                    179: 
1.5       paf       180: };
1.25      paf       181: 
                    182: 
                    183: // externs
                    184: 
                    185: extern Charset::UTF8CaseTable UTF8CaseToUpper;
                    186: extern Charset::UTF8CaseTable UTF8CaseToLower;
1.28      paf       187: void change_case_UTF8(const XMLByte* srcData, size_t srcLen,
1.43      misha     188:                                        XMLByte* toFill, size_t toFillLen,
                    189:                                        const Charset::UTF8CaseTable& table);
1.37      misha     190: size_t getUTF8BytePos(const XMLByte* srcBegin, const XMLByte* srcEnd, size_t charPos/*position in characters*/);
                    191: size_t getUTF8CharPos(const XMLByte* srcBegin, const XMLByte* srcEnd, size_t bytePos/*position in bytes*/);
                    192: size_t lengthUTF8(const XMLByte* srcBegin, const XMLByte* srcEnd);
1.44      misha     193: unsigned int lengthUTF8Char(const XMLByte c);
1.25      paf       194: 
1.52    ! moko      195: const char *fixUTF8(const char *src);
1.43      misha     196: 
                    197: class UTF8_string_iterator {
                    198:        public:
                    199:                UTF8_string_iterator(const String& astring): fsrcPtr((XMLByte*)astring.cstr()), fsrcEnd(fsrcPtr + astring.length()) {}
                    200:                UTF8_string_iterator(XMLByte* asrcPtr, size_t length): fsrcPtr(asrcPtr), fsrcEnd(fsrcPtr + length) {}
                    201: 
                    202:                bool has_next();
                    203:                XMLCh next() { return fUTF8Char; }
                    204:                XMLByte getFirstByte(){ return ffirstByte; }
                    205:                size_t getCharSize(){ return fcharSize; }
                    206:        private:
                    207:                const XMLByte* fsrcPtr;
                    208:                const XMLByte* fsrcEnd;
                    209:                size_t fcharSize;
                    210:                XMLByte ffirstByte;
                    211:                XMLCh fUTF8Char;
                    212: };
                    213: 
1.1       paf       214: #endif

E-mail: