mirror of https://github.com/qpdf/qpdf.git
Add WinAnsi and MacRoman encoding
This commit is contained in:
Jay Berkenbilt
parent
3ef1b77304
commit
b341d742db
|
|
@ -1,5 +1,8 @@
|
|||
2019-01-05 Jay Berkenbilt <ejb@ql.org>
|
||||
|
||||
* Add methods QUtil::utf8_to_win_ansi and
|
||||
QUtil::utf8_to_mac_roman.
|
||||
|
||||
* Add method QUtil::utf8_to_utf16.
|
||||
|
||||
2019-01-04 Jay Berkenbilt <ejb@ql.org>
|
||||
|
|
|
|||
|
|
@ -163,6 +163,12 @@ namespace QUtil
|
|||
QPDF_DLL
|
||||
std::string utf8_to_ascii(
|
||||
std::string const& utf8, char unknown_char = '?');
|
||||
QPDF_DLL
|
||||
std::string utf8_to_win_ansi(
|
||||
std::string const& utf8, char unknown_char = '?');
|
||||
QPDF_DLL
|
||||
std::string utf8_to_mac_roman(
|
||||
std::string const& utf8, char unknown_char = '?');
|
||||
|
||||
// If secure random number generation is supported on your
|
||||
// platform and qpdf was not compiled with insecure random number
|
||||
|
|
|
|||
484
libqpdf/QUtil.cc
484
libqpdf/QUtil.cc
|
|
@ -893,10 +893,454 @@ QUtil::parse_numrange(char const* range, int max)
|
|||
return result;
|
||||
}
|
||||
|
||||
enum encoding_e { e_utf16, e_ascii };
|
||||
enum encoding_e { e_utf16, e_ascii, e_winansi, e_macroman };
|
||||
|
||||
static
|
||||
std::string
|
||||
static unsigned char
|
||||
encode_winansi(unsigned long codepoint)
|
||||
{
|
||||
// Use this ugly switch statement to avoid a static, which is not
|
||||
// thread-safe.
|
||||
unsigned char ch = '\0';
|
||||
switch (codepoint)
|
||||
{
|
||||
case 0x20ac:
|
||||
ch = 0x80;
|
||||
break;
|
||||
case 0x152:
|
||||
ch = 0x8c;
|
||||
break;
|
||||
case 0x160:
|
||||
ch = 0x8a;
|
||||
break;
|
||||
case 0x178:
|
||||
ch = 0x9f;
|
||||
break;
|
||||
case 0x17d:
|
||||
ch = 0x8e;
|
||||
break;
|
||||
case 0x2022:
|
||||
ch = 0x95;
|
||||
break;
|
||||
case 0x2c6:
|
||||
ch = 0x88;
|
||||
break;
|
||||
case 0x2020:
|
||||
ch = 0x86;
|
||||
break;
|
||||
case 0x2021:
|
||||
ch = 0x87;
|
||||
break;
|
||||
case 0x2026:
|
||||
ch = 0x85;
|
||||
break;
|
||||
case 0x2014:
|
||||
ch = 0x97;
|
||||
break;
|
||||
case 0x2013:
|
||||
ch = 0x96;
|
||||
break;
|
||||
case 0x192:
|
||||
ch = 0x83;
|
||||
break;
|
||||
case 0x2039:
|
||||
ch = 0x8b;
|
||||
break;
|
||||
case 0x203a:
|
||||
ch = 0x9b;
|
||||
break;
|
||||
case 0x153:
|
||||
ch = 0x9c;
|
||||
break;
|
||||
case 0x2030:
|
||||
ch = 0x89;
|
||||
break;
|
||||
case 0x201e:
|
||||
ch = 0x84;
|
||||
break;
|
||||
case 0x201c:
|
||||
ch = 0x93;
|
||||
break;
|
||||
case 0x201d:
|
||||
ch = 0x94;
|
||||
break;
|
||||
case 0x2018:
|
||||
ch = 0x91;
|
||||
break;
|
||||
case 0x2019:
|
||||
ch = 0x92;
|
||||
break;
|
||||
case 0x201a:
|
||||
ch = 0x82;
|
||||
break;
|
||||
case 0x161:
|
||||
ch = 0x9a;
|
||||
break;
|
||||
case 0x303:
|
||||
ch = 0x98;
|
||||
break;
|
||||
case 0x2122:
|
||||
ch = 0x99;
|
||||
break;
|
||||
case 0x17e:
|
||||
ch = 0x9e;
|
||||
break;
|
||||
default:
|
||||
break;
|
||||
}
|
||||
return ch;
|
||||
}
|
||||
|
||||
static unsigned char
|
||||
encode_macroman(unsigned long codepoint)
|
||||
{
|
||||
// Use this ugly switch statement to avoid a static, which is not
|
||||
// thread-safe.
|
||||
unsigned char ch = '\0';
|
||||
switch (codepoint)
|
||||
{
|
||||
case 0xc6:
|
||||
ch = 0xae;
|
||||
break;
|
||||
case 0xc1:
|
||||
ch = 0xe7;
|
||||
break;
|
||||
case 0xc2:
|
||||
ch = 0xe5;
|
||||
break;
|
||||
case 0xc4:
|
||||
ch = 0x80;
|
||||
break;
|
||||
case 0xc0:
|
||||
ch = 0xcb;
|
||||
break;
|
||||
case 0xc5:
|
||||
ch = 0x81;
|
||||
break;
|
||||
case 0xc3:
|
||||
ch = 0xcc;
|
||||
break;
|
||||
case 0xc7:
|
||||
ch = 0x82;
|
||||
break;
|
||||
case 0xc9:
|
||||
ch = 0x83;
|
||||
break;
|
||||
case 0xca:
|
||||
ch = 0xe6;
|
||||
break;
|
||||
case 0xcb:
|
||||
ch = 0xe8;
|
||||
break;
|
||||
case 0xc8:
|
||||
ch = 0xe9;
|
||||
break;
|
||||
case 0xcd:
|
||||
ch = 0xea;
|
||||
break;
|
||||
case 0xce:
|
||||
ch = 0xeb;
|
||||
break;
|
||||
case 0xcf:
|
||||
ch = 0xec;
|
||||
break;
|
||||
case 0xcc:
|
||||
ch = 0xed;
|
||||
break;
|
||||
case 0xd1:
|
||||
ch = 0x84;
|
||||
break;
|
||||
case 0x152:
|
||||
ch = 0xce;
|
||||
break;
|
||||
case 0xd3:
|
||||
ch = 0xee;
|
||||
break;
|
||||
case 0xd4:
|
||||
ch = 0xef;
|
||||
break;
|
||||
case 0xd6:
|
||||
ch = 0x85;
|
||||
break;
|
||||
case 0xd2:
|
||||
ch = 0xf1;
|
||||
break;
|
||||
case 0xd8:
|
||||
ch = 0xaf;
|
||||
break;
|
||||
case 0xd5:
|
||||
ch = 0xcd;
|
||||
break;
|
||||
case 0xda:
|
||||
ch = 0xf2;
|
||||
break;
|
||||
case 0xdb:
|
||||
ch = 0xf3;
|
||||
break;
|
||||
case 0xdc:
|
||||
ch = 0x86;
|
||||
break;
|
||||
case 0xd9:
|
||||
ch = 0xf4;
|
||||
break;
|
||||
case 0x178:
|
||||
ch = 0xd9;
|
||||
break;
|
||||
case 0xe1:
|
||||
ch = 0x87;
|
||||
break;
|
||||
case 0xe2:
|
||||
ch = 0x89;
|
||||
break;
|
||||
case 0x301:
|
||||
ch = 0xab;
|
||||
break;
|
||||
case 0xe4:
|
||||
ch = 0x8a;
|
||||
break;
|
||||
case 0xe6:
|
||||
ch = 0xbe;
|
||||
break;
|
||||
case 0xe0:
|
||||
ch = 0x88;
|
||||
break;
|
||||
case 0xe5:
|
||||
ch = 0x8c;
|
||||
break;
|
||||
case 0xe3:
|
||||
ch = 0x8b;
|
||||
break;
|
||||
case 0x306:
|
||||
ch = 0xf9;
|
||||
break;
|
||||
case 0x2022:
|
||||
ch = 0xa5;
|
||||
break;
|
||||
case 0x2c7:
|
||||
ch = 0xff;
|
||||
break;
|
||||
case 0xe7:
|
||||
ch = 0x8d;
|
||||
break;
|
||||
case 0x327:
|
||||
ch = 0xfc;
|
||||
break;
|
||||
case 0xa2:
|
||||
ch = 0xa2;
|
||||
break;
|
||||
case 0x2c6:
|
||||
ch = 0xf6;
|
||||
break;
|
||||
case 0xa9:
|
||||
ch = 0xa9;
|
||||
break;
|
||||
case 0xa4:
|
||||
ch = 0xdb;
|
||||
break;
|
||||
case 0x2020:
|
||||
ch = 0xa0;
|
||||
break;
|
||||
case 0x2021:
|
||||
ch = 0xe0;
|
||||
break;
|
||||
case 0xb0:
|
||||
ch = 0xa1;
|
||||
break;
|
||||
case 0x308:
|
||||
ch = 0xac;
|
||||
break;
|
||||
case 0xf7:
|
||||
ch = 0xd6;
|
||||
break;
|
||||
case 0x307:
|
||||
ch = 0xfa;
|
||||
break;
|
||||
case 0x131:
|
||||
ch = 0xf5;
|
||||
break;
|
||||
case 0xe9:
|
||||
ch = 0x8e;
|
||||
break;
|
||||
case 0xea:
|
||||
ch = 0x90;
|
||||
break;
|
||||
case 0xeb:
|
||||
ch = 0x91;
|
||||
break;
|
||||
case 0xe8:
|
||||
ch = 0x8f;
|
||||
break;
|
||||
case 0x2026:
|
||||
ch = 0xc9;
|
||||
break;
|
||||
case 0x2014:
|
||||
ch = 0xd1;
|
||||
break;
|
||||
case 0x2013:
|
||||
ch = 0xd0;
|
||||
break;
|
||||
case 0xa1:
|
||||
ch = 0xc1;
|
||||
break;
|
||||
case 0xfb01:
|
||||
ch = 0xde;
|
||||
break;
|
||||
case 0xfb02:
|
||||
ch = 0xdf;
|
||||
break;
|
||||
case 0x192:
|
||||
ch = 0xc4;
|
||||
break;
|
||||
case 0x2044:
|
||||
ch = 0xda;
|
||||
break;
|
||||
case 0xdf:
|
||||
ch = 0xa7;
|
||||
break;
|
||||
case 0xab:
|
||||
ch = 0xc7;
|
||||
break;
|
||||
case 0xbb:
|
||||
ch = 0xc8;
|
||||
break;
|
||||
case 0x2039:
|
||||
ch = 0xdc;
|
||||
break;
|
||||
case 0x203a:
|
||||
ch = 0xdd;
|
||||
break;
|
||||
case 0x30b:
|
||||
ch = 0xfd;
|
||||
break;
|
||||
case 0xed:
|
||||
ch = 0x92;
|
||||
break;
|
||||
case 0xee:
|
||||
ch = 0x94;
|
||||
break;
|
||||
case 0xef:
|
||||
ch = 0x95;
|
||||
break;
|
||||
case 0xec:
|
||||
ch = 0x93;
|
||||
break;
|
||||
case 0xac:
|
||||
ch = 0xc2;
|
||||
break;
|
||||
case 0x304:
|
||||
ch = 0xf8;
|
||||
break;
|
||||
case 0x3bc:
|
||||
ch = 0xb5;
|
||||
break;
|
||||
case 0xf1:
|
||||
ch = 0x96;
|
||||
break;
|
||||
case 0xf3:
|
||||
ch = 0x97;
|
||||
break;
|
||||
case 0xf4:
|
||||
ch = 0x99;
|
||||
break;
|
||||
case 0xf6:
|
||||
ch = 0x9a;
|
||||
break;
|
||||
case 0x153:
|
||||
ch = 0xcf;
|
||||
break;
|
||||
case 0x328:
|
||||
ch = 0xfe;
|
||||
break;
|
||||
case 0xf2:
|
||||
ch = 0x98;
|
||||
break;
|
||||
case 0x1d43:
|
||||
ch = 0xbb;
|
||||
break;
|
||||
case 0x1d52:
|
||||
ch = 0xbc;
|
||||
break;
|
||||
case 0xf8:
|
||||
ch = 0xbf;
|
||||
break;
|
||||
case 0xf5:
|
||||
ch = 0x9b;
|
||||
break;
|
||||
case 0xb6:
|
||||
ch = 0xa6;
|
||||
break;
|
||||
case 0xb7:
|
||||
ch = 0xe1;
|
||||
break;
|
||||
case 0x2030:
|
||||
ch = 0xe4;
|
||||
break;
|
||||
case 0xb1:
|
||||
ch = 0xb1;
|
||||
break;
|
||||
case 0xbf:
|
||||
ch = 0xc0;
|
||||
break;
|
||||
case 0x201e:
|
||||
ch = 0xe3;
|
||||
break;
|
||||
case 0x201c:
|
||||
ch = 0xd2;
|
||||
break;
|
||||
case 0x201d:
|
||||
ch = 0xd3;
|
||||
break;
|
||||
case 0x2018:
|
||||
ch = 0xd4;
|
||||
break;
|
||||
case 0x2019:
|
||||
ch = 0xd5;
|
||||
break;
|
||||
case 0x201a:
|
||||
ch = 0xe2;
|
||||
break;
|
||||
case 0xae:
|
||||
ch = 0xa8;
|
||||
break;
|
||||
case 0x30a:
|
||||
ch = 0xfb;
|
||||
break;
|
||||
case 0xa7:
|
||||
ch = 0xa4;
|
||||
break;
|
||||
case 0xa3:
|
||||
ch = 0xa3;
|
||||
break;
|
||||
case 0x303:
|
||||
ch = 0xf7;
|
||||
break;
|
||||
case 0x2122:
|
||||
ch = 0xaa;
|
||||
break;
|
||||
case 0xfa:
|
||||
ch = 0x9c;
|
||||
break;
|
||||
case 0xfb:
|
||||
ch = 0x9e;
|
||||
break;
|
||||
case 0xfc:
|
||||
ch = 0x9f;
|
||||
break;
|
||||
case 0xf9:
|
||||
ch = 0x9d;
|
||||
break;
|
||||
case 0xff:
|
||||
ch = 0xd8;
|
||||
break;
|
||||
case 0xa5:
|
||||
ch = 0xb4;
|
||||
break;
|
||||
default:
|
||||
break;
|
||||
}
|
||||
return ch;
|
||||
}
|
||||
|
||||
static std::string
|
||||
transcode_utf8(std::string const& utf8_val, encoding_e encoding,
|
||||
char unknown)
|
||||
{
|
||||
|
|
@ -966,7 +1410,27 @@ transcode_utf8(std::string const& utf8_val, encoding_e encoding,
|
|||
}
|
||||
else
|
||||
{
|
||||
result.append(1, unknown);
|
||||
ch = '\0';
|
||||
if (encoding == e_winansi)
|
||||
{
|
||||
if ((codepoint >= 160) && (codepoint < 256))
|
||||
{
|
||||
ch = static_cast<unsigned char>(codepoint & 0xff);
|
||||
}
|
||||
else
|
||||
{
|
||||
ch = encode_winansi(codepoint);
|
||||
}
|
||||
}
|
||||
else if (encoding == e_macroman)
|
||||
{
|
||||
ch = encode_macroman(codepoint);
|
||||
}
|
||||
if (ch == '\0')
|
||||
{
|
||||
ch = static_cast<unsigned char>(unknown);
|
||||
}
|
||||
result.append(1, ch);
|
||||
}
|
||||
}
|
||||
}
|
||||
|
|
@ -985,3 +1449,15 @@ QUtil::utf8_to_ascii(std::string const& utf8, char unknown_char)
|
|||
{
|
||||
return transcode_utf8(utf8, e_ascii, unknown_char);
|
||||
}
|
||||
|
||||
std::string
|
||||
QUtil::utf8_to_win_ansi(std::string const& utf8, char unknown_char)
|
||||
{
|
||||
return transcode_utf8(utf8, e_winansi, unknown_char);
|
||||
}
|
||||
|
||||
std::string
|
||||
QUtil::utf8_to_mac_roman(std::string const& utf8, char unknown_char)
|
||||
{
|
||||
return transcode_utf8(utf8, e_macroman, unknown_char);
|
||||
}
|
||||
|
|
|
|||
|
|
@ -51,6 +51,8 @@ HAGOOGAMAGOOGLE: 0
|
|||
¿Does π have fingers?
|
||||
?Does ? have fingers?
|
||||
*Does * have fingers?
|
||||
<bf>Does * have fingers?
|
||||
<c0>Does * have fingers?
|
||||
---- whoami
|
||||
quack1
|
||||
quack2
|
||||
|
|
|
|||
|
|
@ -229,6 +229,15 @@ void utf8_to_ascii_test()
|
|||
<< std::endl
|
||||
<< QUtil::utf8_to_ascii(input, '*')
|
||||
<< std::endl;
|
||||
std::string a = QUtil::utf8_to_win_ansi(input, '*');
|
||||
std::string b = QUtil::utf8_to_mac_roman(input, '*');
|
||||
std::cout
|
||||
<< "<" << QUtil::int_to_string_base(
|
||||
static_cast<unsigned char>(a.at(0)), 16, 2)
|
||||
<< ">" << a.substr(1) << std::endl
|
||||
<< "<" << QUtil::int_to_string_base(
|
||||
static_cast<unsigned char>(b.at(0)), 16, 2)
|
||||
<< ">" << b.substr(1) << std::endl;
|
||||
}
|
||||
|
||||
void print_whoami(char const* str)
|
||||
|
|
|
|||
Loading…
Reference in New Issue