"Compiled" encodings.
Nick Ing-Simmons [Thu, 14 Dec 2000 20:09:37 +0000 (20:09 +0000)]
Correct replacement character in EBCDIC .enc files
Add 0x7F to ASCII repertoire.

p4raw-id: //depot/perlio@8105

ext/Encode/Encode.pm
ext/Encode/Encode.xs
ext/Encode/Encode/ascii.enc
ext/Encode/Encode/cp1047.enc
ext/Encode/Encode/cp37.enc
ext/Encode/Encode/posix-bc.enc
ext/Encode/Makefile.PL
ext/Encode/compile
ext/Encode/encengine.c
ext/Encode/encode.h

index 8ba7232..db471cb 100644 (file)
@@ -340,9 +340,9 @@ sub from_to
  return length($_[0] = $string);
 }
 
-my %encoding = ( Unicode      => bless({},'Encode::Unicode'),
-                 'iso10646-1' => bless({},'Encode::iso10646_1'),
-               );
+# The global hash is declared in XS code
+$encoding{Unicode}    = bless({},'Encode::Unicode');
+$encoding{iso10646-1} = bless({},'Encode::iso10646_1');
 
 sub encodings
 {
@@ -378,6 +378,7 @@ sub loadEncoding
      last unless $type eq '#';
     }
    $class .= ('::'.(($type eq 'E') ? 'Escape' : 'Table'));
+   warn "Loading $file";
    return $class->read($fh,$name,$type);
   }
  else
@@ -568,6 +569,7 @@ sub fromUnicode
  return $str;
 }
 
+
 package Encode::Escape;
 use Carp;
 
index f8901bb..3bd8e95 100644 (file)
@@ -1,6 +1,11 @@
 #include "EXTERN.h"
 #include "perl.h"
 #include "XSUB.h"
+#define U8 U8
+#include "encode.h"
+#include "iso8859.h"
+#include "EBCDIC.h"
+#include "Symbols.h"
 
 #define UNIMPLEMENTED(x,y) y x (SV *sv, char *encoding) {   \
                          Perl_croak(aTHX_ "panic_unimplemented"); \
@@ -313,8 +318,129 @@ PerlIO_funcs PerlIO_encode = {
 };
 #endif
 
+void
+Encode_Define(pTHX_ encode_t *enc)
+{
+ HV *hash  = get_hv("Encode::encoding",GV_ADD|GV_ADDMULTI);
+ HV *stash = gv_stashpv("Encode::XS", TRUE);
+ SV *sv    = sv_bless(newRV_noinc(newSViv(PTR2IV(enc))),stash);
+ hv_store(hash,enc->name,strlen(enc->name),sv,0);
+}
+
 void call_failure (SV *routine, U8* done, U8* dest, U8* orig) {}
 
+static SV *
+encode_method(pTHX_ encode_t *enc, encpage_t *dir, SV *src, int check)
+{
+ STRLEN slen;
+ U8 *s = (U8 *) SvPV(src,slen);
+ SV *dst = sv_2mortal(newSV(2*slen+1));
+ if (slen)
+  {
+   U8 *d = (U8 *) SvGROW(dst, 2*slen+1);
+   STRLEN dlen = SvLEN(dst);
+   int code;
+   while ((code = do_encode(dir,s,&slen,d,dlen,&dlen)))
+    {
+     SvCUR_set(dst,dlen);
+     SvPOK_on(dst);
+     switch(code)
+      {
+       case ENCODE_NOSPACE:
+        {
+         STRLEN need = (slen) ? (SvLEN(dst)*SvCUR(src)/slen) : (dlen + UTF8_MAXLEN);
+         if (need <= SvLEN(dst))
+          need += UTF8_MAXLEN;
+         d = (U8 *) SvGROW(dst, need);
+         dlen = SvLEN(dst);
+         slen = SvCUR(src);
+         break;
+        }
+
+       case ENCODE_NOREP:
+        if (dir == enc->f_utf8)
+         {
+          if (!check && ckWARN_d(WARN_UTF8))
+           {
+            STRLEN clen;
+            UV ch = utf8_to_uv(s+slen,(SvCUR(src)-slen),&clen,0);
+            Perl_warner(aTHX_ WARN_UTF8, "\"\\x{%x}\" does not map to %s", ch, enc->name);
+            /* FIXME: Skip over the character, copy in replacement and continue
+             * but that is messy so for now just fail.
+             */
+            return &PL_sv_undef;
+           }
+          else
+           {
+            return &PL_sv_undef;
+           }
+         }
+        else
+         {
+          /* UTF-8 is supposed to be "Universal" so should not happen */
+          Perl_croak(aTHX_ "%s '%.*s' does not map to UTF-8",
+                 enc->name, (SvCUR(src)-slen),s+slen);
+         }
+        break;
+
+       case ENCODE_PARTIAL:
+         if (!check && ckWARN_d(WARN_UTF8))
+          {
+           Perl_warner(aTHX_ WARN_UTF8, "Partial %s character",
+                       (dir == enc->f_utf8) ? "UTF-8" : enc->name);
+          }
+         return &PL_sv_undef;
+
+       default:
+        Perl_croak(aTHX_ "Unexpected code %d converting %s %s",
+                 code, (dir == enc->f_utf8) ? "to" : "from",enc->name);
+        return &PL_sv_undef;
+      }
+    }
+   SvCUR_set(dst,dlen);
+   SvPOK_on(dst);
+   if (check)
+    {
+     if (slen < SvCUR(src))
+      {
+       Move(s+slen,s,SvCUR(src)-slen,U8);
+      }
+     SvCUR_set(src,SvCUR(src)-slen);
+    }
+  }
+ return dst;
+}
+
+MODULE = Encode                PACKAGE = Encode::XS    PREFIX = Encode_
+
+PROTOTYPES: ENABLE
+
+void
+Encode_toUnicode(obj,src,check = 0)
+SV *   obj
+SV *   src
+int    check
+CODE:
+ {
+  encode_t *enc = INT2PTR(encode_t *, SvIV(SvRV(obj)));
+  ST(0) = encode_method(aTHX_ enc, enc->t_utf8, src, check);
+  SvUTF8_on(ST(0));
+  XSRETURN(1);
+ }
+
+void
+Encode_fromUnicode(obj,src,check = 0)
+SV *   obj
+SV *   src
+int    check
+CODE:
+ {
+  encode_t *enc = INT2PTR(encode_t *, SvIV(SvRV(obj)));
+  sv_utf8_upgrade(src);
+  ST(0) = encode_method(aTHX_ enc, enc->f_utf8, src, check);
+  XSRETURN(1);
+ }
+
 MODULE = Encode         PACKAGE = Encode
 
 PROTOTYPES: ENABLE
@@ -548,4 +674,7 @@ BOOT:
 #ifdef USE_PERLIO
  PerlIO_define_layer(&PerlIO_encode);
 #endif
+#include "iso8859.def"
+#include "EBCDIC.def"
+#include "Symbols.def"
 }
index e0320b8..284a9f5 100644 (file)
@@ -9,7 +9,7 @@ S
 0040004100420043004400450046004700480049004A004B004C004D004E004F
 0050005100520053005400550056005700580059005A005B005C005D005E005F
 0060006100620063006400650066006700680069006A006B006C006D006E006F
-0070007100720073007400750076007700780079007A007B007C007D007E0000
+0070007100720073007400750076007700780079007A007B007C007D007E007F
 0000000000000000000000000000000000000000000000000000000000000000
 0000000000000000000000000000000000000000000000000000000000000000
 0000000000000000000000000000000000000000000000000000000000000000
index 35e0ed3..8956fa4 100644 (file)
@@ -1,6 +1,6 @@
 # Encoding file: cp1047 (EBCDIC), single-byte
 S
-003F 0 1
+006F 0 1
 00
 0000000100020003009C00090086007F0097008D008E000B000C000D000E000F
 0010001100120013009D000A00080087001800190092008F001C001D001E001F
index f4b575e..94d8c33 100644 (file)
@@ -1,6 +1,6 @@
 # Encoding file: cp37 (EBCDIC), single-byte
 S
-003F 0 1
+006F 0 1
 00
 0000000100020003009C00090086007F0097008D008E000B000C000D000E000F
 0010001100120013009D008500080087001800190092008F001C001D001E001F
index d54f5bb..8b533a4 100644 (file)
@@ -1,6 +1,6 @@
 # Encoding file: posix-bc (EBCDIC), single-byte
 S
-003F 0 1
+006F 0 1
 00
 0000000100020003009C00090086007F0097008D008E000B000C000D000E000F
 0010001100120013009D000A00080087001800190092008F001C001D001E001F
index 329937e..fd742cc 100644 (file)
@@ -2,6 +2,7 @@ use ExtUtils::MakeMaker;
 WriteMakefile(
        NAME            => "Encode",
        VERSION_FROM    => 'Encode.pm',
+       OBJECT          => '$(O_FILES)',
        'dist'          => {
                             COMPRESS   => 'gzip -9f',
                             SUFFIX     => 'gz',
@@ -9,3 +10,23 @@ WriteMakefile(
                           },
        MAN3PODS        => {},
 );
+
+package MY;
+
+sub postamble
+{
+ return '
+
+Encode$(OBJ_EXT) : iso8859$(OBJ_EXT) EBCDIC$(OBJ_EXT) Symbols$(OBJ_EXT)
+
+iso8859.c : compile Makefile
+       $(PERL) compile $@ Encode/ascii.enc Encode/iso8859*.enc Encode/cp1250.enc
+
+EBCDIC.c : compile Makefile Encode/cp1047.enc Encode/cp37.enc Encode/posix-bc.enc
+       $(PERL) compile $@ Encode/cp1047.enc Encode/cp37.enc Encode/posix-bc.enc
+
+Symbols.c : compile Makefile Encode/symbol.enc Encode/dingbats.enc
+       $(PERL) compile $@ Encode/symbol.enc Encode/dingbats.enc
+
+'
+}
index e2db8ab..7020b9f 100755 (executable)
@@ -1,5 +1,5 @@
 #!../../perl -w
-@INC = '../../lib';
+BEGIN { @INC = '../../lib' };
 use strict;
 
 sub encode_U
@@ -39,13 +39,44 @@ sub encode_M
 }
 
 my $cname = shift(@ARGV);
+chmod(0666,$cname) if -f $cname && !-w $cname;
 open(C,">$cname") || die "Cannot open $cname:$!";
+my $dname = $cname;
+$dname =~ s/(\.[^\.]*)?$/.def/;
+chmod(0666,$dname) if -f $cname && !-w $dname;
+open(D,">$dname") || die "Cannot open $dname:$!";
+my $hname = $cname;
+$hname =~ s/(\.[^\.]*)?$/.h/;
+chmod(0666,$hname) if -f $cname && !-w $hname;
+open(H,">$hname") || die "Cannot open $hname:$!";
+
+if ($cname =~ /(\w+)\.xs$/)
+ {
+  print C "#include <EXTERN.h>\n";
+  print C "#include <perl.h>\n";
+  print C "#include <XSUB.h>\n";
+  print C "#define U8 U8\n";
+ }
 print C "#include \"encode.h\"\n";
 
 my %encoding;
 my %strings;
 
-foreach my $enc (@ARGV)
+sub cmp_name
+{
+ if ($a =~ /^.*-(\d+)/)
+  {
+   my $an = $1;
+   if ($b =~ /^.*-(\d+)/)
+    {
+     my $r = $an <=> $1;
+     return $r if $r;
+    }
+  }
+ return $a cmp $b;
+}
+
+foreach my $enc (sort cmp_name @ARGV)
  {
   my ($name) = $enc =~ /^.*?([\w-]+)(\.enc)$/;
   if (open(E,$enc))
@@ -58,14 +89,33 @@ foreach my $enc (@ARGV)
    }
  }
 
-print C "encode_t encodings[] = {\n";
-foreach my $enc (sort keys %encoding)
+foreach my $enc (sort cmp_name keys %encoding)
+ {
+  my $sym = "${enc}_encoding";
+  $sym =~ s/\W+/_/g;
+  print C "encode_t $sym = \n";
+  print C " {",join(',',"\"$enc\"",@{$encoding{$enc}}),"};\n";
+ }
+
+foreach my $enc (sort cmp_name keys %encoding)
  {
-  print C " {",join(',',"\"$enc\"",@{$encoding{$enc}}),"},\n";
+  my $sym = "${enc}_encoding";
+  $sym =~ s/\W+/_/g;
+  print H "extern encode_t $sym;\n";
+  print D " Encode_Define(aTHX_ &$sym);\n";
  }
-print C " {0,0,0,0,0}\n};\n";
 
+if ($cname =~ /(\w+)\.xs$/)
+ {
+  my $mod = $1;
+  print C "\nMODULE = Encode::$mod\tPACKAGE = Encode::$mod\n\n";
+  print C "BOOT:\n{\n";
+  print C "#include \"$dname\"\n";
+  print C "}\n";
+ }
 close(C);
+close(D);
+close(H);
 
 
 
@@ -155,21 +205,20 @@ sub outstring
  my $sym = $strings{$s};
  unless ($sym)
   {
-   if (1)
+   foreach my $o (keys %strings)
     {
-     foreach my $o (keys %strings)
+     my $i = index($o,$s);
+     if ($i >= 0)
       {
-       my $i = index($o,$s);
-       if ($i >= 0)
-        {
-         $sym = $strings{$o};
-         $sym .= sprintf("+0x%02x",$i) if ($i);
-         return $sym;
-        }
+       $sym = $strings{$o};
+       $sym .= sprintf("+0x%02x",$i) if ($i);
+       return $sym;
       }
     }
    $strings{$s} = $sym = $name;
    printf $fh "static const U8 %s[%d] =\n",$name,length($s);
+   # Do in chunks of 16 chars to constrain line length
+   # Assumes ANSI C adjacent string litteral concatenation
    while (length($s))
     {
      my $c = substr($s,0,16,'');
@@ -201,7 +250,9 @@ sub output
        ord($b) == ord($a->{$l}[1])+1 &&
        $a->{$l}[3] == $a->{$b}[3] &&
        $a->{$l}[4] == $a->{$b}[4] &&
-       $a->{$l}[5] == $a->{$b}[5] )
+       $a->{$l}[5] == $a->{$b}[5]
+       # && length($a->{$l}[2]) < 16
+      )
     {
      my $i = ord($b)-ord($a->{$l}[0]);
      $a->{$l}[1]  = $b;
@@ -249,7 +300,7 @@ sub output
      print  $fh "0";
     }
    print  $fh ",",$t->{Cname};
-   printf $fh ",0x%02x,0x%02x,$end},\n",$sc,$ec;
+   printf $fh ",0x%02x,0x%02x,$l,$end},\n",$sc,$ec;
   }
  print $fh "};\n\n";
 }
index a73be73..f317250 100644 (file)
@@ -91,44 +91,70 @@ we add a flag to re-add the removed byte to the source we could handle
 #define U8 U8
 #include "encode.h"
 
-STRLEN
-translate(encpage_t *enc, const U8 *src, STRLEN slen, U8 *dst, STRLEN dlen)
+int
+do_encode(encpage_t *enc, const U8 *src, STRLEN *slen, U8 *dst, STRLEN dlen, STRLEN *dout)
 {
- const U8 *send = src+slen;
- U8 *dend = dst+dlen;
- U8 *dptr = dst;
- while (src < send)
+ const U8 *s    = src;
+ const U8 *send = s+*slen;
+ const U8 *last = s;
+ U8 *d          = dst;
+ U8 *dend       = d+dlen;
+ int code       = 0;
+ while (s < send)
   {
    encpage_t *e = enc;
-   U8 byte = *src++;
+   U8 byte = *s;
    while (byte > e->max)
     e++;
-   if (byte >= e->min)
+   if (byte >= e->min && e->slen)
     {
-     STRLEN n = e->dlen;
-     if (n)
+     const U8 *cend = s + e->slen;
+     if (cend <= send)
       {
-       const U8 *out = e->seq+n*(byte - e->min);
-       STRLEN n = *out++;
-       if (dptr+n <= dend)
+       STRLEN n;
+       if ((n = e->dlen))
         {
+         const U8 *out  = e->seq+n*(byte - e->min);
+         U8 *oend = d+n;
          if (dst)
-          Copy(out,dptr,n,U8);
-         dptr += n;
-        }
-       else
-        {
-         /* No room */
+          {
+           if (oend <= dend)
+            {
+             while (d < oend)
+              *d++ = *out++;
+            }
+           else
+            {
+             /* Out of space */
+             code = ENCODE_NOSPACE;
+             break;
+            }
+          }
+         else
+          d = oend;
         }
+       enc = e->next;
+       s++;
+       if (s == cend)
+        last = s;
+      }
+     else
+      {
+       /* partial source character */
+       code = ENCODE_PARTIAL;
+       break;
       }
-     enc = e->next;
     }
    else
     {
      /* Cannot represent */
+     code = ENCODE_NOREP;
+     break;
     }
   }
- return dptr-dst;
+ *slen = last - src;
+ *dout = d - dst;
+ return code;
 }
 
 
index 10f8386..604b97f 100644 (file)
@@ -1,3 +1,5 @@
+#ifndef ENCODE_H
+#define ENCODE_H
 #ifndef U8
 typedef unsigned char U8;
 #endif
@@ -24,3 +26,14 @@ struct encode_s
  int        replen;
 };
 
+#ifdef U8
+extern int do_encode(encpage_t *enc, const U8 *src, STRLEN *slen,
+                     U8 *dst, STRLEN dlen, STRLEN *dout);
+
+extern void Encode_DefineEncoding(encode_t *enc);
+#endif
+
+#define ENCODE_NOSPACE 1
+#define ENCODE_PARTIAL 2
+#define ENCODE_NOREP   3
+#endif