src/iconv_encode_iso_8859_1.c

   1 /* This file is part of the YAZ toolkit.
   2  * Copyright (C) 1995-2008 Index Data
   3  * See the file LICENSE for details.
   4  */
   5 /**
   6  * \file
   7  * \brief ISO-8859-1 encoding / decoding
   8  *
   9  */
  10
  11 #if HAVE_CONFIG_H
  12 #include <config.h>
  13 #endif
  14
  15 #include <assert.h>
  16 #include <errno.h>
  17 #include <string.h>
  18 #include <ctype.h>
  19
  20 #if HAVE_ICONV_H
  21 #include <iconv.h>
  22 #endif
  23
  24 #include <yaz/xmalloc.h>
  25 #include <yaz/nmem.h>
  26 #include "iconv-p.h"
  27
  28 struct encoder_data
  29 {
  30     unsigned long compose_char;
  31 };
  32
  33
  34
  35 static struct {
  36     unsigned long x1, x2;
  37     unsigned y;
  38 } latin1_comb[] = {
  39     { 'A', 0x0300, 0xc0}, /* LATIN CAPITAL LETTER A WITH GRAVE */
  40     { 'A', 0x0301, 0xc1}, /* LATIN CAPITAL LETTER A WITH ACUTE */
  41     { 'A', 0x0302, 0xc2}, /* LATIN CAPITAL LETTER A WITH CIRCUMFLEX */
  42     { 'A', 0x0303, 0xc3}, /* LATIN CAPITAL LETTER A WITH TILDE */
  43     { 'A', 0x0308, 0xc4}, /* LATIN CAPITAL LETTER A WITH DIAERESIS */
  44     { 'A', 0x030a, 0xc5}, /* LATIN CAPITAL LETTER A WITH RING ABOVE */
  45     /* no need for 0xc6      LATIN CAPITAL LETTER AE */
  46     { 'C', 0x0327, 0xc7}, /* LATIN CAPITAL LETTER C WITH CEDILLA */
  47     { 'E', 0x0300, 0xc8}, /* LATIN CAPITAL LETTER E WITH GRAVE */
  48     { 'E', 0x0301, 0xc9}, /* LATIN CAPITAL LETTER E WITH ACUTE */
  49     { 'E', 0x0302, 0xca}, /* LATIN CAPITAL LETTER E WITH CIRCUMFLEX */
  50     { 'E', 0x0308, 0xcb}, /* LATIN CAPITAL LETTER E WITH DIAERESIS */
  51     { 'I', 0x0300, 0xcc}, /* LATIN CAPITAL LETTER I WITH GRAVE */
  52     { 'I', 0x0301, 0xcd}, /* LATIN CAPITAL LETTER I WITH ACUTE */
  53     { 'I', 0x0302, 0xce}, /* LATIN CAPITAL LETTER I WITH CIRCUMFLEX */
  54     { 'I', 0x0308, 0xcf}, /* LATIN CAPITAL LETTER I WITH DIAERESIS */
  55     { 'N', 0x0303, 0xd1}, /* LATIN CAPITAL LETTER N WITH TILDE */
  56     { 'O', 0x0300, 0xd2}, /* LATIN CAPITAL LETTER O WITH GRAVE */
  57     { 'O', 0x0301, 0xd3}, /* LATIN CAPITAL LETTER O WITH ACUTE */
  58     { 'O', 0x0302, 0xd4}, /* LATIN CAPITAL LETTER O WITH CIRCUMFLEX */
  59     { 'O', 0x0303, 0xd5}, /* LATIN CAPITAL LETTER O WITH TILDE */
  60     { 'O', 0x0308, 0xd6}, /* LATIN CAPITAL LETTER O WITH DIAERESIS */
  61     /* omitted:    0xd7      MULTIPLICATION SIGN */
  62     /* omitted:    0xd8      LATIN CAPITAL LETTER O WITH STROKE */
  63     { 'U', 0x0300, 0xd9}, /* LATIN CAPITAL LETTER U WITH GRAVE */
  64     { 'U', 0x0301, 0xda}, /* LATIN CAPITAL LETTER U WITH ACUTE */
  65     { 'U', 0x0302, 0xdb}, /* LATIN CAPITAL LETTER U WITH CIRCUMFLEX */
  66     { 'U', 0x0308, 0xdc}, /* LATIN CAPITAL LETTER U WITH DIAERESIS */
  67     { 'Y', 0x0301, 0xdd}, /* LATIN CAPITAL LETTER Y WITH ACUTE */
  68     /* omitted:    0xde      LATIN CAPITAL LETTER THORN */
  69     /* omitted:    0xdf      LATIN SMALL LETTER SHARP S */
  70     { 'a', 0x0300, 0xe0}, /* LATIN SMALL LETTER A WITH GRAVE */
  71     { 'a', 0x0301, 0xe1}, /* LATIN SMALL LETTER A WITH ACUTE */
  72     { 'a', 0x0302, 0xe2}, /* LATIN SMALL LETTER A WITH CIRCUMFLEX */
  73     { 'a', 0x0303, 0xe3}, /* LATIN SMALL LETTER A WITH TILDE */
  74     { 'a', 0x0308, 0xe4}, /* LATIN SMALL LETTER A WITH DIAERESIS */
  75     { 'a', 0x030a, 0xe5}, /* LATIN SMALL LETTER A WITH RING ABOVE */
  76     /* omitted:    0xe6      LATIN SMALL LETTER AE */
  77     { 'c', 0x0327, 0xe7}, /* LATIN SMALL LETTER C WITH CEDILLA */
  78     { 'e', 0x0300, 0xe8}, /* LATIN SMALL LETTER E WITH GRAVE */
  79     { 'e', 0x0301, 0xe9}, /* LATIN SMALL LETTER E WITH ACUTE */
  80     { 'e', 0x0302, 0xea}, /* LATIN SMALL LETTER E WITH CIRCUMFLEX */
  81     { 'e', 0x0308, 0xeb}, /* LATIN SMALL LETTER E WITH DIAERESIS */
  82     { 'i', 0x0300, 0xec}, /* LATIN SMALL LETTER I WITH GRAVE */
  83     { 'i', 0x0301, 0xed}, /* LATIN SMALL LETTER I WITH ACUTE */
  84     { 'i', 0x0302, 0xee}, /* LATIN SMALL LETTER I WITH CIRCUMFLEX */
  85     { 'i', 0x0308, 0xef}, /* LATIN SMALL LETTER I WITH DIAERESIS */
  86     /* omitted:    0xf0      LATIN SMALL LETTER ETH */
  87     { 'n', 0x0303, 0xf1}, /* LATIN SMALL LETTER N WITH TILDE */
  88     { 'o', 0x0300, 0xf2}, /* LATIN SMALL LETTER O WITH GRAVE */
  89     { 'o', 0x0301, 0xf3}, /* LATIN SMALL LETTER O WITH ACUTE */
  90     { 'o', 0x0302, 0xf4}, /* LATIN SMALL LETTER O WITH CIRCUMFLEX */
  91     { 'o', 0x0303, 0xf5}, /* LATIN SMALL LETTER O WITH TILDE */
  92     { 'o', 0x0308, 0xf6}, /* LATIN SMALL LETTER O WITH DIAERESIS */
  93     /* omitted:    0xf7      DIVISION SIGN */
  94     /* omitted:    0xf8      LATIN SMALL LETTER O WITH STROKE */
  95     { 'u', 0x0300, 0xf9}, /* LATIN SMALL LETTER U WITH GRAVE */
  96     { 'u', 0x0301, 0xfa}, /* LATIN SMALL LETTER U WITH ACUTE */
  97     { 'u', 0x0302, 0xfb}, /* LATIN SMALL LETTER U WITH CIRCUMFLEX */
  98     { 'u', 0x0308, 0xfc}, /* LATIN SMALL LETTER U WITH DIAERESIS */
  99     { 'y', 0x0301, 0xfd}, /* LATIN SMALL LETTER Y WITH ACUTE */
 100     /* omitted:    0xfe      LATIN SMALL LETTER THORN */
 101     { 'y', 0x0308, 0xff}, /* LATIN SMALL LETTER Y WITH DIAERESIS */
 102
 103     { 0, 0, 0}
 104 };
 105
 106 int yaz_iso_8859_1_lookup_y(unsigned long v,
 107                             unsigned long *x1, unsigned long *x2)
 108 {
 109     if (v >= 0xc0 && v <= 0xff) /* optimization. min and max .y values */
 110     {
 111         int i;
 112         for (i = 0; latin1_comb[i].x1; i++)
 113         {
 114             if (v == latin1_comb[i].y)
 115             {
 116                 *x1 = latin1_comb[i].x1;
 117                 *x2 = latin1_comb[i].x2;
 118                 return 1;
 119             }
 120         }
 121     }
 122     return 0;
 123 }
 124
 125 int yaz_iso_8859_1_lookup_x12(unsigned long x1, unsigned long x2,
 126                               unsigned long *y)
 127 {
 128     /* For MARC8s we try to get a Latin-1 page code out of it */
 129     int i;
 130     for (i = 0; latin1_comb[i].x1; i++)
 131         if (x2 == latin1_comb[i].x2 && x1 == latin1_comb[i].x1)
 132         {
 133             *y = latin1_comb[i].y;
 134             return 1;
 135         }
 136     return 0;
 137 }
 138
 139 static size_t write_iso_8859_1(yaz_iconv_t cd, yaz_iconv_encoder_t e,
 140                                unsigned long x,
 141                                char **outbuf, size_t *outbytesleft)
 142 {
 143     struct encoder_data *w = e->data;
 144     /* list of two char unicode sequence that, when combined, are
 145        equivalent to single unicode chars that can be represented in
 146        ISO-8859-1/Latin-1.
 147        Regular iconv on Linux at least does not seem to convert these,
 148        but since MARC-8 to UTF-8 generates these composed sequence
 149        we get a better chance of a successful MARC-8 -> ISO-8859-1
 150        conversion */
 151     unsigned char *outp = (unsigned char *) *outbuf;
 152
 153     if (w->compose_char)
 154     {
 155         int i;
 156         for (i = 0; latin1_comb[i].x1; i++)
 157             if (w->compose_char == latin1_comb[i].x1 && x == latin1_comb[i].x2)
 158             {
 159                 x = latin1_comb[i].y;
 160                 break;
 161             }
 162         if (*outbytesleft < 1)
 163         {  /* no room. Retain compose_char and bail out */
 164             yaz_iconv_set_errno(cd, YAZ_ICONV_E2BIG);
 165             return (size_t)(-1);
 166         }
 167         if (!latin1_comb[i].x1)
 168         {   /* not found. Just write compose_char */
 169             *outp++ = (unsigned char) w->compose_char;
 170             (*outbytesleft)--;
 171             *outbuf = (char *) outp;
 172         }
 173         /* compose_char used so reset it. x now holds current char */
 174         w->compose_char = 0;
 175     }
 176
 177     if (x > 32 && x < 127 && w->compose_char == 0)
 178     {
 179         w->compose_char = x;
 180         return 0;
 181     }
 182     else if (x > 255 || x < 1)
 183     {
 184         yaz_iconv_set_errno(cd, YAZ_ICONV_EILSEQ);
 185         return (size_t) -1;
 186     }
 187     else if (*outbytesleft < 1)
 188     {
 189         yaz_iconv_set_errno(cd, YAZ_ICONV_E2BIG);
 190         return (size_t)(-1);
 191     }
 192     *outp++ = (unsigned char) x;
 193     (*outbytesleft)--;
 194     *outbuf = (char *) outp;
 195     return 0;
 196 }
 197
 198 static size_t flush_iso_8859_1(yaz_iconv_t cd, yaz_iconv_encoder_t e,
 199                                char **outbuf, size_t *outbytesleft)
 200 {
 201     struct encoder_data *w = e->data;
 202     if (w->compose_char)
 203     {
 204         unsigned char *outp = (unsigned char *) *outbuf;
 205         if (*outbytesleft < 1)
 206         {
 207             yaz_iconv_set_errno(cd, YAZ_ICONV_E2BIG);
 208             return (size_t)(-1);
 209         }
 210         *outp++ = (unsigned char) w->compose_char;
 211         (*outbytesleft)--;
 212         *outbuf = (char *) outp;
 213         w->compose_char = 0;
 214     }
 215     return 0;
 216 }
 217
 218
 219 void init_iso_8859_1(yaz_iconv_encoder_t e)
 220 {
 221     struct encoder_data *w = e->data;
 222     w->compose_char = 0;
 223 }
 224
 225 void destroy_iso_8859_1(yaz_iconv_encoder_t e)
 226 {
 227     xfree(e->data);
 228 }
 229
 230 yaz_iconv_encoder_t yaz_iso_8859_1_encoder(const char *tocode,
 231                                            yaz_iconv_encoder_t e)
 232
 233 {
 234     if (!yaz_matchstr(tocode, "iso88591"))
 235     {
 236         struct encoder_data *data = xmalloc(sizeof(*data));
 237         e->data = data;
 238         e->write_handle = write_iso_8859_1;
 239         e->flush_handle = flush_iso_8859_1;
 240         e->init_handle = init_iso_8859_1;
 241         e->destroy_handle = destroy_iso_8859_1;
 242         return e;
 243     }
 244     return 0;
 245 }
 246
 247
 248 /*
 249  * Local variables:
 250  * c-basic-offset: 4
 251  * indent-tabs-mode: nil
 252  * End:
 253  * vim: shiftwidth=4 tabstop=8 expandtab
 254  */