git.oblomov.eu Git - wine/blob - libs/wine/cpmap.pl

   1 #!/usr/bin/perl -w
   2 #
   3 # Generate code page .c files from ftp.unicode.org descriptions
   4 #
   5 # Copyright 2000 Alexandre Julliard
   6 #
   7 # This library is free software; you can redistribute it and/or
   8 # modify it under the terms of the GNU Lesser General Public
   9 # License as published by the Free Software Foundation; either
  10 # version 2.1 of the License, or (at your option) any later version.
  11 #
  12 # This library is distributed in the hope that it will be useful,
  13 # but WITHOUT ANY WARRANTY; without even the implied warranty of
  14 # MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  15 # Lesser General Public License for more details.
  16 #
  17 # You should have received a copy of the GNU Lesser General Public
  18 # License along with this library; if not, write to the Free Software
  19 # Foundation, Inc., 51 Franklin St, Fifth Floor, Boston, MA 02110-1301, USA
  20 #
  21
  22 use strict;
  23
  24 # base URLs for www.unicode.org files
  25 my $MAPPINGS = "http://www.unicode.org/Public/MAPPINGS";
  26 my $UNIDATA = "http://www.unicode.org/Public/5.2.0/ucd";
  27
  28 # Sort keys file
  29 my $SORTKEYS = "http://www.unicode.org/reports/tr10/allkeys.txt";
  30
  31 # Defaults mapping
  32 my $DEFAULTS = "./defaults";
  33
  34 # Default char for undefined mappings
  35 my $DEF_CHAR = ord '?';
  36
  37 my @allfiles =
  38 (
  39     [ 37,    "VENDORS/MICSFT/EBCDIC/CP037.TXT",   0, "IBM EBCDIC US Canada" ],
  40     [ 424,   "VENDORS/MISC/CP424.TXT",            0, "IBM EBCDIC Hebrew" ],
  41     [ 437,   "VENDORS/MICSFT/PC/CP437.TXT",       1, "OEM United States" ],
  42     [ 500,   "VENDORS/MICSFT/EBCDIC/CP500.TXT",   0, "IBM EBCDIC International" ],
  43     [ 737,   "VENDORS/MICSFT/PC/CP737.TXT",       1, "OEM Greek 437G" ],
  44     [ 775,   "VENDORS/MICSFT/PC/CP775.TXT",       1, "OEM Baltic" ],
  45     [ 850,   "VENDORS/MICSFT/PC/CP850.TXT",       1, "OEM Multilingual Latin 1" ],
  46     [ 852,   "VENDORS/MICSFT/PC/CP852.TXT",       1, "OEM Slovak Latin 2" ],
  47     [ 855,   "VENDORS/MICSFT/PC/CP855.TXT",       1, "OEM Cyrillic" ],
  48     [ 856,   "VENDORS/MISC/CP856.TXT",            0, "Hebrew PC" ],
  49     [ 857,   "VENDORS/MICSFT/PC/CP857.TXT",       1, "OEM Turkish" ],
  50     [ 860,   "VENDORS/MICSFT/PC/CP860.TXT",       1, "OEM Portuguese" ],
  51     [ 861,   "VENDORS/MICSFT/PC/CP861.TXT",       1, "OEM Icelandic" ],
  52     [ 862,   "VENDORS/MICSFT/PC/CP862.TXT",       1, "OEM Hebrew" ],
  53     [ 863,   "VENDORS/MICSFT/PC/CP863.TXT",       1, "OEM Canadian French" ],
  54     [ 864,   "VENDORS/MICSFT/PC/CP864.TXT",       0, "OEM Arabic" ],
  55     [ 865,   "VENDORS/MICSFT/PC/CP865.TXT",       1, "OEM Nordic" ],
  56     [ 866,   "VENDORS/MICSFT/PC/CP866.TXT",       1, "OEM Russian" ],
  57     [ 869,   "VENDORS/MICSFT/PC/CP869.TXT",       1, "OEM Greek" ],
  58     [ 874,   "VENDORS/MICSFT/WindowsBestFit/bestfit874.txt",  1, "ANSI/OEM Thai" ],
  59     [ 875,   "VENDORS/MICSFT/EBCDIC/CP875.TXT",               0, "IBM EBCDIC Greek" ],
  60     [ 878,   "VENDORS/MISC/KOI8-R.TXT",                       0, "Russian KOI8" ],
  61     [ 932,   "VENDORS/MICSFT/WindowsBestFit/bestfit932.txt",  0, "ANSI/OEM Japanese Shift-JIS" ],
  62     [ 936,   "VENDORS/MICSFT/WindowsBestFit/bestfit936.txt",  0, "ANSI/OEM Simplified Chinese GBK" ],
  63     [ 949,   "VENDORS/MICSFT/WindowsBestFit/bestfit949.txt",  0, "ANSI/OEM Korean Unified Hangul" ],
  64     [ 950,   "VENDORS/MICSFT/WindowsBestFit/bestfit950.txt",  0, "ANSI/OEM Traditional Chinese Big5" ],
  65     [ 1006,  "VENDORS/MISC/CP1006.TXT",                       0, "IBM Arabic" ],
  66     [ 1026,  "VENDORS/MICSFT/EBCDIC/CP1026.TXT",              0, "IBM EBCDIC Latin 5 Turkish" ],
  67     [ 1250,  "VENDORS/MICSFT/WindowsBestFit/bestfit1250.txt", 0, "ANSI Eastern Europe" ],
  68     [ 1251,  "VENDORS/MICSFT/WindowsBestFit/bestfit1251.txt", 0, "ANSI Cyrillic" ],
  69     [ 1252,  "VENDORS/MICSFT/WindowsBestFit/bestfit1252.txt", 0, "ANSI Latin 1" ],
  70     [ 1253,  "VENDORS/MICSFT/WindowsBestFit/bestfit1253.txt", 0, "ANSI Greek" ],
  71     [ 1254,  "VENDORS/MICSFT/WindowsBestFit/bestfit1254.txt", 0, "ANSI Turkish" ],
  72     [ 1255,  "VENDORS/MICSFT/WindowsBestFit/bestfit1255.txt", 0, "ANSI Hebrew" ],
  73     [ 1256,  "VENDORS/MICSFT/WindowsBestFit/bestfit1256.txt", 0, "ANSI Arabic" ],
  74     [ 1257,  "VENDORS/MICSFT/WindowsBestFit/bestfit1257.txt", 0, "ANSI Baltic" ],
  75     [ 1258,  "VENDORS/MICSFT/WindowsBestFit/bestfit1258.txt", 0, "ANSI/OEM Viet Nam" ],
  76     [ 1361,  "OBSOLETE/EASTASIA/KSC/JOHAB.TXT",   0, "Korean Johab" ],
  77     [ 10000, "VENDORS/MICSFT/MAC/ROMAN.TXT",      0, "Mac Roman" ],
  78     [ 10006, "VENDORS/MICSFT/MAC/GREEK.TXT",      0, "Mac Greek" ],
  79     [ 10007, "VENDORS/MICSFT/MAC/CYRILLIC.TXT",   0, "Mac Cyrillic" ],
  80     [ 10029, "VENDORS/MICSFT/MAC/LATIN2.TXT",     0, "Mac Latin 2" ],
  81     [ 10079, "VENDORS/MICSFT/MAC/ICELAND.TXT",    0, "Mac Icelandic" ],
  82     [ 10081, "VENDORS/MICSFT/MAC/TURKISH.TXT",    0, "Mac Turkish" ],
  83     [ 20127, undef,                               0, "US-ASCII (7bit)" ],
  84     [ 20866, "VENDORS/MISC/KOI8-R.TXT",           0, "Russian KOI8" ],
  85     [ 20932, "OBSOLETE/EASTASIA/JIS/JIS0208.TXT", 0, "EUC-JP" ],
  86     [ 21866, "VENDORS/MISC/KOI8-U.TXT",           0, "Ukrainian KOI8" ],
  87     [ 28591, "ISO8859/8859-1.TXT",                0, "ISO 8859-1 Latin 1" ],
  88     [ 28592, "ISO8859/8859-2.TXT",                0, "ISO 8859-2 Latin 2 (East European)" ],
  89     [ 28593, "ISO8859/8859-3.TXT",                0, "ISO 8859-3 Latin 3 (South European)" ],
  90     [ 28594, "ISO8859/8859-4.TXT",                0, "ISO 8859-4 Latin 4 (Baltic old)" ],
  91     [ 28595, "ISO8859/8859-5.TXT",                0, "ISO 8859-5 Cyrillic" ],
  92     [ 28596, "ISO8859/8859-6.TXT",                0, "ISO 8859-6 Arabic" ],
  93     [ 28597, "ISO8859/8859-7.TXT",                0, "ISO 8859-7 Greek" ],
  94     [ 28598, "ISO8859/8859-8.TXT",                0, "ISO 8859-8 Hebrew" ],
  95     [ 28599, "ISO8859/8859-9.TXT",                0, "ISO 8859-9 Latin 5 (Turkish)" ],
  96     [ 28600, "ISO8859/8859-10.TXT",               0, "ISO 8859-10 Latin 6 (Nordic)" ],
  97     [ 28603, "ISO8859/8859-13.TXT",               0, "ISO 8859-13 Latin 7 (Baltic)" ],
  98     [ 28604, "ISO8859/8859-14.TXT",               0, "ISO 8859-14 Latin 8 (Celtic)" ],
  99     [ 28605, "ISO8859/8859-15.TXT",               0, "ISO 8859-15 Latin 9 (Euro)" ],
 100     [ 28606, "ISO8859/8859-16.TXT",               0, "ISO 8859-16 Latin 10 (Balkan)" ]
 101 );
 102
 103
 104 my %ctype =
 105 (
 106     "upper"  => 0x0001,
 107     "lower"  => 0x0002,
 108     "digit"  => 0x0004,
 109     "space"  => 0x0008,
 110     "punct"  => 0x0010,
 111     "cntrl"  => 0x0020,
 112     "blank"  => 0x0040,
 113     "xdigit" => 0x0080,
 114     "alpha"  => 0x0100
 115 );
 116
 117 my %categories =
 118 (
 119     "Lu" => $ctype{"alpha"}|$ctype{"upper"}, # Letter, Uppercase
 120     "Ll" => $ctype{"alpha"}|$ctype{"lower"}, # Letter, Lowercase
 121     "Lt" => $ctype{"alpha"},    # Letter, Titlecase
 122     "Mn" => $ctype{"punct"},    # Mark, Non-Spacing
 123     "Mc" => $ctype{"punct"},    # Mark, Spacing Combining
 124     "Me" => $ctype{"punct"},    # Mark, Enclosing
 125     "Nd" => $ctype{"digit"},    # Number, Decimal Digit
 126     "Nl" => $ctype{"punct"},    # Number, Letter
 127     "No" => $ctype{"punct"},    # Number, Other
 128     "Zs" => $ctype{"space"},    # Separator, Space
 129     "Zl" => $ctype{"space"},    # Separator, Line
 130     "Zp" => $ctype{"space"},    # Separator, Paragraph
 131     "Cc" => $ctype{"cntrl"},    # Other, Control
 132     "Cf" => 0,                  # Other, Format
 133     "Cs" => 0,                  # Other, Surrogate
 134     "Co" => 0,                  # Other, Private Use
 135     "Cn" => 0,                  # Other, Not Assigned
 136     "Lm" => $ctype{"punct"},    # Letter, Modifier
 137     "Lo" => $ctype{"alpha"},    # Letter, Other
 138     "Pc" => $ctype{"punct"},    # Punctuation, Connector
 139     "Pd" => $ctype{"punct"},    # Punctuation, Dash
 140     "Ps" => $ctype{"punct"},    # Punctuation, Open
 141     "Pe" => $ctype{"punct"},    # Punctuation, Close
 142     "Pi" => $ctype{"punct"},    # Punctuation, Initial quote
 143     "Pf" => $ctype{"punct"},    # Punctuation, Final quote
 144     "Po" => $ctype{"punct"},    # Punctuation, Other
 145     "Sm" => $ctype{"punct"},    # Symbol, Math
 146     "Sc" => $ctype{"punct"},    # Symbol, Currency
 147     "Sk" => $ctype{"punct"},    # Symbol, Modifier
 148     "So" => $ctype{"punct"}     # Symbol, Other
 149 );
 150
 151 # a few characters need additional categories that cannot be determined automatically
 152 my %special_categories =
 153 (
 154     "xdigit" => [ ord('0')..ord('9'),ord('A')..ord('F'),ord('a')..ord('f'),
 155                   0xff10..0xff19, 0xff21..0xff26, 0xff41..0xff46 ],
 156     "space"  => [ 0x09..0x0d, 0x85 ],
 157     "blank"  => [ 0x09, 0x20, 0xa0, 0x3000, 0xfeff ],
 158     "cntrl"  => [ 0x070f, 0x180b, 0x180c, 0x180d, 0x180e, 0x200c, 0x200d,
 159                   0x200e, 0x200f, 0x202a, 0x202b, 0x202c, 0x202d, 0x202e,
 160                   0x206a, 0x206b, 0x206c, 0x206d, 0x206e, 0x206f, 0xfeff,
 161                   0xfff9, 0xfffa, 0xfffb ]
 162 );
 163
 164 my %directions =
 165 (
 166     "L"   => 1,    # Left-to-Right
 167     "LRE" => 15,   # Left-to-Right Embedding
 168     "LRO" => 15,   # Left-to-Right Override
 169     "R"   => 2,    # Right-to-Left
 170     "AL"  => 12,   # Right-to-Left Arabic
 171     "RLE" => 15,   # Right-to-Left Embedding
 172     "RLO" => 15,   # Right-to-Left Override
 173     "PDF" => 15,   # Pop Directional Format
 174     "EN"  => 3,    # European Number
 175     "ES"  => 4,    # European Number Separator
 176     "ET"  => 5,    # European Number Terminator
 177     "AN"  => 6,    # Arabic Number
 178     "CS"  => 7,    # Common Number Separator
 179     "NSM" => 13,   # Non-Spacing Mark
 180     "BN"  => 14,   # Boundary Neutral
 181     "B"   => 8,    # Paragraph Separator
 182     "S"   => 9,    # Segment Separator
 183     "WS"  => 10,   # Whitespace
 184     "ON"  => 11    # Other Neutrals
 185 );
 186
 187 my %joining_types =
 188 (
 189    "U" => 0,    # Non_Joining
 190    "T" => 1,    # Transparent
 191    "R" => 2,    # Right_Joining
 192    "L" => 3,    # Left_Joining
 193    "D" => 4,    # Dual_Joining
 194    "C" => 5,    # Join_Causing
 195 );
 196
 197 my @cp2uni = ();
 198 my @lead_bytes = ();
 199 my @uni2cp = ();
 200 my @unicode_defaults = ();
 201 my @unicode_aliases = ();
 202 my @tolower_table = ();
 203 my @toupper_table = ();
 204 my @digitmap_table = ();
 205 my @compatmap_table = ();
 206 my @category_table = (0) x 65536;
 207 my @joining_table = (0) x 65536;
 208 my @direction_table = ();
 209 my @decomp_table = ();
 210 my @compose_table = ();
 211
 212 my %joining_forms =
 213 (
 214    "isolated" => [],
 215    "final" => [],
 216    "initial" => [],
 217    "medial" => []
 218 );
 219
 220 ################################################################
 221 # fetch a unicode.org file and open it
 222 sub open_data_file($)
 223 {
 224     my $url = shift;
 225     (my $name = $url) =~ s/^.*\///;
 226     local *FILE;
 227     unless (-f "data/$name")
 228     {
 229         print "Fetching $url...\n";
 230         mkdir "data";
 231         !system "wget", "-q", "-O", "data/$name", $url or die "cannot fetch $url";
 232     }
 233     open FILE, "<data/$name" or die "cannot open data/$name";
 234     return *FILE;
 235 }
 236
 237 ################################################################
 238 # read in the defaults file
 239 sub READ_DEFAULTS($)
 240 {
 241     my $filename = shift;
 242     my $start;
 243
 244     # first setup a few default mappings
 245
 246     open DEFAULTS, "$filename" or die "Cannot open $filename";
 247     print "Loading $filename\n";
 248     while (<DEFAULTS>)
 249     {
 250         next if /^\#/;  # skip comments
 251         next if /^$/;  # skip empty lines
 252         if (/^(([0-9a-fA-F]+)(,[0-9a-fA-F]+)*)\s+([0-9a-fA-F]+|'.'|none)\s+(\#.*)?/)
 253         {
 254             my @src = map hex, split /,/,$1;
 255             my $dst = $4;
 256             my $comment = $5;
 257             if ($#src > 0) { push @unicode_aliases, \@src; }
 258             next if ($dst eq "none");
 259             $dst = ($dst =~ /\'.\'/) ? ord substr($dst,1,1) : hex $dst;
 260             foreach my $src (@src)
 261             {
 262                 die "Duplicate value" if defined($unicode_defaults[$src]);
 263                 $unicode_defaults[$src] = $dst;
 264             }
 265             next;
 266         }
 267         die "Unrecognized line $_\n";
 268     }
 269     close DEFAULTS;
 270
 271     # now build mappings from the decomposition field of the Unicode database
 272
 273     my $UNICODE_DATA = open_data_file "$UNIDATA/UnicodeData.txt";
 274     while (<$UNICODE_DATA>)
 275     {
 276         # Decode the fields ...
 277         my ($code, $name, $cat, $comb, $bidi,
 278             $decomp, $dec, $dig, $num, $mirror,
 279             $oldname, $comment, $upper, $lower, $title) = split /;/;
 280         my $dst;
 281         my $src = hex $code;
 282
 283         die "unknown category $cat" unless defined $categories{$cat};
 284         die "unknown directionality $bidi" unless defined $directions{$bidi};
 285
 286         $category_table[$src] = $categories{$cat};
 287         $direction_table[$src] = $directions{$bidi};
 288         $joining_table[$src] = $joining_types{"T"} if $cat eq "Mn" || $cat eq "Me" || $cat eq "Cf";
 289
 290         if ($lower ne "")
 291         {
 292             $tolower_table[$src] = hex $lower;
 293             $category_table[$src] |= $ctype{"upper"}|$ctype{"alpha"};
 294         }
 295         if ($upper ne "")
 296         {
 297             $toupper_table[$src] = hex $upper;
 298             $category_table[$src] |= $ctype{"lower"}|$ctype{"alpha"};
 299         }
 300         if ($dec ne "")
 301         {
 302             $category_table[$src] |= $ctype{"digit"};
 303         }
 304         if ($dig ne "")
 305         {
 306             $digitmap_table[$src] = ord $dig;
 307         }
 308
 309         # copy the category and direction for everything between First/Last pairs
 310         if ($name =~ /, First>/) { $start = $src; }
 311         if ($name =~ /, Last>/)
 312         {
 313             while ($start < $src)
 314             {
 315                 $category_table[$start] = $category_table[$src];
 316                 $direction_table[$start] = $direction_table[$src];
 317                 $start++;
 318             }
 319         }
 320
 321         next if $decomp eq "";  # no decomposition, skip it
 322
 323         if ($decomp =~ /^<([a-zA-Z]+)>\s+([0-9a-fA-F]+)$/)
 324         {
 325             # decomposition of the form "<foo> 1234" -> use char if type is known
 326             if (($src >= 0xf900 && $src < 0xfb00) || ($src >= 0xfe30 && $src < 0xfffd))
 327             {
 328                 # Single char decomposition in the compatibility range
 329                 $compatmap_table[$src] = hex $2;
 330             }
 331             if ($1 eq "isolated" || $1 eq "final" || $1 eq "initial" || $1 eq "medial")
 332             {
 333                 ${joining_forms{$1}}[hex $2] = $src;
 334                 next;
 335             }
 336             next unless ($1 eq "font" ||
 337                          $1 eq "noBreak" ||
 338                          $1 eq "circle" ||
 339                          $1 eq "super" ||
 340                          $1 eq "sub" ||
 341                          $1 eq "wide" ||
 342                          $1 eq "narrow" ||
 343                          $1 eq "compat" ||
 344                          $1 eq "small");
 345             $dst = hex $2;
 346         }
 347         elsif ($decomp =~ /^<compat>\s+0020\s+([0-9a-fA-F]+)/)
 348         {
 349             # decomposition "<compat> 0020 1234" -> combining accent
 350             $dst = hex $1;
 351         }
 352         elsif ($decomp =~ /^([0-9a-fA-F]+)/)
 353         {
 354             # decomposition contains only char values without prefix -> use first char
 355             $dst = hex $1;
 356             $category_table[$src] |= $category_table[$dst] if defined $category_table[$dst];
 357             # store decomposition if it contains two chars
 358             if ($decomp =~ /^([0-9a-fA-F]+)\s+([0-9a-fA-F]+)$/)
 359             {
 360                 $decomp_table[$src] = [ hex $1, hex $2 ];
 361                 push @compose_table, [ hex $1, hex $2, $src ];
 362             }
 363             elsif ($decomp =~ /^(<[a-z]+>\s)*([0-9a-fA-F]+)$/ &&
 364                    (($src >= 0xf900 && $src < 0xfb00) || ($src >= 0xfe30 && $src < 0xfffd)))
 365             {
 366                 # Single char decomposition in the compatibility range
 367                 $compatmap_table[$src] = hex $2;
 368             }
 369         }
 370         else
 371         {
 372             next;
 373         }
 374
 375         next if defined($unicode_defaults[$src]);  # may have been set in the defaults file
 376
 377         # check for loops
 378         for (my $i = $dst; ; $i = $unicode_defaults[$i])
 379         {
 380             die sprintf("loop detected for %04x -> %04x",$src,$dst) if $i == $src;
 381             last unless defined($unicode_defaults[$i]);
 382         }
 383         $unicode_defaults[$src] = $dst;
 384     }
 385     close $UNICODE_DATA;
 386
 387     # patch the category of some special characters
 388
 389     foreach my $cat (keys %special_categories)
 390     {
 391         my $flag = $ctype{$cat};
 392         foreach my $i (@{$special_categories{$cat}}) { $category_table[$i] |= $flag; }
 393     }
 394 }
 395
 396
 397 ################################################################
 398 # parse the input file
 399 sub READ_FILE($)
 400 {
 401     my $name = shift;
 402     my $INPUT = open_data_file $name;
 403
 404     while (<$INPUT>)
 405     {
 406         next if /^\#/;  # skip comments
 407         next if /^$/;  # skip empty lines
 408         next if /\x1a/;  # skip ^Z
 409         next if (/^0x([0-9a-fA-F]+)\s+\#UNDEFINED/);  # undefined char
 410
 411         if (/^0x([0-9a-fA-F]+)\s+\#DBCS LEAD BYTE/)
 412         {
 413             my $cp = hex $1;
 414             push @lead_bytes,$cp;
 415             $cp2uni[$cp] = 0;
 416             next;
 417         }
 418         if (/^0x([0-9a-fA-F]+)\s+0x([0-9a-fA-F]+)\s+(\#.*)?/)
 419         {
 420             my $cp = hex $1;
 421             my $uni = hex $2;
 422             $cp2uni[$cp] = $uni unless defined($cp2uni[$cp]);
 423             $uni2cp[$uni] = $cp unless defined($uni2cp[$uni]);
 424             if ($cp > 0xff && !defined($cp2uni[$cp >> 8]))
 425             {
 426                 push @lead_bytes,$cp >> 8;
 427                 $cp2uni[$cp >> 8] = 0;
 428             }
 429             next;
 430         }
 431         die "$name: Unrecognized line $_\n";
 432     }
 433     close $INPUT;
 434 }
 435
 436
 437 ################################################################
 438 # fill input data for the 20127 (us-ascii) codepage
 439 sub fill_20127_codepage()
 440 {
 441     for (my $i = 0; $i < 128; $i++) { $cp2uni[$i] = $uni2cp[$i] = $i; }
 442     for (my $i = 128; $i < 256; $i++) { $cp2uni[$i] = $i & 0x7f; }
 443 }
 444
 445 ################################################################
 446 # get a mapping including glyph chars for MB_USEGLYPHCHARS
 447
 448 sub get_glyphs_mapping(@)
 449 {
 450     $_[0x01] = 0x263a;  # (WHITE SMILING FACE)
 451     $_[0x02] = 0x263b;  # (BLACK SMILING FACE)
 452     $_[0x03] = 0x2665;  # (BLACK HEART SUIT)
 453     $_[0x04] = 0x2666;  # (BLACK DIAMOND SUIT)
 454     $_[0x05] = 0x2663;  # (BLACK CLUB SUIT)
 455     $_[0x06] = 0x2660;  # (BLACK SPADE SUIT)
 456     $_[0x07] = 0x2022;  # (BULLET)
 457     $_[0x08] = 0x25d8;  # (INVERSE BULLET)
 458     $_[0x09] = 0x25cb;  # (WHITE CIRCLE)
 459     $_[0x0a] = 0x25d9;  # (INVERSE WHITE CIRCLE)
 460     $_[0x0b] = 0x2642;  # (MALE SIGN)
 461     $_[0x0c] = 0x2640;  # (FEMALE SIGN)
 462     $_[0x0d] = 0x266a;  # (EIGHTH NOTE)
 463     $_[0x0e] = 0x266b;  # (BEAMED EIGHTH NOTES)
 464     $_[0x0f] = 0x263c;  # (WHITE SUN WITH RAYS)
 465     $_[0x10] = 0x25ba;  # (BLACK RIGHT-POINTING POINTER)
 466     $_[0x11] = 0x25c4;  # (BLACK LEFT-POINTING POINTER)
 467     $_[0x12] = 0x2195;  # (UP DOWN ARROW)
 468     $_[0x13] = 0x203c;  # (DOUBLE EXCLAMATION MARK)
 469     $_[0x14] = 0x00b6;  # (PILCROW SIGN)
 470     $_[0x15] = 0x00a7;  # (SECTION SIGN)
 471     $_[0x16] = 0x25ac;  # (BLACK RECTANGLE)
 472     $_[0x17] = 0x21a8;  # (UP DOWN ARROW WITH BASE)
 473     $_[0x18] = 0x2191;  # (UPWARDS ARROW)
 474     $_[0x19] = 0x2193;  # (DOWNWARDS ARROW)
 475     $_[0x1a] = 0x2192;  # (RIGHTWARDS ARROW)
 476     $_[0x1b] = 0x2190;  # (LEFTWARDS ARROW)
 477     $_[0x1c] = 0x221f;  # (RIGHT ANGLE)
 478     $_[0x1d] = 0x2194;  # (LEFT RIGHT ARROW)
 479     $_[0x1e] = 0x25b2;  # (BLACK UP-POINTING TRIANGLE)
 480     $_[0x1f] = 0x25bc;  # (BLACK DOWN-POINTING TRIANGLE)
 481     $_[0x7f] = 0x2302;  # (HOUSE)
 482     return @_;
 483 }
 484
 485 ################################################################
 486 # build EUC-JP table from the JIS 0208 file
 487 # FIXME: for proper EUC-JP we should probably read JIS 0212 too
 488 # but this would require 3-byte DBCS characters
 489 sub READ_JIS0208_FILE($)
 490 {
 491     my $name = shift;
 492
 493     # ASCII chars
 494     for (my $i = 0x00; $i <= 0x7f; $i++)
 495     {
 496         $cp2uni[$i] = $i;
 497         $uni2cp[$i] = $i;
 498     }
 499
 500     # JIS X 0201 right plane
 501     for (my $i = 0xa1; $i <= 0xdf; $i++)
 502     {
 503         $cp2uni[0x8e00 + $i] = 0xfec0 + $i;
 504         $uni2cp[0xfec0 + $i] = 0x8e00 + $i;
 505     }
 506
 507     # lead bytes
 508     foreach my $i (0x8e, 0x8f, 0xa1 .. 0xfe)
 509     {
 510         push @lead_bytes,$i;
 511         $cp2uni[$i] = 0;
 512     }
 513
 514     # undefined chars
 515     foreach my $i (0x80 .. 0x8d, 0x90 .. 0xa0, 0xff)
 516     {
 517         $cp2uni[$i] = $DEF_CHAR;
 518     }
 519
 520     # Shift-JIS compatibility
 521     $uni2cp[0x00a5] = 0x5c;
 522     $uni2cp[0x203e] = 0x7e;
 523
 524     # Fix backslash conversion
 525     $cp2uni[0xa1c0] = 0xff3c;
 526     $uni2cp[0xff3c] = 0xa1c0;
 527
 528     my $INPUT = open_data_file $name;
 529     while (<$INPUT>)
 530     {
 531         next if /^\#/;  # skip comments
 532         next if /^$/;  # skip empty lines
 533         next if /\x1a/;  # skip ^Z
 534         if (/^0x[0-9a-fA-F]+\s+0x([0-9a-fA-F]+)\s+0x([0-9a-fA-F]+)\s+(\#.*)?/)
 535         {
 536             my $cp = 0x8080 + hex $1;
 537             my $uni = hex $2;
 538             $cp2uni[$cp] = $uni unless defined($cp2uni[$cp]);
 539             $uni2cp[$uni] = $cp unless defined($uni2cp[$uni]);
 540             next;
 541         }
 542         die "$name: Unrecognized line $_\n";
 543     }
 544     close $INPUT;
 545 }
 546
 547
 548 ################################################################
 549 # build the sort keys table
 550 sub READ_SORTKEYS_FILE()
 551 {
 552     my @sortkeys = ();
 553     for (my $i = 0; $i < 65536; $i++) { $sortkeys[$i] = [ -1, 0, 0, 0, 0 ] };
 554
 555     my $INPUT = open_data_file $SORTKEYS;
 556     while (<$INPUT>)
 557     {
 558         next if /^\#/;  # skip comments
 559         next if /^$/;  # skip empty lines
 560         next if /\x1a/;  # skip ^Z
 561         next if /^\@version/;  # skip @version header
 562         if (/^([0-9a-fA-F]+)\s+;\s+\[([*.])([0-9a-fA-F]{4})\.([0-9a-fA-F]{4})\.([0-9a-fA-F]{4})\.([0-9a-fA-F]+)\]/)
 563         {
 564             my ($uni,$variable) = (hex $1, $2);
 565             next if $uni > 65535;
 566             $sortkeys[$uni] = [ $uni, hex $3, hex $4, hex $5, hex $6 ];
 567             next;
 568         }
 569         if (/^([0-9a-fA-F]+\s+)+;\s+\[[*.]([0-9a-fA-F]{4})\.([0-9a-fA-F]{4})\.([0-9a-fA-F]{4})\.([0-9a-fA-F]+)\]/)
 570         {
 571             # multiple character sequence, ignored for now
 572             next;
 573         }
 574         die "$SORTKEYS: Unrecognized line $_\n";
 575     }
 576     close $INPUT;
 577
 578     # compress the keys to 32 bit:
 579     # key 1 to 16 bits, key 2 to 8 bits, key 3 to 4 bits, key 4 to 1 bit
 580
 581     @sortkeys = sort { ${$a}[1] <=> ${$b}[1] or
 582                        ${$a}[2] <=> ${$b}[2] or
 583                        ${$a}[3] <=> ${$b}[3] or
 584                        ${$a}[4] <=> ${$b}[4] or
 585                        $a cmp $b; } @sortkeys;
 586
 587     my ($n2, $n3) = (1, 1);
 588     my @keys = (-1, -1, -1, -1, -1 );
 589     my @flatkeys = ();
 590
 591     for (my $i = 0; $i < 65536; $i++)
 592     {
 593         my @current = @{$sortkeys[$i]};
 594         next if $current[0] == -1;
 595         if ($current[1] == $keys[1])
 596         {
 597             if ($current[2] == $keys[2])
 598             {
 599                 if ($current[3] == $keys[3])
 600                 {
 601                     # nothing
 602                 }
 603                 else
 604                 {
 605                     $keys[3] = $current[3];
 606                     $n3++;
 607                     die if ($n3 >= 16);
 608                 }
 609             }
 610             else
 611             {
 612                 $keys[2] = $current[2];
 613                 $keys[3] = $current[3];
 614                 $n2++;
 615                 $n3 = 1;
 616                 die if ($n2 >= 256);
 617             }
 618         }
 619         else
 620         {
 621             $keys[1] = $current[1];
 622             $keys[2] = $current[2];
 623             $keys[3] = $current[3];
 624             $n2 = 1;
 625             $n3 = 1;
 626         }
 627
 628         if ($current[2]) { $current[2] = $n2; }
 629         if ($current[3]) { $current[3] = $n3; }
 630         if ($current[4]) { $current[4] = 1; }
 631
 632         $flatkeys[$current[0]] = ($current[1] << 16) | ($current[2] << 8) | ($current[3] << 4) | $current[4];
 633     }
 634     return @flatkeys;
 635 }
 636
 637
 638 ################################################################
 639 # build the sort keys table
 640 sub DUMP_SORTKEYS($@)
 641 {
 642     my ($filename, @keys) = @_;
 643
 644     # count the number of 256-key ranges that contain something
 645
 646     my @offsets = ();
 647     my $ranges = 2;
 648     for (my $i = 0; $i < 256; $i++) { $offsets[$i] = 256; }
 649     for (my $i = 0; $i < 65536; $i++)
 650     {
 651         next unless defined $keys[$i];
 652         $offsets[$i >> 8] = $ranges * 256;
 653         $ranges++;
 654         $i |= 255;
 655     }
 656
 657     # output the range offsets
 658
 659     open OUTPUT,">$filename.new" or die "Cannot create $filename";
 660     printf "Building $filename\n";
 661     printf OUTPUT "/* Unicode collation element table */\n";
 662     printf OUTPUT "/* generated from %s */\n", $SORTKEYS;
 663     printf OUTPUT "/* DO NOT EDIT!! */\n\n";
 664
 665     printf OUTPUT "const unsigned int collation_table[%d] =\n{\n", $ranges*256;
 666     printf OUTPUT "    /* index */\n";
 667     printf OUTPUT "%s,\n", DUMP_ARRAY( "0x%08x", 0, @offsets );
 668
 669     # output the default values
 670
 671     printf OUTPUT "    /* defaults */\n";
 672     printf OUTPUT "%s", DUMP_ARRAY( "0x%08x", 0, (0xffffffff) x 256 );
 673
 674     # output all the key ranges
 675
 676     for (my $i = 0; $i < 256; $i++)
 677     {
 678         next if $offsets[$i] == 256;
 679         printf OUTPUT ",\n    /* 0x%02x00 .. 0x%02xff */\n", $i, $i;
 680         printf OUTPUT "%s", DUMP_ARRAY( "0x%08x", 0xffffffff, @keys[($i<<8) .. ($i<<8)+255] );
 681     }
 682     printf OUTPUT "\n};\n";
 683     close OUTPUT;
 684     save_file($filename);
 685 }
 686
 687
 688 ################################################################
 689 # add default mappings once the file had been read
 690 sub ADD_DEFAULT_MAPPINGS()
 691 {
 692     # Apply aliases
 693
 694     foreach my $alias (@unicode_aliases)
 695     {
 696         my $target = undef;
 697         foreach my $src (@$alias)
 698         {
 699             if (defined($uni2cp[$src]))
 700             {
 701                 $target = $uni2cp[$src];
 702                 last;
 703             }
 704         }
 705         next unless defined($target);
 706
 707         # At least one char of the alias set is defined, set the others to the same value
 708         foreach my $src (@$alias)
 709         {
 710             $uni2cp[$src] = $target unless defined($uni2cp[$src]);
 711         }
 712     }
 713
 714     # For every src -> target mapping in the defaults table,
 715     # make uni2cp[src] = uni2cp[target] if uni2cp[target] is defined
 716
 717     for (my $src = 0; $src < 65536; $src++)
 718     {
 719         next if defined($uni2cp[$src]);  # source has a definition already
 720         next unless defined($unicode_defaults[$src]);  # no default for this char
 721         my $target = $unicode_defaults[$src];
 722
 723         # do a recursive mapping until we find a target char that is defined
 724         while (!defined($uni2cp[$target]) &&
 725                defined($unicode_defaults[$target])) { $target = $unicode_defaults[$target]; }
 726
 727         if (defined($uni2cp[$target])) { $uni2cp[$src] = $uni2cp[$target]; }
 728     }
 729
 730     # Add an identity mapping for all undefined chars
 731
 732     for (my $i = 0; $i < 256; $i++)
 733     {
 734         next if defined($cp2uni[$i]);
 735         next if defined($uni2cp[$i]);
 736         $cp2uni[$i] = $uni2cp[$i] = $i;
 737     }
 738 }
 739
 740 ################################################################
 741 # dump an array of integers
 742 sub DUMP_ARRAY($$@)
 743 {
 744     my ($format,$default,@array) = @_;
 745     my $i;
 746     my $ret = "    ";
 747     for ($i = 0; $i < $#array; $i++)
 748     {
 749         $ret .= sprintf($format, defined $array[$i] ? $array[$i] : $default);
 750         $ret .= (($i % 8) != 7) ? ", " : ",\n    ";
 751     }
 752     $ret .= sprintf($format, defined $array[$i] ? $array[$i] : $default);
 753     return $ret;
 754 }
 755
 756 ################################################################
 757 # dump an SBCS mapping table
 758 sub dump_sbcs_table($$$$$)
 759 {
 760     my ($codepage, $has_glyphs, $name, $def, $defw) = @_;
 761     my $i;
 762
 763     # output the ascii->unicode table
 764
 765     if ($has_glyphs)
 766     {
 767         printf OUTPUT "static const WCHAR cp2uni[512] =\n";
 768         printf OUTPUT "{\n%s", DUMP_ARRAY( "0x%04x", $defw, @cp2uni[0 .. 255] );
 769         printf OUTPUT ",\n    /* glyphs */\n%s\n};\n\n",
 770                       DUMP_ARRAY( "0x%04x", $defw, get_glyphs_mapping(@cp2uni[0 .. 255]) );
 771     }
 772     else
 773     {
 774         printf OUTPUT "static const WCHAR cp2uni[256] =\n";
 775         printf OUTPUT "{\n%s\n};\n\n", DUMP_ARRAY( "0x%04x", $defw, @cp2uni[0 .. 255] );
 776     }
 777
 778     # count the number of unicode->ascii subtables that contain something
 779
 780     my @filled = ();
 781     my $subtables = 1;
 782     for (my $i = 0; $i < 65536; $i++)
 783     {
 784         next unless defined $uni2cp[$i];
 785         $filled[$i >> 8] = 1;
 786         $subtables++;
 787         $i |= 255;
 788     }
 789
 790     # output all the subtables into a single array
 791
 792     printf OUTPUT "static const unsigned char uni2cp_low[%d] =\n{\n", $subtables*256;
 793     for (my $i = 0; $i < 256; $i++)
 794     {
 795         next unless $filled[$i];
 796         printf OUTPUT "    /* 0x%02x00 .. 0x%02xff */\n", $i, $i;
 797         printf OUTPUT "%s,\n", DUMP_ARRAY( "0x%02x", $def, @uni2cp[($i<<8) .. ($i<<8)+255] );
 798     }
 799     printf OUTPUT "    /* defaults */\n";
 800     printf OUTPUT "%s\n};\n\n", DUMP_ARRAY( "0x%02x", 0, ($def) x 256 );
 801
 802     # output a table of the offsets of the subtables in the previous array
 803
 804     my $pos = 0;
 805     my @offsets = ();
 806     for (my $i = 0; $i < 256; $i++)
 807     {
 808         if ($filled[$i]) { push @offsets, $pos; $pos += 256; }
 809         else { push @offsets, ($subtables-1) * 256; }
 810     }
 811     printf OUTPUT "static const unsigned short uni2cp_high[256] =\n";
 812     printf OUTPUT "{\n%s\n};\n\n", DUMP_ARRAY( "0x%04x", 0, @offsets );
 813
 814     # output the code page descriptor
 815
 816     printf OUTPUT "const struct sbcs_table cptable_%03d =\n{\n", $codepage;
 817     printf OUTPUT "    { %d, 1, 0x%04x, 0x%04x, \"%s\" },\n",
 818                   $codepage, $def, $defw, $name;
 819     printf OUTPUT "    cp2uni,\n";
 820     if ($has_glyphs) { printf OUTPUT "    cp2uni + 256,\n"; }
 821     else { printf OUTPUT "    cp2uni,\n"; }
 822     printf OUTPUT "    uni2cp_low,\n";
 823     printf OUTPUT "    uni2cp_high\n};\n";
 824 }
 825
 826
 827 ################################################################
 828 # dump a DBCS mapping table
 829 sub dump_dbcs_table($$$$@)
 830 {
 831     my ($codepage, $name, $def, $defw, @lb_ranges) = @_;
 832
 833     # build a list of lead bytes that are actually used
 834
 835     my @lblist = ();
 836     LBLOOP: for (my $y = 0; $y <= $#lead_bytes; $y++)
 837     {
 838         my $base = $lead_bytes[$y] << 8;
 839         for (my $x = 0; $x < 256; $x++)
 840         {
 841             if (defined $cp2uni[$base+$x])
 842             {
 843                 push @lblist,$lead_bytes[$y];
 844                 next LBLOOP;
 845             }
 846         }
 847     }
 848     my $unused = ($#lead_bytes > $#lblist);
 849
 850     # output the ascii->unicode table for the single byte chars
 851
 852     printf OUTPUT "static const WCHAR cp2uni[%d] =\n", 256 * ($#lblist + 2 + $unused);
 853     printf OUTPUT "{\n%s,\n", DUMP_ARRAY( "0x%04x", $defw, @cp2uni[0 .. 255] );
 854
 855     # output the default table for unused lead bytes
 856
 857     if ($unused)
 858     {
 859         printf OUTPUT "    /* unused lead bytes */\n";
 860         printf OUTPUT "%s,\n", DUMP_ARRAY( "0x%04x", 0, ($defw) x 256 );
 861     }
 862
 863     # output the ascii->unicode table for each DBCS lead byte
 864
 865     for (my $y = 0; $y <= $#lblist; $y++)
 866     {
 867         my $base = $lblist[$y] << 8;
 868         printf OUTPUT "    /* lead byte %02x */\n", $lblist[$y];
 869         printf OUTPUT "%s", DUMP_ARRAY( "0x%04x", $defw, @cp2uni[$base .. $base+255] );
 870         printf OUTPUT ($y < $#lblist) ? ",\n" : "\n};\n\n";
 871     }
 872
 873     # output the lead byte subtables offsets
 874
 875     my @offsets = ();
 876     for (my $x = 0; $x < 256; $x++) { $offsets[$x] = 0; }
 877     for (my $x = 0; $x <= $#lblist; $x++) { $offsets[$lblist[$x]] = $x + 1; }
 878     if ($unused)
 879     {
 880         # increment all lead bytes offset to take into account the unused table
 881         for (my $x = 0; $x <= $#lead_bytes; $x++) { $offsets[$lead_bytes[$x]]++; }
 882     }
 883     printf OUTPUT "static const unsigned char cp2uni_leadbytes[256] =\n";
 884     printf OUTPUT "{\n%s\n};\n\n", DUMP_ARRAY( "0x%02x", 0, @offsets );
 885
 886     # count the number of unicode->ascii subtables that contain something
 887
 888     my @filled = ();
 889     my $subtables = 1;
 890     for (my $i = 0; $i < 65536; $i++)
 891     {
 892         next unless defined $uni2cp[$i];
 893         $filled[$i >> 8] = 1;
 894         $subtables++;
 895         $i |= 255;
 896     }
 897
 898     # output all the subtables into a single array
 899
 900     printf OUTPUT "static const unsigned short uni2cp_low[%d] =\n{\n", $subtables*256;
 901     for (my $y = 0; $y < 256; $y++)
 902     {
 903         next unless $filled[$y];
 904         printf OUTPUT "    /* 0x%02x00 .. 0x%02xff */\n", $y, $y;
 905         printf OUTPUT "%s,\n", DUMP_ARRAY( "0x%04x", $def, @uni2cp[($y<<8) .. ($y<<8)+255] );
 906     }
 907     printf OUTPUT "    /* defaults */\n";
 908     printf OUTPUT "%s\n};\n\n", DUMP_ARRAY( "0x%04x", 0, ($def) x 256 );
 909
 910     # output a table of the offsets of the subtables in the previous array
 911
 912     my $pos = 0;
 913     @offsets = ();
 914     for (my $y = 0; $y < 256; $y++)
 915     {
 916         if ($filled[$y]) { push @offsets, $pos; $pos += 256; }
 917         else { push @offsets, ($subtables-1) * 256; }
 918     }
 919     printf OUTPUT "static const unsigned short uni2cp_high[256] =\n";
 920     printf OUTPUT "{\n%s\n};\n\n", DUMP_ARRAY( "0x%04x", 0, @offsets );
 921
 922     # output the code page descriptor
 923
 924     printf OUTPUT "const struct dbcs_table cptable_%03d =\n{\n", $codepage;
 925     printf OUTPUT "    { %d, 2, 0x%04x, 0x%04x, \"%s\" },\n",
 926                   $codepage, $def, $defw, $name;
 927     printf OUTPUT "    cp2uni,\n";
 928     printf OUTPUT "    cp2uni_leadbytes,\n";
 929     printf OUTPUT "    uni2cp_low,\n";
 930     printf OUTPUT "    uni2cp_high,\n";
 931     printf OUTPUT "    {\n    %s\n    }\n", DUMP_ARRAY( "0x%02x", 0, @lb_ranges, 0, 0 );
 932     printf OUTPUT "};\n";
 933 }
 934
 935
 936 ################################################################
 937 # get the list of defined lead byte ranges
 938 sub get_lb_ranges()
 939 {
 940     my @list = ();
 941     my @ranges = ();
 942     my $i = 0;
 943     foreach $i (@lead_bytes) { $list[$i] = 1; }
 944     my $on = 0;
 945     for (my $i = 0; $i < 256; $i++)
 946     {
 947         if ($on)
 948         {
 949             if (!defined $list[$i]) { push @ranges, $i-1; $on = 0; }
 950         }
 951         else
 952         {
 953             if ($list[$i]) { push @ranges, $i; $on = 1; }
 954         }
 955     }
 956     if ($on) { push @ranges, 0xff; }
 957     return @ranges;
 958 }
 959
 960
 961 ################################################################
 962 # dump the BiDi mirroring table
 963 sub dump_mirroring($)
 964 {
 965     my $filename = shift;
 966     my @mirror_table = ();
 967
 968     my $INPUT = open_data_file "$UNIDATA/BidiMirroring.txt";
 969     while (<$INPUT>)
 970     {
 971         next if /^\#/;  # skip comments
 972         next if /^$/;  # skip empty lines
 973         next if /\x1a/;  # skip ^Z
 974         if (/^\s*([0-9a-fA-F]+)\s*;\s*([0-9a-fA-F]+)/)
 975         {
 976             $mirror_table[hex $1] = hex $2;
 977             next;
 978         }
 979         die "malformed line $_";
 980     }
 981     close $INPUT;
 982
 983     open OUTPUT,">$filename.new" or die "Cannot create $filename";
 984     print "Building $filename\n";
 985     print OUTPUT "/* Unicode BiDi mirroring */\n";
 986     print OUTPUT "/* generated from $UNIDATA/BidiMirroring.txt */\n";
 987     print OUTPUT "/* DO NOT EDIT!! */\n\n";
 988     print OUTPUT "#include \"wine/unicode.h\"\n\n";
 989     DUMP_CASE_TABLE( "wine_mirror_map", @mirror_table );
 990     close OUTPUT;
 991     save_file($filename);
 992 }
 993
 994
 995 ################################################################
 996 # dump the Arabic shaping table
 997 sub dump_shaping($)
 998 {
 999     my $filename = shift;
1000     my %groups;
1001     my $next_group = 0;
1002
1003     $groups{"No_Joining_Group"} = $next_group++;
1004
1005     my $INPUT = open_data_file "$UNIDATA/ArabicShaping.txt";
1006     while (<$INPUT>)
1007     {
1008         next if /^\#/;  # skip comments
1009         next if /^\s*$/;  # skip empty lines
1010         next if /\x1a/;  # skip ^Z
1011         if (/^\s*([0-9a-fA-F]+)\s*;.*;\s*([RLDCUT])\s*;\s*(\w+)/)
1012         {
1013             my $type = $2;
1014             my $group = $3;
1015             $groups{$group} = $next_group++ unless defined $groups{$group};
1016             $joining_table[hex $1] = $joining_types{$type} | ($groups{$group} << 8);
1017             next;
1018         }
1019         die "malformed line $_";
1020     }
1021     close $INPUT;
1022
1023     open OUTPUT,">$filename.new" or die "Cannot create $filename";
1024     print "Building $filename\n";
1025     print OUTPUT "/* Unicode Arabic shaping */\n";
1026     print OUTPUT "/* generated from $UNIDATA/ArabicShaping.txt */\n";
1027     print OUTPUT "/* DO NOT EDIT!! */\n\n";
1028     print OUTPUT "#include \"wine/unicode.h\"\n\n";
1029
1030     dump_simple_mapping( "wine_shaping_table", @joining_table );
1031
1032     print OUTPUT "\nconst unsigned short wine_shaping_forms[256][4] =\n{\n";
1033     for (my $i = 0x600; $i <= 0x6ff; $i++)
1034     {
1035         printf OUTPUT "    { 0x%04x, 0x%04x, 0x%04x, 0x%04x },\n",
1036             ${joining_forms{"isolated"}}[$i] || $i,
1037             ${joining_forms{"final"}}[$i] || $i,
1038             ${joining_forms{"initial"}}[$i] || $i,
1039             ${joining_forms{"medial"}}[$i] || $i;
1040     }
1041     print OUTPUT "};\n";
1042
1043     close OUTPUT;
1044     save_file($filename);
1045 }
1046
1047
1048 ################################################################
1049 # dump the case mapping tables
1050 sub DUMP_CASE_MAPPINGS($)
1051 {
1052     my $filename = shift;
1053     open OUTPUT,">$filename.new" or die "Cannot create $filename";
1054     printf "Building $filename\n";
1055     printf OUTPUT "/* Unicode case mappings */\n";
1056     printf OUTPUT "/* Automatically generated; DO NOT EDIT!! */\n\n";
1057     printf OUTPUT "#include \"wine/unicode.h\"\n\n";
1058
1059     DUMP_CASE_TABLE( "wine_casemap_lower", @tolower_table );
1060     DUMP_CASE_TABLE( "wine_casemap_upper", @toupper_table );
1061     DUMP_CASE_TABLE( "wine_digitmap",  @digitmap_table );
1062     DUMP_CASE_TABLE( "wine_compatmap", @compatmap_table );
1063     close OUTPUT;
1064     save_file($filename);
1065 }
1066
1067
1068 ################################################################
1069 # dump a case mapping table
1070 sub DUMP_CASE_TABLE($@)
1071 {
1072     my ($name,@table) = @_;
1073
1074     # count the number of sub tables that contain something
1075     # also compute the low and upper populated bounds
1076
1077     my @lowerbounds = ( 0, 0 );
1078     my @upperbounds = ( 0, 255 );
1079     my $index = 0;
1080     my @filled = ();
1081     for (my $i = 0; $i < 65536; $i++)
1082     {
1083         next unless defined $table[$i];
1084         if (!defined $filled[$i >> 8])
1085         {
1086           $lowerbounds[$index] = $i & 0xff;
1087           $upperbounds[$index] = 0xff - $lowerbounds[$index];
1088           $filled[$i >> 8] = $index * 256 + 512;
1089           $index++;
1090         }
1091         else
1092         {
1093           $upperbounds[$index-1] = 0xff - ($i & 0xff);
1094         }
1095         $table[$i] = ($table[$i] - $i) & 0xffff;
1096     }
1097
1098     # Collapse blocks upwards if possible
1099     my $removed = 0;
1100     $index = 0;
1101     for (my $i = 0; $i < 256; $i++)
1102     {
1103         next unless defined $filled[$i];
1104         if ($upperbounds[$index - 1] > $lowerbounds[$index])
1105         {
1106            $removed = $removed + $lowerbounds[$index];
1107         }
1108         else
1109         {
1110            $removed = $removed + $upperbounds[$index - 1];
1111            $lowerbounds[$index] = $upperbounds[$index - 1];
1112         }
1113         $filled[$i] = $filled[$i] - $removed;
1114         $index++;
1115     }
1116
1117     # dump the table
1118
1119     printf OUTPUT "const WCHAR %s[%d] =\n", $name, $index * 256 + 512 - $removed;
1120     printf OUTPUT "{\n    /* index */\n";
1121     printf OUTPUT "%s,\n", DUMP_ARRAY( "0x%04x", 256, @filled );
1122     printf OUTPUT "    /* defaults */\n";
1123     printf OUTPUT "%s", DUMP_ARRAY( "0x%04x", 0, (0) x 256 );
1124     $index = 0;
1125     for (my $i = 0; $i < 256; $i++)
1126     {
1127         next unless $filled[$i];
1128         printf OUTPUT ",\n    /* 0x%02x%02x .. 0x%02xff */\n", $i, $lowerbounds[$index], $i;
1129         printf OUTPUT "%s", DUMP_ARRAY( "0x%04x", 0,
1130                       @table[($i<<8) + $lowerbounds[$index] .. ($i<<8)+255] );
1131         $index++;
1132     }
1133     printf OUTPUT "\n};\n";
1134 }
1135
1136 ################################################################
1137 # dump a simple char -> 16-bit value mapping table
1138 sub dump_simple_mapping($@)
1139 {
1140     my $name = shift;
1141     my @table = @_;
1142     my @array = (0) x 256;
1143     my %sequences;
1144
1145     # try to merge table rows
1146     for (my $row = 0; $row < 256; $row++)
1147     {
1148         my $rowtxt = sprintf "%04x" x 256, @table[($row<<8)..($row<<8)+255];
1149         if (defined($sequences{$rowtxt}))
1150         {
1151             # reuse an existing row
1152             $array[$row] = $sequences{$rowtxt};
1153         }
1154         else
1155         {
1156             # create a new row
1157             $sequences{$rowtxt} = $array[$row] = $#array + 1;
1158             push @array, @table[($row<<8)..($row<<8)+255];
1159         }
1160     }
1161
1162     printf OUTPUT "const unsigned short %s[%d] =\n{\n", $name, $#array+1;
1163     printf OUTPUT "    /* offsets */\n%s,\n", DUMP_ARRAY( "0x%04x", 0, @array[0..255] );
1164     printf OUTPUT "    /* values */\n%s\n};\n", DUMP_ARRAY( "0x%04x", 0, @array[256..$#array] );
1165 }
1166
1167 ################################################################
1168 # dump a binary case mapping table in l_intl.nls format
1169 sub dump_binary_case_table(@)
1170 {
1171     my (@table) = @_;
1172
1173     my %difftables_hash = ();
1174     my @difftables;
1175     my %offtables2_hash = ();
1176     my @offtables2 = ();
1177
1178     my @offtable = ();
1179     for (my $i = 0; $i < 256; $i++)
1180     {
1181         my @offtable2 = ();
1182         for(my $j = 0; $j < 16; $j++) # offset table for xx00-xxFF characters
1183         {
1184             my @difftable;
1185             for (my $k = 0; $k < 16; $k++) # case map table for xxx0-xxxF characters
1186             {
1187                 my $char = ($i<<8) + ($j<<4) + $k;
1188                 $difftable[$k] = (defined $table[$char]) ? (($table[$char]-$char) & 0xffff) : 0;
1189             }
1190
1191             my $diff_key = pack "S*", @difftable;
1192             my $offset3 = $difftables_hash{$diff_key};
1193             if (!defined $offset3)
1194             {
1195                 $offset3 = scalar @difftables;
1196                 $difftables_hash{$diff_key} = $offset3;
1197                 push @difftables, @difftable;
1198             }
1199             $offtable2[$j] = $offset3;
1200         }
1201
1202         my $offtable2_key = pack "S*", @offtable2;
1203         my $offset2 = $offtables2_hash{$offtable2_key};
1204         if (!defined $offset2)
1205         {
1206             $offset2 = scalar @offtables2;
1207             $offtables2_hash{$offtable2_key} = $offset2;
1208             push @offtables2, \@offtable2;
1209         }
1210         $offtable[$i] = $offset2;
1211     }
1212
1213     my @output;
1214     my $offset = 0x100; # offset of first subtable in words
1215     foreach (@offtable)
1216     {
1217         push @output, 0x10 * $_ + $offset; # offset of subtable in words
1218     }
1219
1220     $offset = 0x100 + 0x10 * scalar @offtables2; # offset of first difftable in words
1221     foreach(@offtables2)
1222     {
1223         my $table = $_;
1224         foreach(@$table)
1225         {
1226             push @output, $_ + $offset; # offset of difftable in words
1227         }
1228     }
1229
1230     my $len = 1 + scalar @output + scalar @difftables;
1231     return pack "S<*", $len, @output, @difftables;
1232 }
1233
1234
1235 ################################################################
1236 # dump case mappings for l_intl.nls
1237 sub dump_intl_nls($)
1238 {
1239     my $filename = shift;
1240     open OUTPUT,">$filename.new" or die "Cannot create $filename";
1241     printf "Building $filename\n";
1242
1243     binmode OUTPUT;
1244     print OUTPUT pack "S<", 1;  # version
1245     print OUTPUT dump_binary_case_table( @toupper_table );
1246     print OUTPUT dump_binary_case_table( @tolower_table );
1247     close OUTPUT;
1248     save_file($filename);
1249 }
1250
1251
1252 ################################################################
1253 # dump the ctype tables
1254 sub DUMP_CTYPE_TABLES($)
1255 {
1256     my $filename = shift;
1257     open OUTPUT,">$filename.new" or die "Cannot create $filename";
1258     printf "Building $filename\n";
1259     printf OUTPUT "/* Unicode ctype tables */\n";
1260     printf OUTPUT "/* Automatically generated; DO NOT EDIT!! */\n\n";
1261     printf OUTPUT "#include \"wine/unicode.h\"\n\n";
1262
1263     # add the direction in the high 4 bits of the category
1264     for (my $i = 0; $i < 65536; $i++)
1265     {
1266         $category_table[$i] |= $direction_table[$i] << 12 if defined $direction_table[$i];
1267     }
1268
1269     dump_simple_mapping( "wine_wctype_table", @category_table );
1270
1271     close OUTPUT;
1272     save_file($filename);
1273 }
1274
1275
1276 ################################################################
1277 # dump the char composition tables
1278 sub DUMP_COMPOSE_TABLES($)
1279 {
1280     my $filename = shift;
1281
1282     open OUTPUT,">$filename.new" or die "Cannot create $filename";
1283     printf "Building $filename\n";
1284     printf OUTPUT "/* Unicode char composition */\n";
1285     printf OUTPUT "/* Automatically generated; DO NOT EDIT!! */\n\n";
1286     printf OUTPUT "#include \"wine/unicode.h\"\n\n";
1287
1288     ######### composition table
1289
1290     my @filled = ();
1291     foreach my $i (@compose_table)
1292     {
1293         my @comp = @$i;
1294         push @{$filled[$comp[1]]}, [ $comp[0], $comp[2] ];
1295     }
1296
1297     # count how many different second chars we have
1298
1299     my $count = 0;
1300     for (my $i = 0; $i < 65536; $i++)
1301     {
1302         next unless defined $filled[$i];
1303         $count++;
1304     }
1305
1306     # build the table of second chars and offsets
1307
1308     my $pos = $count + 1;
1309     my @table = ();
1310     for (my $i = 0; $i < 65536; $i++)
1311     {
1312         next unless defined $filled[$i];
1313         push @table, $i, $pos;
1314         $pos += @{$filled[$i]};
1315     }
1316     # terminator with last position
1317     push @table, 0, $pos;
1318     printf OUTPUT "const WCHAR unicode_compose_table[0x%x] =\n{\n", 2*$pos;
1319     printf OUTPUT "    /* second chars + offsets */\n%s", DUMP_ARRAY( "0x%04x", 0, @table );
1320
1321     # build the table of first chars and mappings
1322
1323     for (my $i = 0; $i < 65536; $i++)
1324     {
1325         next unless defined $filled[$i];
1326         my @table = ();
1327         my @list = sort { $a->[0] <=> $b->[0] } @{$filled[$i]};
1328         for (my $j = 0; $j <= $#list; $j++)
1329         {
1330             push @table, $list[$j][0], $list[$j][1];
1331         }
1332         printf OUTPUT ",\n    /* 0x%04x */\n%s", $i, DUMP_ARRAY( "0x%04x", 0, @table );
1333     }
1334     printf OUTPUT "\n};\n\nconst unsigned int unicode_compose_table_size = %d;\n\n", $count;
1335
1336     ######### decomposition table
1337
1338     # first determine all the 16-char subsets that contain something
1339
1340     @filled = (0) x 4096;
1341     $pos = 16*2;  # for the null subset
1342     for (my $i = 0; $i < 65536; $i++)
1343     {
1344         next unless defined $decomp_table[$i];
1345         $filled[$i >> 4] = $pos;
1346         $pos += 16*2;
1347         $i |= 15;
1348     }
1349     my $total = $pos;
1350
1351     # now count the 256-char subsets that contain something
1352
1353     my @filled_idx = (256) x 256;
1354     $pos = 256 + 16;
1355     for (my $i = 0; $i < 4096; $i++)
1356     {
1357         next unless $filled[$i];
1358         $filled_idx[$i >> 4] = $pos;
1359         $pos += 16;
1360         $i |= 15;
1361     }
1362     my $null_offset = $pos;  # null mapping
1363     $total += $pos;
1364
1365     # add the index offsets to the subsets positions
1366
1367     for (my $i = 0; $i < 4096; $i++)
1368     {
1369         next unless $filled[$i];
1370         $filled[$i] += $null_offset;
1371     }
1372
1373     # dump the main index
1374
1375     printf OUTPUT "const WCHAR unicode_decompose_table[%d] =\n", $total;
1376     printf OUTPUT "{\n    /* index */\n";
1377     printf OUTPUT "%s", DUMP_ARRAY( "0x%04x", 0, @filled_idx );
1378     printf OUTPUT ",\n    /* null sub-index */\n%s", DUMP_ARRAY( "0x%04x", 0, ($null_offset) x 16 );
1379
1380     # dump the second-level indexes
1381
1382     for (my $i = 0; $i < 256; $i++)
1383     {
1384         next unless ($filled_idx[$i] > 256);
1385         my @table = @filled[($i<<4)..($i<<4)+15];
1386         for (my $j = 0; $j < 16; $j++) { $table[$j] ||= $null_offset; }
1387         printf OUTPUT ",\n    /* sub-index %02x */\n", $i;
1388         printf OUTPUT "%s", DUMP_ARRAY( "0x%04x", 0, @table );
1389     }
1390
1391     # dump the 16-char subsets
1392
1393     printf OUTPUT ",\n    /* null mapping */\n";
1394     printf OUTPUT "%s", DUMP_ARRAY( "0x%04x", 0, (0) x 32 );
1395
1396     for (my $i = 0; $i < 4096; $i++)
1397     {
1398         next unless $filled[$i];
1399         my @table = (0) x 32;
1400         for (my $j = 0; $j < 16; $j++)
1401         {
1402             if (defined $decomp_table[($i<<4) + $j])
1403             {
1404                 $table[2 * $j] = ${$decomp_table[($i << 4) + $j]}[0];
1405                 $table[2 * $j + 1] = ${$decomp_table[($i << 4) + $j]}[1];
1406             }
1407         }
1408         printf OUTPUT ",\n    /* 0x%03x0 .. 0x%03xf */\n", $i, $i;
1409         printf OUTPUT "%s", DUMP_ARRAY( "0x%04x", 0, @table );
1410     }
1411
1412     printf OUTPUT "\n};\n";
1413     close OUTPUT;
1414     save_file($filename);
1415 }
1416
1417
1418 ################################################################
1419 # handle a "bestfit" Windows mapping file
1420
1421 sub handle_bestfit_file($$$)
1422 {
1423     my ($filename, $has_glyphs, $comment) = @_;
1424     my $state = "";
1425     my ($codepage, $width, $def, $defw, $count);
1426     my ($lb_cur, $lb_end);
1427     my @lb_ranges = ();
1428
1429     my $INPUT = open_data_file "$MAPPINGS/$filename" or die "Cannot open $filename";
1430
1431     while (<$INPUT>)
1432     {
1433         next if /^;/;  # skip comments
1434         next if /^\s*$/;  # skip empty lines
1435         next if /\x1a/;  # skip ^Z
1436         last if /^ENDCODEPAGE/;
1437
1438         if (/^CODEPAGE\s+(\d+)/)
1439         {
1440             $codepage = $1;
1441             next;
1442         }
1443         if (/^CPINFO\s+(\d+)\s+0x([0-9a-fA-f]+)\s+0x([0-9a-fA-F]+)/)
1444         {
1445             $width = $1;
1446             $def = hex $2;
1447             $defw = hex $3;
1448             next;
1449         }
1450         if (/^(MBTABLE|WCTABLE|DBCSRANGE|DBCSTABLE)\s+(\d+)/)
1451         {
1452             $state = $1;
1453             $count = $2;
1454             next;
1455         }
1456         if (/^0x([0-9a-fA-F]+)\s+0x([0-9a-fA-F]+)/)
1457         {
1458             if ($state eq "MBTABLE")
1459             {
1460                 my $cp = hex $1;
1461                 my $uni = hex $2;
1462                 $cp2uni[$cp] = $uni unless defined($cp2uni[$cp]);
1463                 next;
1464             }
1465             if ($state eq "WCTABLE")
1466             {
1467                 my $uni = hex $1;
1468                 my $cp = hex $2;
1469                 $uni2cp[$uni] = $cp unless defined($uni2cp[$uni]);
1470                 next;
1471             }
1472             if ($state eq "DBCSRANGE")
1473             {
1474                 my $start = hex $1;
1475                 my $end = hex $2;
1476                 push @lb_ranges, $start, $end;
1477                 for (my $i = $start; $i <= $end; $i++)
1478                 {
1479                     push @lead_bytes, $i;
1480                     $cp2uni[$i] = 0;
1481                 }
1482                 $lb_cur = $start;
1483                 $lb_end = $end;
1484                 next;
1485             }
1486             if ($state eq "DBCSTABLE")
1487             {
1488                 my $mb = hex $1;
1489                 my $uni = hex $2;
1490                 my $cp = ($lb_cur << 8) | $mb;
1491                 $cp2uni[$cp] = $uni unless defined($cp2uni[$cp]);
1492                 if (!--$count)
1493                 {
1494                     if (++$lb_cur > $lb_end) { $state = "DBCSRANGE"; }
1495                 }
1496                 next;
1497             }
1498         }
1499         die "$filename: Unrecognized line $_\n";
1500     }
1501     close $INPUT;
1502
1503     my $output = sprintf "c_%03d.c", $codepage;
1504     open OUTPUT,">$output.new" or die "Cannot create $output";
1505
1506     printf "Building %s from %s (%s)\n", $output, $filename, $comment;
1507
1508     # dump all tables
1509
1510     printf OUTPUT "/* code page %03d (%s) */\n", $codepage, $comment;
1511     printf OUTPUT "/* generated from $MAPPINGS/$filename */\n";
1512     printf OUTPUT "/* DO NOT EDIT!! */\n\n";
1513     printf OUTPUT "#include \"wine/unicode.h\"\n\n";
1514
1515     if ($width == 1) { dump_sbcs_table( $codepage, $has_glyphs, $comment, $def, $defw ); }
1516     else { dump_dbcs_table( $codepage, $comment, $def, $defw, @lb_ranges ); }
1517     close OUTPUT;
1518     save_file($output);
1519 }
1520
1521
1522 ################################################################
1523 # read an input file and generate the corresponding .c file
1524 sub HANDLE_FILE(@)
1525 {
1526     my ($codepage,$filename,$has_glyphs,$comment) = @_;
1527
1528     @cp2uni = ();
1529     @lead_bytes = ();
1530     @uni2cp = ();
1531
1532     # symbol codepage file is special
1533     if ($codepage == 20932) { READ_JIS0208_FILE "$MAPPINGS/$filename"; }
1534     elsif ($codepage == 20127) { fill_20127_codepage(); }
1535     elsif ($filename =~ /\/bestfit/)
1536     {
1537         handle_bestfit_file( $filename, $has_glyphs, $comment );
1538         return;
1539     }
1540     else { READ_FILE "$MAPPINGS/$filename"; }
1541
1542     ADD_DEFAULT_MAPPINGS();
1543
1544     my $output = sprintf "c_%03d.c", $codepage;
1545     open OUTPUT,">$output.new" or die "Cannot create $output";
1546
1547     printf "Building %s from %s (%s)\n", $output, $filename || "hardcoded data", $comment;
1548
1549     # dump all tables
1550
1551     printf OUTPUT "/* code page %03d (%s) */\n", $codepage, $comment;
1552     if ($filename)
1553     {
1554         print OUTPUT "/* generated from $MAPPINGS/$filename */\n";
1555         print OUTPUT "/* DO NOT EDIT!! */\n\n";
1556     }
1557     else
1558     {
1559         printf OUTPUT "/* Automatically generated; DO NOT EDIT!! */\n\n";
1560     }
1561     printf OUTPUT "#include \"wine/unicode.h\"\n\n";
1562
1563     if (!@lead_bytes) { dump_sbcs_table( $codepage, $has_glyphs, $comment, $DEF_CHAR, $DEF_CHAR ); }
1564     else { dump_dbcs_table( $codepage, $comment, $DEF_CHAR, $DEF_CHAR, get_lb_ranges() ); }
1565     close OUTPUT;
1566     save_file($output);
1567 }
1568
1569
1570 ################################################################
1571 # save a file if modified
1572 sub save_file($)
1573 {
1574     my $file = shift;
1575     if (-f $file && !system "cmp $file $file.new >/dev/null")
1576     {
1577         unlink "$file.new";
1578     }
1579     else
1580     {
1581         rename "$file.new", "$file";
1582     }
1583 }
1584
1585
1586 ################################################################
1587 # output the list of codepage tables into the cptable.c file
1588 sub OUTPUT_CPTABLE()
1589 {
1590     my @tables_decl = ();
1591
1592     foreach my $file (@allfiles)
1593     {
1594         my ($codepage,$filename,$comment) = @$file;
1595         push @tables_decl, sprintf("extern union cptable cptable_%03d;\n",$codepage);
1596     }
1597
1598     push @tables_decl, sprintf("\nstatic const union cptable * const cptables[%d] =\n{\n",$#allfiles+1);
1599     foreach my $file (@allfiles)
1600     {
1601         my ($codepage,$filename,$comment) = @$file;
1602         push @tables_decl, sprintf("    &cptable_%03d,\n", $codepage);
1603     }
1604     push @tables_decl, "};";
1605     REPLACE_IN_FILE( "cptable.c", @tables_decl );
1606 }
1607
1608 ################################################################
1609 # replace the contents of a file between ### cpmap ### marks
1610
1611 sub REPLACE_IN_FILE($@)
1612 {
1613     my $name = shift;
1614     my @data = @_;
1615     my @lines = ();
1616     open(FILE,$name) or die "Can't open $name";
1617     while (<FILE>)
1618     {
1619         push @lines, $_;
1620         last if /\#\#\# cpmap begin \#\#\#/;
1621     }
1622     push @lines, @data;
1623     while (<FILE>)
1624     {
1625         if (/\#\#\# cpmap end \#\#\#/) { push @lines, "\n", $_; last; }
1626     }
1627     push @lines, <FILE>;
1628     open(FILE,">$name.new") or die "Can't modify $name";
1629     print FILE @lines;
1630     close(FILE);
1631     save_file($name);
1632 }
1633
1634 ################################################################
1635 # main routine
1636
1637 READ_DEFAULTS( $DEFAULTS );
1638 DUMP_CASE_MAPPINGS( "casemap.c" );
1639 DUMP_SORTKEYS( "collation.c", READ_SORTKEYS_FILE() );
1640 DUMP_COMPOSE_TABLES( "compose.c" );
1641 DUMP_CTYPE_TABLES( "wctype.c" );
1642 dump_mirroring( "../../dlls/usp10/mirror.c" );
1643 dump_shaping( "../../dlls/usp10/shaping.c" );
1644 dump_intl_nls("../../tools/l_intl.nls");
1645
1646 foreach my $file (@allfiles) { HANDLE_FILE( @{$file} ); }
1647
1648 OUTPUT_CPTABLE();
1649
1650 exit 0;
1651
1652 # Local Variables:
1653 # compile-command: "./cpmap.pl && make -k"
1654 # End: