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