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

   1 #!/usr/bin/perl
   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 # base directory for ftp.unicode.org files
  23 $BASEDIR = "ftp.unicode.org/Public/";
  24 $MAPPREFIX = $BASEDIR . "MAPPINGS/";
  25
  26 # UnicodeData file
  27 $UNICODEDATA = $BASEDIR . "UNIDATA/UnicodeData.txt";
  28
  29 # Sort keys file
  30 $SORTKEYS = "www.unicode.org/reports/tr10/allkeys.txt";
  31
  32 # Defaults mapping
  33 $DEFAULTS = "./defaults";
  34
  35 # Default char for undefined mappings
  36 $DEF_CHAR = ord '?';
  37
  38 @allfiles =
  39 (
  40     [ 37,    "VENDORS/MICSFT/EBCDIC/CP037.TXT",   0, "IBM EBCDIC US Canada" ],
  41     [ 424,   "VENDORS/MISC/CP424.TXT",            0, "IBM EBCDIC Hebrew" ],
  42     [ 437,   "VENDORS/MICSFT/PC/CP437.TXT",       1, "OEM United States" ],
  43     [ 500,   "VENDORS/MICSFT/EBCDIC/CP500.TXT",   0, "IBM EBCDIC International" ],
  44     [ 737,   "VENDORS/MICSFT/PC/CP737.TXT",       1, "OEM Greek 437G" ],
  45     [ 775,   "VENDORS/MICSFT/PC/CP775.TXT",       1, "OEM Baltic" ],
  46     [ 850,   "VENDORS/MICSFT/PC/CP850.TXT",       1, "OEM Multilingual Latin 1" ],
  47     [ 852,   "VENDORS/MICSFT/PC/CP852.TXT",       1, "OEM Slovak Latin 2" ],
  48     [ 855,   "VENDORS/MICSFT/PC/CP855.TXT",       1, "OEM Cyrillic" ],
  49     [ 856,   "VENDORS/MISC/CP856.TXT",            0, "Hebrew PC" ],
  50     [ 857,   "VENDORS/MICSFT/PC/CP857.TXT",       1, "OEM Turkish" ],
  51     [ 860,   "VENDORS/MICSFT/PC/CP860.TXT",       1, "OEM Portuguese" ],
  52     [ 861,   "VENDORS/MICSFT/PC/CP861.TXT",       1, "OEM Icelandic" ],
  53     [ 862,   "VENDORS/MICSFT/PC/CP862.TXT",       1, "OEM Hebrew" ],
  54     [ 863,   "VENDORS/MICSFT/PC/CP863.TXT",       1, "OEM Canadian French" ],
  55     [ 864,   "VENDORS/MICSFT/PC/CP864.TXT",       0, "OEM Arabic" ],
  56     [ 865,   "VENDORS/MICSFT/PC/CP865.TXT",       1, "OEM Nordic" ],
  57     [ 866,   "VENDORS/MICSFT/PC/CP866.TXT",       1, "OEM Russian" ],
  58     [ 869,   "VENDORS/MICSFT/PC/CP869.TXT",       1, "OEM Greek" ],
  59     [ 874,   "VENDORS/MICSFT/PC/CP874.TXT",       1, "ANSI/OEM Thai" ],
  60     [ 875,   "VENDORS/MICSFT/EBCDIC/CP875.TXT",   0, "IBM EBCDIC Greek" ],
  61     [ 878,   "VENDORS/MISC/KOI8-R.TXT",           0, "Russian KOI8" ],
  62     [ 932,   "VENDORS/MICSFT/WINDOWS/CP932.TXT",  0, "ANSI/OEM Japanese Shift-JIS" ],
  63     [ 936,   "VENDORS/MICSFT/WINDOWS/CP936.TXT",  0, "ANSI/OEM Simplified Chinese GBK" ],
  64     [ 949,   "VENDORS/MICSFT/WINDOWS/CP949.TXT",  0, "ANSI/OEM Korean Unified Hangul" ],
  65     [ 950,   "VENDORS/MICSFT/WINDOWS/CP950.TXT",  0, "ANSI/OEM Traditional Chinese Big5" ],
  66     [ 1006,  "VENDORS/MISC/CP1006.TXT",           0, "IBM Arabic" ],
  67     [ 1026,  "VENDORS/MICSFT/EBCDIC/CP1026.TXT",  0, "IBM EBCDIC Latin 5 Turkish" ],
  68     [ 1250,  "VENDORS/MICSFT/WINDOWS/CP1250.TXT", 0, "ANSI Eastern Europe" ],
  69     [ 1251,  "VENDORS/MICSFT/WINDOWS/CP1251.TXT", 0, "ANSI Cyrillic" ],
  70     [ 1252,  "VENDORS/MICSFT/WINDOWS/CP1252.TXT", 0, "ANSI Latin 1" ],
  71     [ 1253,  "VENDORS/MICSFT/WINDOWS/CP1253.TXT", 0, "ANSI Greek" ],
  72     [ 1254,  "VENDORS/MICSFT/WINDOWS/CP1254.TXT", 0, "ANSI Turkish" ],
  73     [ 1255,  "VENDORS/MICSFT/WINDOWS/CP1255.TXT", 0, "ANSI Hebrew" ],
  74     [ 1256,  "VENDORS/MICSFT/WINDOWS/CP1256.TXT", 0, "ANSI Arabic" ],
  75     [ 1257,  "VENDORS/MICSFT/WINDOWS/CP1257.TXT", 0, "ANSI Baltic" ],
  76     [ 1258,  "VENDORS/MICSFT/WINDOWS/CP1258.TXT", 0, "ANSI/OEM Viet Nam" ],
  77     [ 1361,  "OBSOLETE/EASTASIA/KSC/JOHAB.TXT",   0, "Korean Johab" ],
  78     [ 10000, "VENDORS/MICSFT/MAC/ROMAN.TXT",      0, "Mac Roman" ],
  79     [ 10006, "VENDORS/MICSFT/MAC/GREEK.TXT",      0, "Mac Greek" ],
  80     [ 10007, "VENDORS/MICSFT/MAC/CYRILLIC.TXT",   0, "Mac Cyrillic" ],
  81     [ 10029, "VENDORS/MICSFT/MAC/LATIN2.TXT",     0, "Mac Latin 2" ],
  82     [ 10079, "VENDORS/MICSFT/MAC/ICELAND.TXT",    0, "Mac Icelandic" ],
  83     [ 10081, "VENDORS/MICSFT/MAC/TURKISH.TXT",    0, "Mac Turkish" ],
  84     [ 20127, undef,                               0, "US-ASCII (7bit)" ],
  85     [ 20866, "VENDORS/MISC/KOI8-R.TXT",           0, "Russian KOI8" ],
  86     [ 20932, "OBSOLETE/EASTASIA/JIS/JIS0208.TXT", 0, "EUC-JP" ],
  87     [ 21866, "VENDORS/MISC/KOI8-U.TXT",           0, "Ukrainian KOI8" ],
  88     [ 28591, "ISO8859/8859-1.TXT",                0, "ISO 8859-1 Latin 1" ],
  89     [ 28592, "ISO8859/8859-2.TXT",                0, "ISO 8859-2 Latin 2 (East European)" ],
  90     [ 28593, "ISO8859/8859-3.TXT",                0, "ISO 8859-3 Latin 3 (South European)" ],
  91     [ 28594, "ISO8859/8859-4.TXT",                0, "ISO 8859-4 Latin 4 (Baltic old)" ],
  92     [ 28595, "ISO8859/8859-5.TXT",                0, "ISO 8859-5 Cyrillic" ],
  93     [ 28596, "ISO8859/8859-6.TXT",                0, "ISO 8859-6 Arabic" ],
  94     [ 28597, "ISO8859/8859-7.TXT",                0, "ISO 8859-7 Greek" ],
  95     [ 28598, "ISO8859/8859-8.TXT",                0, "ISO 8859-8 Hebrew" ],
  96     [ 28599, "ISO8859/8859-9.TXT",                0, "ISO 8859-9 Latin 5 (Turkish)" ],
  97     [ 28600, "ISO8859/8859-10.TXT",               0, "ISO 8859-10 Latin 6 (Nordic)" ],
  98     [ 28603, "ISO8859/8859-13.TXT",               0, "ISO 8859-13 Latin 7 (Baltic)" ],
  99     [ 28604, "ISO8859/8859-14.TXT",               0, "ISO 8859-14 Latin 8 (Celtic)" ],
 100     [ 28605, "ISO8859/8859-15.TXT",               0, "ISO 8859-15 Latin 9 (Euro)" ],
 101     [ 28606, "ISO8859/8859-16.TXT",               0, "ISO 8859-16 Latin 10 (Balkan)" ]
 102 );
 103
 104
 105 %ctype =
 106 (
 107     "upper"  => 0x0001,
 108     "lower"  => 0x0002,
 109     "digit"  => 0x0004,
 110     "space"  => 0x0008,
 111     "punct"  => 0x0010,
 112     "cntrl"  => 0x0020,
 113     "blank"  => 0x0040,
 114     "xdigit" => 0x0080,
 115     "alpha"  => 0x0100
 116 );
 117
 118 %categories =
 119 (
 120     "Lu" => $ctype{"alpha"}|$ctype{"upper"}, # Letter, Uppercase
 121     "Ll" => $ctype{"alpha"}|$ctype{"lower"}, # Letter, Lowercase
 122     "Lt" => $ctype{"alpha"},    # Letter, Titlecase
 123     "Mn" => $ctype{"punct"},    # Mark, Non-Spacing
 124     "Mc" => $ctype{"punct"},    # Mark, Spacing Combining
 125     "Me" => $ctype{"punct"},    # Mark, Enclosing
 126     "Nd" => $ctype{"digit"},    # Number, Decimal Digit
 127     "Nl" => $ctype{"punct"},    # Number, Letter
 128     "No" => $ctype{"punct"},    # Number, Other
 129     "Zs" => $ctype{"space"},    # Separator, Space
 130     "Zl" => $ctype{"space"},    # Separator, Line
 131     "Zp" => $ctype{"space"},    # Separator, Paragraph
 132     "Cc" => $ctype{"cntrl"},    # Other, Control
 133     "Cf" => 0,                  # Other, Format
 134     "Cs" => 0,                  # Other, Surrogate
 135     "Co" => 0,                  # Other, Private Use
 136     "Cn" => 0,                  # Other, Not Assigned
 137     "Lm" => $ctype{"punct"},    # Letter, Modifier
 138     "Lo" => $ctype{"alpha"},    # Letter, Other
 139     "Pc" => $ctype{"punct"},    # Punctuation, Connector
 140     "Pd" => $ctype{"punct"},    # Punctuation, Dash
 141     "Ps" => $ctype{"punct"},    # Punctuation, Open
 142     "Pe" => $ctype{"punct"},    # Punctuation, Close
 143     "Pi" => $ctype{"punct"},    # Punctuation, Initial quote
 144     "Pf" => $ctype{"punct"},    # Punctuation, Final quote
 145     "Po" => $ctype{"punct"},    # Punctuation, Other
 146     "Sm" => $ctype{"punct"},    # Symbol, Math
 147     "Sc" => $ctype{"punct"},    # Symbol, Currency
 148     "Sk" => $ctype{"punct"},    # Symbol, Modifier
 149     "So" => $ctype{"punct"}     # Symbol, Other
 150 );
 151
 152 # a few characters need additional categories that cannot be determined automatically
 153 %special_categories =
 154 (
 155     "xdigit" => [ ord('0')..ord('9'),ord('A')..ord('F'),ord('a')..ord('f'),
 156                   0xff10..0xff19, 0xff21..0xff26, 0xff41..0xff46 ],
 157     "space"  => [ 0x09..0x0d, 0x85 ],
 158     "blank"  => [ 0x09, 0x20, 0xa0, 0x3000, 0xfeff ],
 159     "cntrl"  => [ 0x070f, 0x180b, 0x180c, 0x180d, 0x180e, 0x200c, 0x200d,
 160                   0x200e, 0x200f, 0x202a, 0x202b, 0x202c, 0x202d, 0x202e,
 161                   0x206a, 0x206b, 0x206c, 0x206d, 0x206e, 0x206f, 0xfeff,
 162                   0xfff9, 0xfffa, 0xfffb ]
 163 );
 164
 165 %directions =
 166 (
 167     "L"   => 1,    # Left-to-Right
 168     "LRE" => 11,   # Left-to-Right Embedding
 169     "LRO" => 11,   # Left-to-Right Override
 170     "R"   => 2,    # Right-to-Left
 171     "AL"  => 2,    # Right-to-Left Arabic
 172     "RLE" => 11,   # Right-to-Left Embedding
 173     "RLO" => 11,   # Right-to-Left Override
 174     "PDF" => 11,   # Pop Directional Format
 175     "EN"  => 3,    # European Number
 176     "ES"  => 4,    # European Number Separator
 177     "ET"  => 5,    # European Number Terminator
 178     "AN"  => 6,    # Arabic Number
 179     "CS"  => 7,    # Common Number Separator
 180     "NSM" => 0,    # Non-Spacing Mark
 181     "BN"  => 0,    # Boundary Neutral
 182     "B"   => 8,    # Paragraph Separator
 183     "S"   => 9,    # Segment Separator
 184     "WS"  => 10,   # Whitespace
 185     "ON"  => 11    # Other Neutrals
 186 );
 187
 188
 189 ################################################################
 190 # main routine
 191
 192 READ_DEFAULTS();
 193 my @sortkeys = READ_SORTKEYS_FILE();
 194 DUMP_CASE_MAPPINGS();
 195 DUMP_SORTKEYS(@sortkeys);
 196 DUMP_COMPOSE_TABLES();
 197 DUMP_CTYPE_TABLES();
 198
 199 foreach $file (@allfiles) { HANDLE_FILE( @$file ); }
 200
 201 OUTPUT_CPTABLE();
 202
 203 exit(0);
 204
 205
 206 ################################################################
 207 # read in the defaults file
 208 sub READ_DEFAULTS
 209 {
 210     @unicode_defaults = ();
 211     @unicode_aliases = ();
 212     @tolower_table = ();
 213     @toupper_table = ();
 214     @digitmap_table = ();
 215     @compatmap_table = ();
 216     @category_table = ();
 217     @direction_table = ();
 218     @decomp_table = ();
 219     @compose_table = ();
 220
 221     # first setup a few default mappings
 222
 223     open DEFAULTS or die "Cannot open $DEFAULTS";
 224     print "Loading $DEFAULTS\n";
 225     while (<DEFAULTS>)
 226     {
 227         next if /^\#/;  # skip comments
 228         next if /^$/;  # skip empty lines
 229         if (/^(([0-9a-fA-F]+)(,[0-9a-fA-F]+)*)\s+([0-9a-fA-F]+|'.'|none)\s+(\#.*)?/)
 230         {
 231             my @src = map hex, split /,/,$1;
 232             my $dst = $4;
 233             my $comment = $5;
 234             if ($#src > 0) { push @unicode_aliases, \@src; }
 235             next if ($dst eq "none");
 236             $dst = ($dst =~ /\'.\'/) ? ord substr($dst,1,1) : hex $dst;
 237             foreach $src (@src)
 238             {
 239                 die "Duplicate value" if defined($unicode_defaults[$src]);
 240                 $unicode_defaults[$src] = $dst;
 241             }
 242             next;
 243         }
 244         die "Unrecognized line $_\n";
 245     }
 246
 247     # now build mappings from the decomposition field of the Unicode database
 248
 249     open UNICODEDATA or die "Cannot open $UNICODEDATA";
 250     print "Loading $UNICODEDATA\n";
 251     while (<UNICODEDATA>)
 252     {
 253         # Decode the fields ...
 254         ($code, $name, $cat, $comb, $bidi,
 255          $decomp, $dec, $dig, $num, $mirror,
 256          $oldname, $comment, $upper, $lower, $title) = split /;/;
 257
 258         my $src = hex $code;
 259
 260         die "unknown category $cat" unless defined $categories{$cat};
 261         die "unknown directionality $bidi" unless defined $directions{$bidi};
 262
 263         $uniname[$src] = $name;
 264         $category_table[$src] = $categories{$cat};
 265         $direction_table[$src] = $directions{$bidi};
 266
 267         if ($lower ne "")
 268         {
 269             $tolower_table[$src] = hex $lower;
 270             $category_table[$src] |= $ctype{"upper"}|$ctype{"alpha"};
 271         }
 272         if ($upper ne "")
 273         {
 274             $toupper_table[$src] = hex $upper;
 275             $category_table[$src] |= $ctype{"lower"}|$ctype{"alpha"};
 276         }
 277         if ($dec ne "")
 278         {
 279             $category_table[$src] |= $ctype{"digit"};
 280         }
 281         if ($dig ne "")
 282         {
 283             $digitmap_table[$src] = ord $dig;
 284         }
 285
 286         # copy the category and direction for everything between First/Last pairs
 287         if ($name =~ /, First>/) { $start = $src; }
 288         if ($name =~ /, Last>/)
 289         {
 290             while ($start < $src)
 291             {
 292                 $category_table[$start] = $category_table[$src];
 293                 $direction_table[$start] = $direction_table[$src];
 294                 $start++;
 295             }
 296         }
 297
 298         next if $decomp eq "";  # no decomposition, skip it
 299
 300         if ($decomp =~ /^<([a-zA-Z]+)>\s+([0-9a-fA-F]+)$/)
 301         {
 302             # decomposition of the form "<foo> 1234" -> use char if type is known
 303             if (($src >= 0xf900 && $src < 0xfb00) || ($src >= 0xfe30 && $src < 0xfffd))
 304             {
 305                 # Single char decomposition in the compatibility range
 306                 $compatmap_table[$src] = hex $2;
 307             }
 308             next unless ($1 eq "font" ||
 309                          $1 eq "noBreak" ||
 310                          $1 eq "circle" ||
 311                          $1 eq "super" ||
 312                          $1 eq "sub" ||
 313                          $1 eq "wide" ||
 314                          $1 eq "narrow" ||
 315                          $1 eq "compat" ||
 316                          $1 eq "small");
 317             $dst = hex $2;
 318         }
 319         elsif ($decomp =~ /^<compat>\s+0020\s+([0-9a-fA-F]+)/)
 320         {
 321             # decomposition "<compat> 0020 1234" -> combining accent
 322             $dst = hex $1;
 323         }
 324         elsif ($decomp =~ /^([0-9a-fA-F]+)/)
 325         {
 326             # decomposition contains only char values without prefix -> use first char
 327             $dst = hex $1;
 328             $category_table[$src] |= $category_table[$dst];
 329             # store decomposition if it contains two chars
 330             if ($decomp =~ /^([0-9a-fA-F]+)\s+([0-9a-fA-F]+)$/)
 331             {
 332                 $decomp_table[$src] = [ hex $1, hex $2 ];
 333                 push @compose_table, [ hex $1, hex $2, $src ];
 334             }
 335             elsif ($decomp =~ /^(<[a-z]+>\s)*([0-9a-fA-F]+)$/ &&
 336                    (($src >= 0xf900 && $src < 0xfb00) || ($src >= 0xfe30 && $src < 0xfffd)))
 337             {
 338                 # Single char decomposition in the compatibility range
 339                 $compatmap_table[$src] = hex $2;
 340             }
 341         }
 342         else
 343         {
 344             next;
 345         }
 346
 347         next if defined($unicode_defaults[$src]);  # may have been set in the defaults file
 348
 349         # check for loops
 350         for ($i = $dst; ; $i = $unicode_defaults[$i])
 351         {
 352             die sprintf("loop detected for %04x -> %04x",$src,$dst) if $i == $src;
 353             last unless defined($unicode_defaults[$i]);
 354         }
 355         $unicode_defaults[$src] = $dst;
 356     }
 357
 358     # patch the category of some special characters
 359
 360     foreach $cat (keys %special_categories)
 361     {
 362         my $flag = $ctype{$cat};
 363         foreach $i (@{$special_categories{$cat}}) { $category_table[$i] |= $flag; }
 364     }
 365 }
 366
 367
 368 ################################################################
 369 # parse the input file
 370 sub READ_FILE
 371 {
 372     my $name = shift;
 373     open INPUT,$name or die "Cannot open $name";
 374
 375     while (<INPUT>)
 376     {
 377         next if /^\#/;  # skip comments
 378         next if /^$/;  # skip empty lines
 379         next if /\x1a/;  # skip ^Z
 380         next if (/^0x([0-9a-fA-F]+)\s+\#UNDEFINED/);  # undefined char
 381
 382         if (/^0x([0-9a-fA-F]+)\s+\#DBCS LEAD BYTE/)
 383         {
 384             $cp = hex $1;
 385             push @lead_bytes,$cp;
 386             $cp2uni[$cp] = 0;
 387             next;
 388         }
 389         if (/^0x([0-9a-fA-F]+)\s+0x([0-9a-fA-F]+)\s+(\#.*)?/)
 390         {
 391             $cp = hex $1;
 392             $uni = hex $2;
 393             $cp2uni[$cp] = $uni unless defined($cp2uni[$cp]);
 394             $uni2cp[$uni] = $cp unless defined($uni2cp[$uni]);
 395             if ($cp > 0xff && !defined($cp2uni[$cp >> 8]))
 396             {
 397                 push @lead_bytes,$cp >> 8;
 398                 $cp2uni[$cp >> 8] = 0;
 399             }
 400             next;
 401         }
 402         die "$name: Unrecognized line $_\n";
 403     }
 404 }
 405
 406
 407 ################################################################
 408 # fill input data for the 20127 (us-ascii) codepage
 409 sub fill_20127_codepage()
 410 {
 411     for (my $i = 0; $i < 128; $i++) { $cp2uni[$i] = $uni2cp[$i] = $i; }
 412     for (my $i = 128; $i < 256; $i++) { $cp2uni[$i] = $i & 0x7f; }
 413 }
 414
 415 ################################################################
 416 # get a mapping including glyph chars for MB_USEGLYPHCHARS
 417
 418 sub get_glyphs_mapping(@)
 419 {
 420     $_[0x01] = 0x263a;  # (WHITE SMILING FACE)
 421     $_[0x02] = 0x263b;  # (BLACK SMILING FACE)
 422     $_[0x03] = 0x2665;  # (BLACK HEART SUIT)
 423     $_[0x04] = 0x2666;  # (BLACK DIAMOND SUIT)
 424     $_[0x05] = 0x2663;  # (BLACK CLUB SUIT)
 425     $_[0x06] = 0x2660;  # (BLACK SPADE SUIT)
 426     $_[0x07] = 0x2022;  # (BULLET)
 427     $_[0x08] = 0x25d8;  # (INVERSE BULLET)
 428     $_[0x09] = 0x25cb;  # (WHITE CIRCLE)
 429     $_[0x0a] = 0x25d9;  # (INVERSE WHITE CIRCLE)
 430     $_[0x0b] = 0x2642;  # (MALE SIGN)
 431     $_[0x0c] = 0x2640;  # (FEMALE SIGN)
 432     $_[0x0d] = 0x266a;  # (EIGHTH NOTE)
 433     $_[0x0e] = 0x266b;  # (BEAMED EIGHTH NOTES)
 434     $_[0x0f] = 0x263c;  # (WHITE SUN WITH RAYS)
 435     $_[0x10] = 0x25ba;  # (BLACK RIGHT-POINTING POINTER)
 436     $_[0x11] = 0x25c4;  # (BLACK LEFT-POINTING POINTER)
 437     $_[0x12] = 0x2195;  # (UP DOWN ARROW)
 438     $_[0x13] = 0x203c;  # (DOUBLE EXCLAMATION MARK)
 439     $_[0x14] = 0x00b6;  # (PILCROW SIGN)
 440     $_[0x15] = 0x00a7;  # (SECTION SIGN)
 441     $_[0x16] = 0x25ac;  # (BLACK RECTANGLE)
 442     $_[0x17] = 0x21a8;  # (UP DOWN ARROW WITH BASE)
 443     $_[0x18] = 0x2191;  # (UPWARDS ARROW)
 444     $_[0x19] = 0x2193;  # (DOWNWARDS ARROW)
 445     $_[0x1a] = 0x2192;  # (RIGHTWARDS ARROW)
 446     $_[0x1b] = 0x2190;  # (LEFTWARDS ARROW)
 447     $_[0x1c] = 0x221f;  # (RIGHT ANGLE)
 448     $_[0x1d] = 0x2194;  # (LEFT RIGHT ARROW)
 449     $_[0x1e] = 0x25b2;  # (BLACK UP-POINTING TRIANGLE)
 450     $_[0x1f] = 0x25bc;  # (BLACK DOWN-POINTING TRIANGLE)
 451     $_[0x7f] = 0x2302;  # (HOUSE)
 452     return @_;
 453 }
 454
 455 ################################################################
 456 # build EUC-JP table from the JIS 0208 file
 457 # FIXME: for proper EUC-JP we should probably read JIS 0212 too
 458 # but this would require 3-byte DBCS characters
 459 sub READ_JIS0208_FILE
 460 {
 461     my $name = shift;
 462
 463     # ASCII chars
 464     for ($i = 0x00; $i <= 0x7f; $i++)
 465     {
 466         $cp2uni[$i] = $i;
 467         $uni2cp[$i] = $i;
 468     }
 469
 470     # JIS X 0201 right plane
 471     for ($i = 0xa1; $i <= 0xdf; $i++)
 472     {
 473         $cp2uni[0x8e00 + $i] = 0xfec0 + $i;
 474         $uni2cp[0xfec0 + $i] = 0x8e00 + $i;
 475     }
 476
 477     # lead bytes
 478     foreach $i (0x8e, 0x8f, 0xa1 .. 0xfe)
 479     {
 480         push @lead_bytes,$i;
 481         $cp2uni[$i] = 0;
 482     }
 483
 484     # undefined chars
 485     foreach $i (0x80 .. 0x8d, 0x90 .. 0xa0, 0xff)
 486     {
 487         $cp2uni[$i] = $DEF_CHAR;
 488     }
 489
 490     # Shift-JIS compatibility
 491     $uni2cp[0x00a5] = 0x5c;
 492     $uni2cp[0x203e] = 0x7e;
 493
 494     # Fix backslash conversion
 495     $cp2uni[0xa1c0] = 0xff3c;
 496     $uni2cp[0xff3c] = 0xa1c0;
 497
 498     open INPUT, "$name" or die "Cannot open $name";
 499     while (<INPUT>)
 500     {
 501         next if /^\#/;  # skip comments
 502         next if /^$/;  # skip empty lines
 503         next if /\x1a/;  # skip ^Z
 504         if (/^0x[0-9a-fA-F]+\s+0x([0-9a-fA-F]+)\s+0x([0-9a-fA-F]+)\s+(\#.*)?/)
 505         {
 506             $cp = 0x8080 + hex $1;
 507             $uni = hex $2;
 508             $cp2uni[$cp] = $uni unless defined($cp2uni[$cp]);
 509             $uni2cp[$uni] = $cp unless defined($uni2cp[$uni]);
 510             next;
 511         }
 512         die "$name: Unrecognized line $_\n";
 513     }
 514 }
 515
 516
 517 ################################################################
 518 # build the sort keys table
 519 sub READ_SORTKEYS_FILE
 520 {
 521     my @sortkeys = ();
 522     for (my $i = 0; $i < 65536; $i++) { $sortkeys[$i] = [ -1, 0, 0, 0, 0 ] };
 523
 524     open INPUT, "$SORTKEYS" or die "Cannot open $SORTKEYS";
 525     print "Loading $SORTKEYS\n";
 526     while (<INPUT>)
 527     {
 528         next if /^\#/;  # skip comments
 529         next if /^$/;  # skip empty lines
 530         next if /\x1a/;  # skip ^Z
 531         next if /^\@version/;  # skip @version header
 532         if (/^([0-9a-fA-F]+)\s+;\s+\[([*.])([0-9a-fA-F]{4})\.([0-9a-fA-F]{4})\.([0-9a-fA-F]{4})\.([0-9a-fA-F]+)\]/)
 533         {
 534             my ($uni,$variable) = (hex $1, $2);
 535             next if $uni > 65535;
 536             $sortkeys[$uni] = [ $uni, hex $3, hex $4, hex $5, hex $6 ];
 537             next;
 538         }
 539         if (/^([0-9a-fA-F]+\s+)+;\s+\[[*.]([0-9a-fA-F]{4})\.([0-9a-fA-F]{4})\.([0-9a-fA-F]{4})\.([0-9a-fA-F]+)\]/)
 540         {
 541             # multiple character sequence, ignored for now
 542             next;
 543         }
 544         die "$SORTKEYS: Unrecognized line $_\n";
 545     }
 546     close INPUT;
 547
 548     # compress the keys to 32 bit:
 549     # key 1 to 16 bits, key 2 to 8 bits, key 3 to 4 bits, key 4 to 1 bit
 550
 551     @sortkeys = sort { ${$a}[1] <=> ${$b}[1] or
 552                        ${$a}[2] <=> ${$b}[2] or
 553                        ${$a}[3] <=> ${$b}[3] or
 554                        ${$a}[4] <=> ${$b}[4] or
 555                        $a cmp $b; } @sortkeys;
 556
 557     my ($n2, $n3) = (1, 1);
 558     my @keys = (-1, -1, -1, -1, -1 );
 559     my @flatkeys = ();
 560
 561     for (my $i = 0; $i < 65536; $i++)
 562     {
 563         my @current = @{$sortkeys[$i]};
 564         next if $current[0] == -1;
 565         if ($current[1] == $keys[1])
 566         {
 567             if ($current[2] == $keys[2])
 568             {
 569                 if ($current[3] == $keys[3])
 570                 {
 571                     # nothing
 572                 }
 573                 else
 574                 {
 575                     $keys[3] = $current[3];
 576                     $n3++;
 577                     die if ($n3 >= 16);
 578                 }
 579             }
 580             else
 581             {
 582                 $keys[2] = $current[2];
 583                 $keys[3] = $current[3];
 584                 $n2++;
 585                 $n3 = 1;
 586                 die if ($n2 >= 256);
 587             }
 588         }
 589         else
 590         {
 591             $keys[1] = $current[1];
 592             $keys[2] = $current[2];
 593             $keys[3] = $current[3];
 594             $n2 = 1;
 595             $n3 = 1;
 596         }
 597
 598         if ($current[2]) { $current[2] = $n2; }
 599         if ($current[3]) { $current[3] = $n3; }
 600         if ($current[4]) { $current[4] = 1; }
 601
 602         $flatkeys[$current[0]] = ($current[1] << 16) | ($current[2] << 8) | ($current[3] << 4) | $current[4];
 603     }
 604     return @flatkeys;
 605 }
 606
 607
 608 ################################################################
 609 # build the sort keys table
 610 sub DUMP_SORTKEYS
 611 {
 612     my @keys = @_;
 613
 614     # count the number of 256-key ranges that contain something
 615
 616     my @offsets = ();
 617     my $ranges = 2;
 618     for (my $i = 0; $i < 256; $i++) { $offsets[$i] = 256; }
 619     for (my $i = 0; $i < 65536; $i++)
 620     {
 621         next unless defined $keys[$i];
 622         $offsets[$i >> 8] = $ranges * 256;
 623         $ranges++;
 624         $i |= 255;
 625     }
 626
 627     # output the range offsets
 628
 629     open OUTPUT,">collation.c.new" or die "Cannot create collation.c";
 630     printf "Building collation.c\n";
 631     printf OUTPUT "/* Unicode collation element table */\n";
 632     printf OUTPUT "/* generated from %s */\n", $SORTKEYS;
 633     printf OUTPUT "/* DO NOT EDIT!! */\n\n";
 634
 635     printf OUTPUT "const unsigned int collation_table[%d] =\n{\n", $ranges*256;
 636     printf OUTPUT "    /* index */\n";
 637     printf OUTPUT "%s,\n", DUMP_ARRAY( "0x%08x", 0, @offsets );
 638
 639     # output the default values
 640
 641     printf OUTPUT "    /* defaults */\n";
 642     printf OUTPUT "%s", DUMP_ARRAY( "0x%08x", 0, (0xffffffff) x 256 );
 643
 644     # output all the key ranges
 645
 646     for (my $i = 0; $i < 256; $i++)
 647     {
 648         next if $offsets[$i] == 256;
 649         printf OUTPUT ",\n    /* 0x%02x00 .. 0x%02xff */\n", $i, $i;
 650         printf OUTPUT "%s", DUMP_ARRAY( "0x%08x", 0xffffffff, @keys[($i<<8) .. ($i<<8)+255] );
 651     }
 652     printf OUTPUT "\n};\n";
 653     close OUTPUT;
 654     save_file("collation.c");
 655 }
 656
 657
 658 ################################################################
 659 # add default mappings once the file had been read
 660 sub ADD_DEFAULT_MAPPINGS
 661 {
 662     # Apply aliases
 663
 664     foreach $alias (@unicode_aliases)
 665     {
 666         my $target = undef;
 667         foreach $src (@$alias)
 668         {
 669             if (defined($uni2cp[$src]))
 670             {
 671                 $target = $uni2cp[$src];
 672                 last;
 673             }
 674         }
 675         next unless defined($target);
 676
 677         # At least one char of the alias set is defined, set the others to the same value
 678         foreach $src (@$alias)
 679         {
 680             $uni2cp[$src] = $target unless defined($uni2cp[$src]);
 681         }
 682     }
 683
 684     # For every src -> target mapping in the defaults table,
 685     # make uni2cp[src] = uni2cp[target] if uni2cp[target] is defined
 686
 687     for ($src = 0; $src < 65536; $src++)
 688     {
 689         next if defined($uni2cp[$src]);  # source has a definition already
 690         next unless defined($unicode_defaults[$src]);  # no default for this char
 691         my $target = $unicode_defaults[$src];
 692
 693         # do a recursive mapping until we find a target char that is defined
 694         while (!defined($uni2cp[$target]) &&
 695                defined($unicode_defaults[$target])) { $target = $unicode_defaults[$target]; }
 696
 697         if (defined($uni2cp[$target])) { $uni2cp[$src] = $uni2cp[$target]; }
 698     }
 699
 700     # Add an identity mapping for all undefined chars
 701
 702     for ($i = 0; $i < 256; $i++)
 703     {
 704         next if defined($cp2uni[$i]);
 705         next if defined($uni2cp[$i]);
 706         $cp2uni[$i] = $uni2cp[$i] = $i;
 707     }
 708 }
 709
 710 ################################################################
 711 # dump an array of integers
 712 sub DUMP_ARRAY
 713 {
 714     my ($format,$default,@array) = @_;
 715     my $i, $ret = "    ";
 716     for ($i = 0; $i < $#array; $i++)
 717     {
 718         $ret .= sprintf($format, defined $array[$i] ? $array[$i] : $default);
 719         $ret .= (($i % 8) != 7) ? ", " : ",\n    ";
 720     }
 721     $ret .= sprintf($format, defined $array[$i] ? $array[$i] : $default);
 722     return $ret;
 723 }
 724
 725 ################################################################
 726 # dump an SBCS mapping table
 727 sub DUMP_SBCS_TABLE
 728 {
 729     my ($codepage, $has_glyphs, $name) = @_;
 730     my $i;
 731
 732     # output the ascii->unicode table
 733
 734     if ($has_glyphs)
 735     {
 736         printf OUTPUT "static const WCHAR cp2uni[512] =\n";
 737         printf OUTPUT "{\n%s", DUMP_ARRAY( "0x%04x", $DEF_CHAR, @cp2uni[0 .. 255] );
 738         printf OUTPUT ",\n    /* glyphs */\n%s\n};\n\n",
 739                       DUMP_ARRAY( "0x%04x", $DEF_CHAR, get_glyphs_mapping(@cp2uni[0 .. 255]) );
 740     }
 741     else
 742     {
 743         printf OUTPUT "static const WCHAR cp2uni[256] =\n";
 744         printf OUTPUT "{\n%s\n};\n\n", DUMP_ARRAY( "0x%04x", $DEF_CHAR, @cp2uni[0 .. 255] );
 745     }
 746
 747     # count the number of unicode->ascii subtables that contain something
 748
 749     my @filled = ();
 750     my $subtables = 1;
 751     for ($i = 0; $i < 65536; $i++)
 752     {
 753         next unless defined $uni2cp[$i];
 754         $filled[$i >> 8] = 1;
 755         $subtables++;
 756         $i |= 255;
 757     }
 758
 759     # output all the subtables into a single array
 760
 761     printf OUTPUT "static const unsigned char uni2cp_low[%d] =\n{\n", $subtables*256;
 762     for ($i = 0; $i < 256; $i++)
 763     {
 764         next unless $filled[$i];
 765         printf OUTPUT "    /* 0x%02x00 .. 0x%02xff */\n", $i, $i;
 766         printf OUTPUT "%s,\n", DUMP_ARRAY( "0x%02x", $DEF_CHAR, @uni2cp[($i<<8) .. ($i<<8)+255] );
 767     }
 768     printf OUTPUT "    /* defaults */\n";
 769     printf OUTPUT "%s\n};\n\n", DUMP_ARRAY( "0x%02x", 0, ($DEF_CHAR) x 256 );
 770
 771     # output a table of the offsets of the subtables in the previous array
 772
 773     my $pos = 0;
 774     my @offsets = ();
 775     for ($i = 0; $i < 256; $i++)
 776     {
 777         if ($filled[$i]) { push @offsets, $pos; $pos += 256; }
 778         else { push @offsets, ($subtables-1) * 256; }
 779     }
 780     printf OUTPUT "static const unsigned short uni2cp_high[256] =\n";
 781     printf OUTPUT "{\n%s\n};\n\n", DUMP_ARRAY( "0x%04x", 0, @offsets );
 782
 783     # output the code page descriptor
 784
 785     printf OUTPUT "const struct sbcs_table cptable_%03d =\n{\n", $codepage;
 786     printf OUTPUT "    { %d, 1, 0x%04x, 0x%04x, \"%s\" },\n",
 787                   $codepage, $DEF_CHAR, $DEF_CHAR, $name;
 788     printf OUTPUT "    cp2uni,\n";
 789     if ($has_glyphs) { printf OUTPUT "    cp2uni + 256,\n"; }
 790     else { printf OUTPUT "    cp2uni,\n"; }
 791     printf OUTPUT "    uni2cp_low,\n";
 792     printf OUTPUT "    uni2cp_high\n};\n";
 793 }
 794
 795
 796 ################################################################
 797 # dump a DBCS mapping table
 798 sub DUMP_DBCS_TABLE
 799 {
 800     my ($codepage, $name) = @_;
 801     my $i, $x, $y;
 802
 803     # build a list of lead bytes that are actually used
 804
 805     my @lblist = ();
 806     LBLOOP: for ($y = 0; $y <= $#lead_bytes; $y++)
 807     {
 808         my $base = $lead_bytes[$y] << 8;
 809         for ($x = 0; $x < 256; $x++)
 810         {
 811             if (defined $cp2uni[$base+$x])
 812             {
 813                 push @lblist,$lead_bytes[$y];
 814                 next LBLOOP;
 815             }
 816         }
 817     }
 818     my $unused = ($#lead_bytes > $#lblist);
 819
 820     # output the ascii->unicode table for the single byte chars
 821
 822     printf OUTPUT "static const WCHAR cp2uni[%d] =\n", 256 * ($#lblist + 2 + $unused);
 823     printf OUTPUT "{\n%s,\n", DUMP_ARRAY( "0x%04x", $DEF_CHAR, @cp2uni[0 .. 255] );
 824
 825     # output the default table for unused lead bytes
 826
 827     if ($unused)
 828     {
 829         printf OUTPUT "    /* unused lead bytes */\n";
 830         printf OUTPUT "%s,\n", DUMP_ARRAY( "0x%04x", 0, ($DEF_CHAR) x 256 );
 831     }
 832
 833     # output the ascii->unicode table for each DBCS lead byte
 834
 835     for ($y = 0; $y <= $#lblist; $y++)
 836     {
 837         my $base = $lblist[$y] << 8;
 838         printf OUTPUT "    /* lead byte %02x */\n", $lblist[$y];
 839         printf OUTPUT "%s", DUMP_ARRAY( "0x%04x", $DEF_CHAR, @cp2uni[$base .. $base+255] );
 840         printf OUTPUT ($y < $#lblist) ? ",\n" : "\n};\n\n";
 841     }
 842
 843     # output the lead byte subtables offsets
 844
 845     my @offsets = ();
 846     for ($x = 0; $x < 256; $x++) { $offsets[$x] = 0; }
 847     for ($x = 0; $x <= $#lblist; $x++) { $offsets[$lblist[$x]] = $x + 1; }
 848     if ($unused)
 849     {
 850         # increment all lead bytes offset to take into account the unused table
 851         for ($x = 0; $x <= $#lead_bytes; $x++) { $offsets[$lead_bytes[$x]]++; }
 852     }
 853     printf OUTPUT "static const unsigned char cp2uni_leadbytes[256] =\n";
 854     printf OUTPUT "{\n%s\n};\n\n", DUMP_ARRAY( "0x%02x", 0, @offsets );
 855
 856     # count the number of unicode->ascii subtables that contain something
 857
 858     my @filled = ();
 859     my $subtables = 1;
 860     for ($i = 0; $i < 65536; $i++)
 861     {
 862         next unless defined $uni2cp[$i];
 863         $filled[$i >> 8] = 1;
 864         $subtables++;
 865         $i |= 255;
 866     }
 867
 868     # output all the subtables into a single array
 869
 870     printf OUTPUT "static const unsigned short uni2cp_low[%d] =\n{\n", $subtables*256;
 871     for ($y = 0; $y < 256; $y++)
 872     {
 873         next unless $filled[$y];
 874         printf OUTPUT "    /* 0x%02x00 .. 0x%02xff */\n", $y, $y;
 875         printf OUTPUT "%s,\n", DUMP_ARRAY( "0x%04x", $DEF_CHAR, @uni2cp[($y<<8) .. ($y<<8)+255] );
 876     }
 877     printf OUTPUT "    /* defaults */\n";
 878     printf OUTPUT "%s\n};\n\n", DUMP_ARRAY( "0x%04x", 0, ($DEF_CHAR) x 256 );
 879
 880     # output a table of the offsets of the subtables in the previous array
 881
 882     my $pos = 0;
 883     my @offsets = ();
 884     for ($y = 0; $y < 256; $y++)
 885     {
 886         if ($filled[$y]) { push @offsets, $pos; $pos += 256; }
 887         else { push @offsets, ($subtables-1) * 256; }
 888     }
 889     printf OUTPUT "static const unsigned short uni2cp_high[256] =\n";
 890     printf OUTPUT "{\n%s\n};\n\n", DUMP_ARRAY( "0x%04x", 0, @offsets );
 891
 892     # output the code page descriptor
 893
 894     printf OUTPUT "const struct dbcs_table cptable_%03d =\n{\n", $codepage;
 895     printf OUTPUT "    { %d, 2, 0x%04x, 0x%04x, \"%s\" },\n",
 896                   $codepage, $DEF_CHAR, $DEF_CHAR, $name;
 897     printf OUTPUT "    cp2uni,\n";
 898     printf OUTPUT "    cp2uni_leadbytes,\n";
 899     printf OUTPUT "    uni2cp_low,\n";
 900     printf OUTPUT "    uni2cp_high,\n";
 901     DUMP_LB_RANGES();
 902     printf OUTPUT "};\n";
 903 }
 904
 905
 906 ################################################################
 907 # dump the list of defined lead byte ranges
 908 sub DUMP_LB_RANGES
 909 {
 910     my @list = ();
 911     my $i = 0;
 912     foreach $i (@lead_bytes) { $list[$i] = 1; }
 913     my $on = 0;
 914     printf OUTPUT "    { ";
 915     for ($i = 0; $i < 256; $i++)
 916     {
 917         if ($on)
 918         {
 919             if (!defined $list[$i]) { printf OUTPUT "0x%02x, ", $i-1; $on = 0; }
 920         }
 921         else
 922         {
 923             if ($list[$i]) { printf OUTPUT "0x%02x, ", $i; $on = 1; }
 924         }
 925     }
 926     if ($on) { printf OUTPUT "0xff, "; }
 927     printf OUTPUT "0x00, 0x00 }\n";
 928 }
 929
 930
 931 ################################################################
 932 # dump the case mapping tables
 933 sub DUMP_CASE_MAPPINGS
 934 {
 935     open OUTPUT,">casemap.c.new" or die "Cannot create casemap.c";
 936     printf "Building casemap.c\n";
 937     printf OUTPUT "/* Unicode case mappings */\n";
 938     printf OUTPUT "/* Automatically generated; DO NOT EDIT!! */\n\n";
 939     printf OUTPUT "#include \"wine/unicode.h\"\n\n";
 940
 941     DUMP_CASE_TABLE( "wine_casemap_lower", @tolower_table );
 942     DUMP_CASE_TABLE( "wine_casemap_upper", @toupper_table );
 943     DUMP_CASE_TABLE( "wine_digitmap",  @digitmap_table );
 944     DUMP_CASE_TABLE( "wine_compatmap", @compatmap_table );
 945     close OUTPUT;
 946     save_file("casemap.c");
 947 }
 948
 949
 950 ################################################################
 951 # dump a case mapping table
 952 sub DUMP_CASE_TABLE
 953 {
 954     my ($name,@table) = @_;
 955
 956     # count the number of sub tables that contain something
 957     # also compute the low and upper populated bounds
 958
 959     my @lowerbounds = ( 0, 0 );
 960     my @upperbounds = ( 0, 255 );
 961     my $index = 0;
 962     my @filled = ();
 963     for ($i = 0; $i < 65536; $i++)
 964     {
 965         next unless defined $table[$i];
 966         if (!defined $filled[$i >> 8])
 967         {
 968           $lowerbounds[$index] = $i & 0xff;
 969           $upperbounds[$index] = 0xff - $lowerbounds[$index];
 970           $filled[$i >> 8] = $index * 256 + 512;
 971           $index++;
 972         }
 973         else
 974         {
 975           $upperbounds[$index-1] = 0xff - ($i & 0xff);
 976         }
 977         $table[$i] = ($table[$i] - $i) & 0xffff;
 978     }
 979
 980     # Collapse blocks upwards if possible
 981     my $removed = 0;
 982     $index = 0;
 983     for ($i = 0; $i < 256; $i++)
 984     {
 985         next unless defined $filled[$i];
 986         if ($upperbounds[$index - 1] > $lowerbounds[$index])
 987         {
 988            $removed = $removed + $lowerbounds[$index];
 989         }
 990         else
 991         {
 992            $removed = $removed + $upperbounds[$index - 1];
 993            $lowerbounds[$index] = $upperbounds[$index - 1];
 994         }
 995         $filled[$i] = $filled[$i] - $removed;
 996         $index++;
 997     }
 998
 999     # dump the table
1000
1001     printf OUTPUT "const WCHAR %s[%d] =\n", $name, $index * 256 + 512 - $removed;
1002     printf OUTPUT "{\n    /* index */\n";
1003     printf OUTPUT "%s,\n", DUMP_ARRAY( "0x%04x", 256, @filled );
1004     printf OUTPUT "    /* defaults */\n";
1005     printf OUTPUT "%s", DUMP_ARRAY( "0x%04x", 0, (0) x 256 );
1006     $index = 0;
1007     for ($i = 0; $i < 256; $i++)
1008     {
1009         next unless $filled[$i];
1010         printf OUTPUT ",\n    /* 0x%02x%02x .. 0x%02xff */\n", $i, $lowerbounds[$index], $i;
1011         printf OUTPUT "%s", DUMP_ARRAY( "0x%04x", 0,
1012                       @table[($i<<8) + $lowerbounds[$index] .. ($i<<8)+255] );
1013         $index++;
1014     }
1015     printf OUTPUT "\n};\n";
1016 }
1017
1018
1019 ################################################################
1020 # dump the ctype tables
1021 sub DUMP_CTYPE_TABLES
1022 {
1023     open OUTPUT,">wctype.c.new" or die "Cannot create wctype.c";
1024     printf "Building wctype.c\n";
1025     printf OUTPUT "/* Unicode ctype tables */\n";
1026     printf OUTPUT "/* Automatically generated; DO NOT EDIT!! */\n\n";
1027     printf OUTPUT "#include \"wine/unicode.h\"\n\n";
1028
1029     my $i;
1030     my @array = (0) x 256;
1031
1032     # add the direction in the high 4 bits of the category
1033     for ($i = 0; $i < 65536; $i++)
1034     {
1035         $category_table[$i] |= $direction_table[$i] << 12;
1036     }
1037
1038     # try to merge table rows
1039     for ($row = 0; $row < 256; $row++)
1040     {
1041         my $rowtxt = sprintf "%04x" x 256, @category_table[($row<<8)..($row<<8)+255];
1042         if (defined($sequences{$rowtxt}))
1043         {
1044             # reuse an existing row
1045             $array[$row] = $sequences{$rowtxt};
1046         }
1047         else
1048         {
1049             # create a new row
1050             $sequences{$rowtxt} = $array[$row] = $#array + 1;
1051             push @array, @category_table[($row<<8)..($row<<8)+255];
1052         }
1053     }
1054
1055     printf OUTPUT "const unsigned short wine_wctype_table[%d] =\n{\n", $#array+1;
1056     printf OUTPUT "    /* offsets */\n%s,\n", DUMP_ARRAY( "0x%04x", 0, @array[0..255] );
1057     printf OUTPUT "    /* values */\n%s\n};\n", DUMP_ARRAY( "0x%04x", 0, @array[256..$#array] );
1058
1059     close OUTPUT;
1060     save_file("wctype.c");
1061 }
1062
1063
1064 ################################################################
1065 # dump the char composition tables
1066 sub DUMP_COMPOSE_TABLES
1067 {
1068     open OUTPUT,">compose.c.new" or die "Cannot create compose.c";
1069     printf "Building compose.c\n";
1070     printf OUTPUT "/* Unicode char composition */\n";
1071     printf OUTPUT "/* Automatically generated; DO NOT EDIT!! */\n\n";
1072     printf OUTPUT "#include \"wine/unicode.h\"\n\n";
1073
1074     ######### composition table
1075
1076     my @filled = ();
1077     foreach $i (@compose_table)
1078     {
1079         my @comp = @$i;
1080         push @{$filled[$comp[1]]}, [ $comp[0], $comp[2] ];
1081     }
1082
1083     # count how many different second chars we have
1084
1085     for ($i = $count = 0; $i < 65536; $i++)
1086     {
1087         next unless defined $filled[$i];
1088         $count++;
1089     }
1090
1091     # build the table of second chars and offsets
1092
1093     my $pos = $count + 1;
1094     for ($i = 0; $i < 65536; $i++)
1095     {
1096         next unless defined $filled[$i];
1097         push @table, $i, $pos;
1098         $pos += @{$filled[$i]};
1099     }
1100     # terminator with last position
1101     push @table, 0, $pos;
1102     printf OUTPUT "const WCHAR unicode_compose_table[0x%x] =\n{\n", 2*$pos;
1103     printf OUTPUT "    /* second chars + offsets */\n%s", DUMP_ARRAY( "0x%04x", 0, @table );
1104
1105     # build the table of first chars and mappings
1106
1107     for ($i = 0; $i < 65536; $i++)
1108     {
1109         next unless defined $filled[$i];
1110         my @table = ();
1111         my @list = sort { $a->[0] <=> $b->[0] } @{$filled[$i]};
1112         for ($j = 0; $j <= $#list; $j++)
1113         {
1114             push @table, $list[$j][0], $list[$j][1];
1115         }
1116         printf OUTPUT ",\n    /* 0x%04x */\n%s", $i, DUMP_ARRAY( "0x%04x", 0, @table );
1117     }
1118     printf OUTPUT "\n};\n\nconst unsigned int unicode_compose_table_size = %d;\n\n", $count;
1119
1120     ######### decomposition table
1121
1122     # first determine all the 16-char subsets that contain something
1123
1124     my @filled = (0) x 4096;
1125     my $pos = 16*2;  # for the null subset
1126     for ($i = 0; $i < 65536; $i++)
1127     {
1128         next unless defined $decomp_table[$i];
1129         $filled[$i >> 4] = $pos;
1130         $pos += 16*2;
1131         $i |= 15;
1132     }
1133     my $total = $pos;
1134
1135     # now count the 256-char subsets that contain something
1136
1137     my @filled_idx = (256) x 256;
1138     $pos = 256 + 16;
1139     for ($i = 0; $i < 4096; $i++)
1140     {
1141         next unless $filled[$i];
1142         $filled_idx[$i >> 4] = $pos;
1143         $pos += 16;
1144         $i |= 15;
1145     }
1146     my $null_offset = $pos;  # null mapping
1147     $total += $pos;
1148
1149     # add the index offsets to the subsets positions
1150
1151     for ($i = 0; $i < 4096; $i++)
1152     {
1153         next unless $filled[$i];
1154         $filled[$i] += $null_offset;
1155     }
1156
1157     # dump the main index
1158
1159     printf OUTPUT "const WCHAR unicode_decompose_table[%d] =\n", $total;
1160     printf OUTPUT "{\n    /* index */\n";
1161     printf OUTPUT "%s", DUMP_ARRAY( "0x%04x", 0, @filled_idx );
1162     printf OUTPUT ",\n    /* null sub-index */\n%s", DUMP_ARRAY( "0x%04x", 0, ($null_offset) x 16 );
1163
1164     # dump the second-level indexes
1165
1166     for ($i = 0; $i < 256; $i++)
1167     {
1168         next unless ($filled_idx[$i] > 256);
1169         my @table = @filled[($i<<4)..($i<<4)+15];
1170         for ($j = 0; $j < 16; $j++) { $table[$j] ||= $null_offset; }
1171         printf OUTPUT ",\n    /* sub-index %02x */\n", $i;
1172         printf OUTPUT "%s", DUMP_ARRAY( "0x%04x", 0, @table );
1173     }
1174
1175     # dump the 16-char subsets
1176
1177     printf OUTPUT ",\n    /* null mapping */\n";
1178     printf OUTPUT "%s", DUMP_ARRAY( "0x%04x", 0, (0) x 32 );
1179
1180     for ($i = 0; $i < 4096; $i++)
1181     {
1182         next unless $filled[$i];
1183         my @table = (0) x 32;
1184         for ($j = 0; $j < 16; $j++)
1185         {
1186             if (defined $decomp_table[($i<<4) + $j])
1187             {
1188                 $table[2 * $j] = ${$decomp_table[($i << 4) + $j]}[0];
1189                 $table[2 * $j + 1] = ${$decomp_table[($i << 4) + $j]}[1];
1190             }
1191         }
1192         printf OUTPUT ",\n    /* 0x%03x0 .. 0x%03xf */\n", $i, $i;
1193         printf OUTPUT "%s", DUMP_ARRAY( "0x%04x", 0, @table );
1194     }
1195
1196     printf OUTPUT "\n};\n";
1197     close OUTPUT;
1198     save_file("compose.c");
1199 }
1200
1201
1202 ################################################################
1203 # read an input file and generate the corresponding .c file
1204 sub HANDLE_FILE
1205 {
1206     my ($codepage,$filename,$has_glyphs,$comment) = @_;
1207
1208     @cp2uni = ();
1209     @lead_bytes = ();
1210     @uni2cp = ();
1211
1212     # symbol codepage file is special
1213     if ($codepage == 20932) { READ_JIS0208_FILE($MAPPREFIX . $filename); }
1214     elsif ($codepage == 20127) { fill_20127_codepage(); }
1215     else { READ_FILE($MAPPREFIX . $filename); }
1216
1217     # hack: 0x00a5 must map to backslash in Shift-JIS
1218     if ($codepage == 932) { $uni2cp[0x00a5] = 0x5c; }
1219
1220     ADD_DEFAULT_MAPPINGS();
1221
1222     my $output = sprintf "c_%03d.c", $codepage;
1223     open OUTPUT,">$output.new" or die "Cannot create $output";
1224
1225     printf "Building %s from %s (%s)\n", $output, $filename || "hardcoded data", $comment;
1226
1227     # dump all tables
1228
1229     printf OUTPUT "/* code page %03d (%s) */\n", $codepage, $comment;
1230     if ($filename)
1231     {
1232         printf OUTPUT "/* generated from %s */\n", $MAPPREFIX . $filename;
1233         printf OUTPUT "/* DO NOT EDIT!! */\n\n";
1234     }
1235     else
1236     {
1237         printf OUTPUT "/* Automatically generated; DO NOT EDIT!! */\n\n";
1238     }
1239     printf OUTPUT "#include \"wine/unicode.h\"\n\n";
1240
1241     if ($#lead_bytes == -1) { DUMP_SBCS_TABLE( $codepage, $has_glyphs, $comment ); }
1242     else { DUMP_DBCS_TABLE( $codepage, $comment ); }
1243     close OUTPUT;
1244     save_file($output);
1245 }
1246
1247
1248 ################################################################
1249 # save a file if modified
1250 sub save_file($)
1251 {
1252     my $file = shift;
1253     if (-f $file && !system "cmp $file $file.new >/dev/null")
1254     {
1255         unlink "$file.new";
1256     }
1257     else
1258     {
1259         rename "$file.new", "$file";
1260     }
1261 }
1262
1263
1264 ################################################################
1265 # output the list of codepage tables into the cptable.c file
1266 sub OUTPUT_CPTABLE
1267 {
1268     @tables_decl = ();
1269
1270     foreach $file (@allfiles)
1271     {
1272         my ($codepage,$filename,$comment) = @$file;
1273         push @tables_decl, sprintf("extern union cptable cptable_%03d;\n",$codepage);
1274     }
1275
1276     push @tables_decl, sprintf("\nstatic const union cptable * const cptables[%d] =\n{\n",$#allfiles+1);
1277     foreach $file (@allfiles)
1278     {
1279         my ($codepage,$filename,$comment) = @$file;
1280         push @tables_decl, sprintf("    &cptable_%03d,\n", $codepage);
1281     }
1282     push @tables_decl, "};";
1283     REPLACE_IN_FILE( "cptable.c", @tables_decl );
1284 }
1285
1286 ################################################################
1287 # replace the contents of a file between ### cpmap ### marks
1288
1289 sub REPLACE_IN_FILE
1290 {
1291     my $name = shift;
1292     my @data = @_;
1293     my @lines = ();
1294     open(FILE,$name) or die "Can't open $name";
1295     while (<FILE>)
1296     {
1297         push @lines, $_;
1298         last if /\#\#\# cpmap begin \#\#\#/;
1299     }
1300     push @lines, @data;
1301     while (<FILE>)
1302     {
1303         if (/\#\#\# cpmap end \#\#\#/) { push @lines, "\n", $_; last; }
1304     }
1305     push @lines, <FILE>;
1306     open(FILE,">$name.new") or die "Can't modify $name";
1307     print FILE @lines;
1308     close(FILE);
1309     save_file($name);
1310 }