(Vcoded_charset_entity_reference_alist): New variable.
authortomo <tomo>
Fri, 5 Jul 2002 03:31:21 +0000 (03:31 +0000)
committertomo <tomo>
Fri, 5 Jul 2002 03:31:21 +0000 (03:31 +0000)
(Quse_entity_reference): New variable.
(Qd): New variable.
(Qx): New variable.
(QX): New variable.
(coding_system_description): Add description for `ccs_priority_list'.
(mark_coding_system): Mark `ccs_priority_list' in UTF-2000.
(allocate_coding_system): Initialize `ccs_priority_list' in UTF-2000.
(Fmake_coding_system): Add description about 'use-entity-reference;
setup CODING_SYSTEM_USE_ENTITY_REFERENCE (codesys).
(Fcoding_system_property): Accept `disable-composition' and
`use-entity-reference' in UTF-2000.
(struct decoding_stream): Add new member `er_counter' and `er_buf' in
UTF-2000.
(reset_decoding_stream): Initialize `str->er_counter' in UTF-2000.
(decode_coding_utf8): Decode entity-reference if
CODING_SYSTEM_USE_ENTITY_REFERENCE (str->codesys).
(char_encode_utf8): Encode non-Unicode characters as entity-references
if CODING_SYSTEM_USE_ENTITY_REFERENCE (str->codesys).
(syms_of_file_coding): Add new symbols `use-entity-reference', `d',
`x', `X'.
(vars_of_file_coding): Add new variable
`coded-charset-entity-reference-alist'.
(complex_vars_of_file_coding): Declare `disable-composition' and
`use-entity-reference' to be coding-system-properties in UTF-2000.

src/text-coding.c

index 2a0ed68..6ac6ae0 100644 (file)
@@ -46,6 +46,8 @@ Lisp_Object Vcoding_system_for_read;
 Lisp_Object Vcoding_system_for_write;
 Lisp_Object Vfile_name_coding_system;
 
+Lisp_Object Vcoded_charset_entity_reference_alist;
+
 /* Table of symbols identifying each coding category. */
 Lisp_Object coding_category_symbol[CODING_CATEGORY_LAST];
 
@@ -103,6 +105,8 @@ Lisp_Object Qshort, Qno_ascii_eol, Qno_ascii_cntl, Qseven, Qlock_shift;
 #endif
 #ifdef UTF2000
 Lisp_Object Qdisable_composition;
+Lisp_Object Quse_entity_reference;
+Lisp_Object Qd, Qx, QX;
 #endif
 Lisp_Object Qencode, Qdecode;
 
@@ -329,6 +333,9 @@ static const struct lrecord_description coding_system_description[] = {
   { XD_STRUCT_PTR,  offsetof (Lisp_Coding_System, iso2022.output_conv), 1, &ccsd_description },
   { XD_LISP_OBJECT, offsetof (Lisp_Coding_System, ccl.decode) },
   { XD_LISP_OBJECT, offsetof (Lisp_Coding_System, ccl.encode) },
+#ifdef UTF2000
+  { XD_LISP_OBJECT, offsetof (Lisp_Coding_System, ccs_priority_list) },
+#endif
 #endif
   { XD_END }
 };
@@ -397,6 +404,9 @@ mark_coding_system (Lisp_Object obj)
     }
 
   mark_object (CODING_SYSTEM_PRE_WRITE_CONVERSION (codesys));
+#ifdef UTF2000
+  mark_object (CODING_SYSTEM_CCS_PRIORITY_LIST (codesys));
+#endif
   return CODING_SYSTEM_POST_READ_CONVERSION (codesys);
 }
 
@@ -645,6 +655,9 @@ allocate_coding_system (enum coding_system_type type, Lisp_Object name)
   CODING_SYSTEM_TYPE     (codesys) = type;
   CODING_SYSTEM_MNEMONIC (codesys) = Qnil;
 #ifdef MULE
+#ifdef UTF2000
+  CODING_SYSTEM_CCS_PRIORITY_LIST (codesys) = Qnil;
+#endif
   if (type == CODESYS_ISO2022)
     {
       int i;
@@ -814,6 +827,9 @@ character set.  Recognized properties are:
      If non-nil, composition/decomposition for combining characters
      are disabled.
 
+'use-entity-reference
+     If non-nil, SGML style entity-reference is used for non-system-characters.
+
 'post-read-conversion
      Function called after a file has been read in, to perform the
      decoding.  Called with two arguments, START and END, denoting
@@ -965,6 +981,8 @@ if TYPE is 'ccl:
 #ifdef UTF2000
        else if (EQ (key, Qdisable_composition))
          CODING_SYSTEM_DISABLE_COMPOSITION (codesys) = !NILP (value);
+       else if (EQ (key, Quse_entity_reference))
+         CODING_SYSTEM_USE_ENTITY_REFERENCE (codesys) = !NILP (value);
 #endif
 #ifdef MULE
        else if (ty == CODESYS_ISO2022)
@@ -1427,6 +1445,12 @@ Return the PROP property of CODING-SYSTEM.
   else if (EQ (prop, Qpre_write_conversion))
     return XCODING_SYSTEM_PRE_WRITE_CONVERSION (coding_system);
 #ifdef MULE
+#ifdef UTF2000
+  else if (EQ (prop, Qdisable_composition))
+    return XCODING_SYSTEM_DISABLE_COMPOSITION (coding_system) ? Qt : Qnil;
+  else if (EQ (prop, Quse_entity_reference))
+    return XCODING_SYSTEM_USE_ENTITY_REFERENCE (coding_system) ? Qt : Qnil;
+#endif
   else if (type == CODESYS_ISO2022)
     {
       if (EQ (prop, Qcharset_g0))
@@ -2224,6 +2248,9 @@ struct decoding_stream
   unsigned char counter;
 #endif
 #ifdef UTF2000
+  unsigned char er_counter;
+  unsigned char er_buf[16];
+
   unsigned combined_char_count;
   Emchar combined_chars[16];
   Lisp_Object combining_table;
@@ -2446,6 +2473,7 @@ reset_decoding_stream (struct decoding_stream *str)
   str->counter = 0;
 #endif /* MULE */
 #ifdef UTF2000
+  str->er_counter = 0;
   str->combined_char_count = 0;
   str->combining_table = Qnil;
 #endif
@@ -4005,6 +4033,7 @@ decode_coding_utf8 (Lstream *decoding, const Extbyte *src,
   unsigned int cpos    = str->cpos;
   eol_type_t eol_type  = str->eol_type;
   unsigned char counter        = str->counter;
+  unsigned char er_counter = str->er_counter;
 
   while (n--)
     {
@@ -4013,33 +4042,149 @@ decode_coding_utf8 (Lstream *decoding, const Extbyte *src,
        {
          if ( c < 0xC0 )
            {
-             DECODE_HANDLE_EOL_TYPE (eol_type, c, flags, dst);
-             DECODE_ADD_UCS_CHAR (c, dst);
-           }
-         else if ( c < 0xE0 )
-           {
-             cpos = c & 0x1f;
-             counter = 1;
-           }
-         else if ( c < 0xF0 )
-           {
-             cpos = c & 0x0f;
-             counter = 2;
-           }
-         else if ( c < 0xF8 )
-           {
-             cpos = c & 0x07;
-             counter = 3;
-           }
-         else if ( c < 0xFC )
-           {
-             cpos = c & 0x03;
-             counter = 4;
+             if (!CODING_SYSTEM_USE_ENTITY_REFERENCE (str->codesys))
+               {
+                 DECODE_HANDLE_EOL_TYPE (eol_type, c, flags, dst);
+                 DECODE_ADD_UCS_CHAR (c, dst);
+               }
+             else if (er_counter == 0)
+               {
+                 if (c == '&')
+                   {
+                     str->er_buf[0] = '&';
+                     er_counter++;
+                   }
+                 else
+                   {
+                     DECODE_HANDLE_EOL_TYPE (eol_type, c, flags, dst);
+                     DECODE_ADD_UCS_CHAR (c, dst);
+                   }
+               }
+             else if (c == ';')
+               {
+                 Lisp_Object string = make_string (str->er_buf, er_counter);
+                 Lisp_Object rest = Vcoded_charset_entity_reference_alist;
+                 Lisp_Object cell;
+                 Lisp_Object ret;
+                 Lisp_Object pat;
+                 Lisp_Object ccs;
+                 int base;
+
+                 while (!NILP (rest))
+                   {                 
+                     cell = Fcar (rest);
+                     ccs = Fcar (cell);
+                     if (NILP (ccs = Ffind_charset (ccs)))
+                       continue;
+
+                     cell = Fcdr (cell);
+                     ret = Fcar (cell);
+                     if (STRINGP (ret))
+                       pat = ret;
+                     else
+                       continue;
+
+                     cell = Fcdr (cell);
+                     cell = Fcdr (cell);
+                     ret = Fcar (cell);
+                     if (EQ (ret, Qd))
+                       {
+                         pat = concat3 (build_string ("^&"),
+                                        pat, build_string ("\\([0-9]+\\)$"));
+                         base = 10;
+                       }
+                     else if (EQ (ret, Qx))
+                       {
+                         pat = concat3 (build_string ("^&"),
+                                        pat,
+                                        build_string ("\\([0-9a-f]+\\)$"));
+                         base = 16;
+                       }
+                     else if (EQ (ret, QX))
+                       {
+                         pat = concat3 (build_string ("^&"),
+                                        pat,
+                                        build_string ("\\([0-9A-F]+\\)$"));
+                         base = 16;
+                       }
+                     else
+                       continue;
+
+                     if (!NILP (Fstring_match (pat, string, Qnil, Qnil)))
+                       {
+                         int code
+                           = XINT (Fstring_to_number
+                                   (Fsubstring (string,
+                                                Fmatch_beginning
+                                                (make_int (1)),
+                                                Fmatch_end (make_int (1))),
+                                    make_int (base)));
+
+                         DECODE_ADD_UCS_CHAR (DECODE_CHAR (ccs, code), dst);
+                         goto decoded;
+                       }
+                     rest = Fcdr (rest);
+                   }
+                 if (!NILP (Fstring_match
+                            (build_string ("^&MCS-\\([0-9A-F]+\\)$"),
+                             string, Qnil, Qnil)))
+                   {
+                     int code
+                       = XINT (Fstring_to_number
+                               (Fsubstring (string,
+                                            Fmatch_beginning
+                                            (make_int (1)),
+                                            Fmatch_end (make_int (1))),
+                                make_int (16)));
+
+                     DECODE_ADD_UCS_CHAR (code, dst);
+                   }
+                 else
+                   {
+                     Dynarr_add_many (dst, str->er_buf, er_counter);
+                     Dynarr_add (dst, ';');
+                   }
+               decoded:
+                 er_counter = 0;
+               }
+             else if ( (er_counter >= 16) || (c <= ' ') || (c >= 0x7F) )
+               {
+                 Dynarr_add_many (dst, str->er_buf, er_counter);
+                 er_counter = 0;
+                 DECODE_ADD_UCS_CHAR (c, dst);
+               }
+             else
+               str->er_buf[er_counter++] = c;
            }
          else
            {
-             cpos = c & 0x01;
-             counter = 5;
+             Dynarr_add_many (dst, str->er_buf, er_counter);
+             er_counter = 0;
+             if ( c < 0xE0 )
+               {
+                 cpos = c & 0x1f;
+                 counter = 1;
+               }
+             else if ( c < 0xF0 )
+               {
+                 cpos = c & 0x0f;
+                 counter = 2;
+               }
+             else if ( c < 0xF8 )
+               {
+                 cpos = c & 0x07;
+                 counter = 3;
+               }
+             else if ( c < 0xFC )
+               {
+                 cpos = c & 0x03;
+                 counter = 4;
+               }
+             else
+               {
+                 cpos = c & 0x01;
+                 counter = 5;
+               }
            }
        }
       else if ( (c & 0xC0) == 0x80 )
@@ -4065,15 +4210,23 @@ decode_coding_utf8 (Lstream *decoding, const Extbyte *src,
     }
 
   if (flags & CODING_STATE_END)
-    if (counter > 0)
-      {
-       decode_output_utf8_partial_char (counter, cpos, dst);
-       cpos = 0;
-       counter = 0;
-      }
+    {
+      if (counter > 0)
+       {
+         decode_output_utf8_partial_char (counter, cpos, dst);
+         cpos = 0;
+         counter = 0;
+       }
+      else if ( er_counter > 0)
+       {
+         Dynarr_add_many (dst, str->er_buf, er_counter);
+         er_counter = 0;
+       }
+    }
   str->flags   = flags;
   str->cpos    = cpos;
   str->counter = counter;
+  str->er_counter = er_counter;
 }
 
 void
@@ -4093,40 +4246,117 @@ char_encode_utf8 (struct encoding_stream *str, Emchar ch,
     {
       Dynarr_add (dst, ch);
     }
-  else if (ch <= 0x7ff)
-    {
-      Dynarr_add (dst, (ch >> 6) | 0xc0);
-      Dynarr_add (dst, (ch & 0x3f) | 0x80);
-    }
-  else if (ch <= 0xffff)
-    {
-      Dynarr_add (dst,  (ch >> 12) | 0xe0);
-      Dynarr_add (dst, ((ch >>  6) & 0x3f) | 0x80);
-      Dynarr_add (dst,  (ch        & 0x3f) | 0x80);
-    }
-  else if (ch <= 0x1fffff)
-    {
-      Dynarr_add (dst,  (ch >> 18) | 0xf0);
-      Dynarr_add (dst, ((ch >> 12) & 0x3f) | 0x80);
-      Dynarr_add (dst, ((ch >>  6) & 0x3f) | 0x80);
-      Dynarr_add (dst,  (ch        & 0x3f) | 0x80);
-    }
-  else if (ch <= 0x3ffffff)
-    {
-      Dynarr_add (dst,  (ch >> 24) | 0xf8);
-      Dynarr_add (dst, ((ch >> 18) & 0x3f) | 0x80);
-      Dynarr_add (dst, ((ch >> 12) & 0x3f) | 0x80);
-      Dynarr_add (dst, ((ch >>  6) & 0x3f) | 0x80);
-      Dynarr_add (dst,  (ch        & 0x3f) | 0x80);
-    }
   else
     {
-      Dynarr_add (dst,  (ch >> 30) | 0xfc);
-      Dynarr_add (dst, ((ch >> 24) & 0x3f) | 0x80);
-      Dynarr_add (dst, ((ch >> 18) & 0x3f) | 0x80);
-      Dynarr_add (dst, ((ch >> 12) & 0x3f) | 0x80);
-      Dynarr_add (dst, ((ch >>  6) & 0x3f) | 0x80);
-      Dynarr_add (dst,  (ch        & 0x3f) | 0x80);
+      int code_point = charset_code_point (Vcharset_ucs, ch);
+
+      if ( (code_point < 0) || (code_point > 0x10FFFF) )
+       {
+         if (CODING_SYSTEM_USE_ENTITY_REFERENCE (str->codesys))
+           {
+             Lisp_Object rest = Vcoded_charset_entity_reference_alist;
+             Lisp_Object cell;
+             Lisp_Object ret;
+             Lisp_Object ccs;
+             int format_columns, idx;
+             char buf[16], format[16];
+
+             while (!NILP (rest))
+               {
+                 cell = Fcar (rest);
+                 ccs = Fcar (cell);
+                 if (!NILP (ccs = Ffind_charset (ccs)))
+                   {
+                     if ( (code_point
+                           = charset_code_point (ccs, ch)) >= 0 )
+                       {
+                         cell = Fcdr (cell);
+                         ret = Fcar (cell);
+                         if (STRINGP (ret)
+                             && ((idx =XSTRING_LENGTH (ret)) <= 6))
+                           {
+                             strncpy (format, XSTRING_DATA (ret), idx);
+                           }
+                         else
+                           continue;
+
+                         cell = Fcdr (cell);
+                         ret = Fcar (cell);
+                         if (INTP (ret))
+                           {
+                             format [idx++] = '%';
+                             format_columns = XINT (ret);
+                             if ( (2 <= format_columns)
+                                  && (format_columns <= 8) )
+                               {
+                                 format [idx++] = '0';
+                                 format [idx++] = '0' + format_columns;
+                               }
+                           }
+
+                         cell = Fcdr (cell);
+                         ret = Fcar (cell);
+                         if (EQ (ret, Qd))
+                           format [idx++] = 'd';
+                         else if (EQ (ret, Qx))
+                           format [idx++] = 'x';
+                         else if (EQ (ret, QX))
+                           format [idx++] = 'X';
+                         else
+                           continue;
+                         format [idx++] = 0;
+
+                         sprintf (buf, format, code_point);
+                         Dynarr_add (dst, '&');
+                         Dynarr_add_many (dst, buf, strlen (buf));
+                         Dynarr_add (dst, ';');
+                         return;
+                       }
+                   }
+                 rest = Fcdr (rest);
+               }
+             sprintf (buf, "&MCS-%08X;", ch);
+             Dynarr_add_many (dst, buf, strlen (buf));
+             return;
+           }
+         else
+           code_point = ch;
+       }
+      if (code_point <= 0x7ff)
+       {
+         Dynarr_add (dst, (code_point >> 6) | 0xc0);
+         Dynarr_add (dst, (code_point & 0x3f) | 0x80);
+       }
+      else if (code_point <= 0xffff)
+       {
+         Dynarr_add (dst,  (code_point >> 12) | 0xe0);
+         Dynarr_add (dst, ((code_point >>  6) & 0x3f) | 0x80);
+         Dynarr_add (dst,  (code_point        & 0x3f) | 0x80);
+       }
+      else if (code_point <= 0x1fffff)
+       {
+         Dynarr_add (dst,  (code_point >> 18) | 0xf0);
+         Dynarr_add (dst, ((code_point >> 12) & 0x3f) | 0x80);
+         Dynarr_add (dst, ((code_point >>  6) & 0x3f) | 0x80);
+         Dynarr_add (dst,  (code_point        & 0x3f) | 0x80);
+       }
+      else if (code_point <= 0x3ffffff)
+       {
+         Dynarr_add (dst,  (code_point >> 24) | 0xf8);
+         Dynarr_add (dst, ((code_point >> 18) & 0x3f) | 0x80);
+         Dynarr_add (dst, ((code_point >> 12) & 0x3f) | 0x80);
+         Dynarr_add (dst, ((code_point >>  6) & 0x3f) | 0x80);
+         Dynarr_add (dst,  (code_point        & 0x3f) | 0x80);
+       }
+      else
+       {
+         Dynarr_add (dst,  (code_point >> 30) | 0xfc);
+         Dynarr_add (dst, ((code_point >> 24) & 0x3f) | 0x80);
+         Dynarr_add (dst, ((code_point >> 18) & 0x3f) | 0x80);
+         Dynarr_add (dst, ((code_point >> 12) & 0x3f) | 0x80);
+         Dynarr_add (dst, ((code_point >>  6) & 0x3f) | 0x80);
+         Dynarr_add (dst,  (code_point        & 0x3f) | 0x80);
+       }
     }
 }
 
@@ -5789,6 +6019,10 @@ syms_of_file_coding (void)
 #endif /* MULE */
 #ifdef UTF2000
   defsymbol (&Qdisable_composition, "disable-composition");
+  defsymbol (&Quse_entity_reference, "use-entity-reference");
+  defsymbol (&Qd, "d");
+  defsymbol (&Qx, "x");
+  defsymbol (&QX, "X");
 #endif
   defsymbol (&Qencode, "encode");
   defsymbol (&Qdecode, "decode");
@@ -5892,6 +6126,17 @@ Coding system used to convert pathnames when accessing files.
 */ );
   Vfile_name_coding_system = Qnil;
 
+  DEFVAR_LISP ("coded-charset-entity-reference-alist",
+              &Vcoded_charset_entity_reference_alist /*
+Alist of coded-charset vs corresponding entity-reference.
+Each element looks like (CCS PREFIX CODE-COLUMNS CODE-TYPE).
+CCS is coded-charset.
+CODE-COLUMNS is columns of code-point of entity-reference.
+CODE-TYPE is format type of code-point of entity-reference.
+`d' means decimal value and `x' means hexadecimal value.
+*/ );
+  Vcoded_charset_entity_reference_alist = Qnil;
+
   DEFVAR_BOOL ("enable-multibyte-characters", &enable_multibyte_characters /*
 Non-nil means the buffer contents are regarded as multi-byte form
 of characters, not a binary code.  This affects the display, file I/O,
@@ -5948,6 +6193,10 @@ complex_vars_of_file_coding (void)
 
   DEFINE_CODESYS_PROP (CODESYS_PROP_CCL,     Qencode);
   DEFINE_CODESYS_PROP (CODESYS_PROP_CCL,     Qdecode);
+#ifdef UTF2000
+  DEFINE_CODESYS_PROP (CODESYS_PROP_ALL_OK,  Qdisable_composition);
+  DEFINE_CODESYS_PROP (CODESYS_PROP_ALL_OK,  Quse_entity_reference);
+#endif
 #endif /* MULE */
   /* Need to create this here or we're really screwed. */
   Fmake_coding_system