chise/utf8.rb

   1 # Copyright (C) 2002-2004 Kouichirou Eto, All rights reserved.
   2
   3 module CHISE
   4   module UTF8Value
   5     def u8toi(str)
   6       raise if str.nil?
   7
   8       i = 0
   9       len = str.length
  10
  11       raise unless 1 <= len
  12
  13       c = str[i]
  14       i += 1
  15
  16       if ( c < 0xC0 )
  17         cid = c
  18         counter = 0
  19       elsif ( c < 0xE0 )
  20         cid = c & 0x1f
  21         counter = 1
  22       elsif ( c < 0xF0 )
  23         cid = c & 0x0f
  24         counter = 2
  25       elsif ( c < 0xF8 )
  26         cid = c & 0x07
  27         counter = 3
  28       elsif ( c < 0xFC )
  29         cid = c & 0x03
  30         counter = 4
  31       else
  32         cid = c & 0x01
  33         counter = 5
  34       end
  35
  36       if (counter + 1 <= len)
  37         (0...counter).each {|j|
  38           cid = (cid << 6) | (str[j + i] & 0x3F)
  39         }
  40         return cid
  41       end
  42
  43       raise
  44     end
  45
  46     def itou8(cid)
  47       raise unless cid.kind_of?(Integer)
  48       if (cid <= 0x7F)
  49         return ""+cid.chr
  50       elsif (cid <= 0x7FF)
  51         dest = "  "
  52         dest[0] = (cid >> 6) | 0xC0
  53         dest[1] = (cid & 0x3F) | 0x80
  54         return dest
  55       elsif (cid <= 0xFFFF)
  56         dest = "   "
  57         dest[0] =  (cid >> 12) | 0xE0
  58         dest[1] = ((cid >>  6) & 0x3F) | 0x80
  59         dest[2] =  (cid        & 0x3F) | 0x80
  60         return dest
  61       elsif (cid <= 0x1FFFFF)
  62         dest = "    "
  63         dest[0] =  (cid >> 18) | 0xF0
  64         dest[1] = ((cid >> 12) & 0x3F) | 0x80
  65         dest[2] = ((cid >>  6) & 0x3F) | 0x80
  66         dest[3] =  (cid        & 0x3F) | 0x80
  67         return dest
  68       elsif (cid <= 0x3FFFFFF)
  69         dest = "     "
  70         dest[0] =  (cid >> 24) | 0xF8
  71         dest[1] = ((cid >> 18) & 0x3F) | 0x80
  72         dest[2] = ((cid >> 12) & 0x3F) | 0x80
  73         dest[3] = ((cid >>  6) & 0x3F) | 0x80
  74         dest[4] =  (cid        & 0x3F) | 0x80
  75         return dest
  76       else
  77         dest = "      "
  78         dest[0] =  (cid >> 30) | 0xFC
  79         dest[1] = ((cid >> 24) & 0x3F) | 0x80
  80         dest[2] = ((cid >> 18) & 0x3F) | 0x80
  81         dest[3] = ((cid >> 12) & 0x3F) | 0x80
  82         dest[4] = ((cid >>  6) & 0x3F) | 0x80
  83         dest[5] =  (cid        & 0x3F) | 0x80
  84         return dest
  85       end
  86     end
  87   end
  88 end