gb180304.awk

   1 # gb18030-4.awk -- awk script to make a charset map for 4-byte part of GB18030
   2 # Copyright (C) 2003
   3 #   National Institute of Advanced Industrial Science and Technology (AIST)
   4 #   Registration Number H15PRO112
   5 #
   6 # This file is part of the m17n database, a sub-part of the m17n library.
   7 #
   8 # The m17n library is free software; you can redistribute it and/or
   9 # modify it under the terms of the GNU General Public License as
  10 # published by the Free Software Foundation; either version 2, or (at
  11 # your option) any later version.
  12 #
  13 # The m17n library is distributed in the hope that it will be
  14 # useful, but WITHOUT ANY WARRANTY; without even the implied warranty
  15 # of MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  16 # GNU General Public License for more details.
  17 #
  18 # You should have received a copy of the GNU General Public License
  19 # along with the m17n database; see the file COPYING.  If not, write
  20 # to the Free Software Foundation, Inc., 51 Franklin Street, Fifth Floor,
  21 # Boston, MA 02110-1301, USA.
  22
  23 BEGIN {
  24   tohex["A"] = 10;
  25   tohex["B"] = 11;
  26   tohex["C"] = 12;
  27   tohex["D"] = 13;
  28   tohex["E"] = 14;
  29   tohex["F"] = 15;
  30   tohex["a"] = 10;
  31   tohex["b"] = 11;
  32   tohex["c"] = 12;
  33   tohex["d"] = 13;
  34   tohex["e"] = 14;
  35   tohex["f"] = 15;
  36 }
  37
  38 function decode_hex(str) {
  39   n = 0;
  40   len = length(str);
  41   for (i = 1; i <= len; i++)
  42     {
  43       c = substr (str, i, 1);
  44       if (c >= "0" && c <= "9")
  45         n = n * 16 + (c - "0");
  46       else
  47         n = n * 16 + tohex[c];
  48     }
  49   return n;
  50 }
  51
  52 function gb_to_index(gb) {
  53   b0 = int(gb / 256);
  54   b1 = gb % 256;
  55   idx = (((b0 - 129)) * 191 + b1 - 64);
  56 #  if (b1 >= 127)
  57 #    idx--;
  58   return idx
  59 }
  60
  61 function index_to_gb(idx) {
  62   b3 = (idx % 10) + 48;
  63   idx = int(idx / 10);
  64   b2 = (idx % 126) + 129;
  65   idx = int(idx / 126);
  66   b1 = (idx % 10) + 48;
  67   b0 = int(idx / 10) + 129;
  68   return sprintf("%02X%02X%02X%02X", b0, b1, b2, b3);
  69 }
  70
  71 /^\#/ {
  72   print;
  73   next;
  74 }
  75
  76 /0x....-0x..../ {
  77   gb_from = gb_to_index(decode_hex(substr($1, 3, 4)));
  78   gb_to = gb_to_index(decode_hex(substr($1, 10, 4)));
  79   unicode = decode_hex(substr($2, 3, 4));
  80   while (gb_from <= gb_to)
  81     {
  82       table[unicode++] = 1;
  83       gb_from++;
  84     }
  85   next;
  86 }
  87
  88 {
  89   gb = decode_hex(substr($1, 3, 4));
  90   unicode = decode_hex(substr($2, 3, 4));
  91   table[unicode] = 1;
  92 }
  93
  94 END {
  95   from_gb = -1;
  96   to_gb = 0;
  97   from_i = 0;
  98   table[65536] = 1;
  99   for (i = 128; i <= 65536; i++)
 100     {
 101       if (table[i] == 0)
 102         {
 103           if (i < 55296 || i >= 57344)
 104             {
 105               if (from_gb < 0)
 106                 {
 107                   from_gb = to_gb;
 108                   from_i = i;
 109                 }
 110               to_gb++;
 111             }
 112         }
 113       else if (from_gb >= 0)
 114         {
 115           if (from_gb + 1 == to_gb)
 116             printf "0x%s\t\t0x%04X\n",
 117               index_to_gb(from_gb), from_i;
 118           else
 119             printf "0x%s-0x%s\t0x%04X\n",
 120               index_to_gb(from_gb), index_to_gb(to_gb - 1), from_i;
 121           from_gb = -1;
 122         }
 123     }
 124 }