git.sesse.net Git - vlc/blob - src/misc/charset.c

   1 /*****************************************************************************
   2  * charset.c: Determine a canonical name for the current locale's character
   3  *            encoding.
   4  *****************************************************************************
   5  * Copyright (C) 2003-2004 VideoLAN
   6  * $Id: charset.c,v 1.6 2004/01/06 12:02:06 zorglub Exp $
   7  *
   8  * Author: Derk-Jan Hartman <thedj at users.sf.net>
   9  *
  10  * vlc_current_charset() an adaption of mp_locale_charset():
  11  *
  12  *  Copyright (C) 2001-2003 The Mape Project
  13  *  Written by Karel Zak  <zakkr@zf.jcu.cz>.
  14  *
  15  * This program is free software; you can redistribute it and/or modify
  16  * it under the terms of the GNU General Public License as published by
  17  * the Free Software Foundation; either version 2 of the License, or
  18  * (at your option) any later version.
  19  *
  20  * This program is distributed in the hope that it will be useful,
  21  * but WITHOUT ANY WARRANTY; without even the implied warranty of
  22  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  23  * GNU General Public License for more details.
  24  *
  25  * You should have received a copy of the GNU General Public License
  26  * along with this program; if not, write to the Free Software
  27  * Foundation, Inc., 59 Temple Place - Suite 330, Boston, MA  02111, USA.
  28  *****************************************************************************/
  29
  30 #include <stdlib.h>
  31 #include <stdio.h>
  32 #include <vlc/vlc.h>
  33
  34 #if !defined WIN32
  35 # if HAVE_LANGINFO_CODESET
  36 #  include <langinfo.h>
  37 # else
  38 #  if HAVE_SETLOCALE
  39 #   include <locale.h>
  40 #  endif
  41 # endif
  42 #elif defined WIN32
  43 # include <windows.h>
  44 #endif
  45
  46 #include "charset.h"
  47
  48 typedef struct VLCCharsetAlias
  49 {
  50     char *psz_alias, *psz_name;
  51 } VLCCharsetAlias;
  52
  53 /*
  54  * The libcharset load all from external text file, but it's strange and
  55  * slow solution, we rather use array(s) compiled into source. In the
  56  * "good" libc this is not needful -- for example in linux.
  57  *
  58  * Please, put to this funtion exotic aliases only. The libc 'iconv' knows
  59  * a lot of basic aliases (check it first by iconv -l).
  60  *
  61  */
  62
  63 static const char* vlc_encoding_from_language( const char *l )
  64 {
  65     /* check for language (and perhaps country) codes */
  66     if (strstr(l, "zh_TW")) return "Big5";
  67     if (strstr(l, "zh_HK")) return "Big5HKSCS";   /* no MIME charset */
  68     if (strstr(l, "zh")) return "GB2312";
  69     if (strstr(l, "th")) return "TIS-620";
  70     if (strstr(l, "ja")) return "EUC-JP";
  71     if (strstr(l, "ko")) return "EUC-KR";
  72     if (strstr(l, "ru")) return "KOI8-R";
  73     if (strstr(l, "uk")) return "KOI8-U";
  74     if (strstr(l, "pl") || strstr(l, "hr") ||
  75         strstr(l, "hu") || strstr(l, "cs") ||
  76         strstr(l, "sk") || strstr(l, "sl")) return "ISO-8859-2";
  77     if (strstr(l, "eo") || strstr(l, "mt")) return "ISO-8859-3";
  78     if (strstr(l, "lt") || strstr(l, "la")) return "ISO-8859-4";
  79     if (strstr(l, "bg") || strstr(l, "be") ||
  80         strstr(l, "mk") || strstr(l, "uk")) return "ISO-8859-5";
  81     if (strstr(l, "ar")) return "ISO-8859-6";
  82     if (strstr(l, "el")) return "ISO-8859-7";
  83     if (strstr(l, "he") || strstr(l, "iw")) return "ISO-8859-8";
  84     if (strstr(l, "tr")) return "ISO-8859-9";
  85     if (strstr(l, "th")) return "ISO-8859-11";
  86     if (strstr(l, "lv")) return "ISO-8859-13";
  87     if (strstr(l, "cy")) return "ISO-8859-14";
  88     if (strstr(l, "et")) return "ISO-8859-15"; /* all latin1 could be iso15 as well */
  89     if (strstr(l, "ro")) return "ISO-8859-2";   /* or ISO-8859-16 */
  90     if (strstr(l, "am") || strstr(l, "vi")) return "UTF-8";
  91     /* We don't know. This ain't working go to default. */
  92     return "ISO-8859-1";
  93 }
  94
  95
  96 static const char* vlc_charset_aliases( const char *psz_name )
  97 {
  98     VLCCharsetAlias     *a;
  99
 100 #if defined WIN32
 101     VLCCharsetAlias aliases[] =
 102     {
 103         { "CP936",      "GBK" },
 104         { "CP1361",     "JOHAB" },
 105         { "CP20127",    "ASCII" },
 106         { "CP20866",    "KOI8-R" },
 107         { "CP21866",    "KOI8-RU" },
 108         { "CP28591",    "ISO-8859-1" },
 109         { "CP28592",    "ISO-8859-2" },
 110         { "CP28593",    "ISO-8859-3" },
 111         { "CP28594",    "ISO-8859-4" },
 112         { "CP28595",    "ISO-8859-5" },
 113         { "CP28596",    "ISO-8859-6" },
 114         { "CP28597",    "ISO-8859-7" },
 115         { "CP28598",    "ISO-8859-8" },
 116         { "CP28599",    "ISO-8859-9" },
 117         { "CP28605",    "ISO-8859-15" },
 118         { NULL,         NULL }
 119     };
 120 #elif SYS_AIX
 121     VLCCharsetAlias aliases[] =
 122     {
 123         { "IBM-850",    "CP850" },
 124         { "IBM-856",    "CP856" },
 125         { "IBM-921",    "ISO-8859-13" },
 126         { "IBM-922",    "CP922" },
 127         { "IBM-932",    "CP932" },
 128         { "IBM-943",    "CP943" },
 129         { "IBM-1046",   "CP1046" },
 130         { "IBM-1124",   "CP1124" },
 131         { "IBM-1129",   "CP1129" },
 132         { "IBM-1252",   "CP1252" },
 133         { "IBM-EUCCN",  "GB2312" },
 134         { "IBM-EUCJP",  "EUC-JP" },
 135         { "IBM-EUCKR",  "EUC-KR" },
 136         { "IBM-EUCTW",  "EUC-TW" },
 137         { NULL, NULL }
 138     };
 139 #elif SYS_HPUX
 140     VLCCharsetAlias aliases[] =
 141     {
 142         { "ROMAN8",     "HP-ROMAN8" },
 143         { "ARABIC8",    "HP-ARABIC8" },
 144         { "GREEK8",     "HP-GREEK8" },
 145         { "HEBREW8",    "HP-HEBREW8" },
 146         { "TURKISH8",   "HP-TURKISH8" },
 147         { "KANA8",      "HP-KANA8" },
 148         { "HP15CN",     "GB2312" },
 149         { NULL, NULL }
 150     };
 151 #elif SYS_IRIX
 152     VLCCharsetAlias aliases[] =
 153     {
 154         { "EUCCN",      "GB2312" },
 155         { NULL, NULL }
 156     };
 157 #elif SYS_OSF
 158     VLCCharsetAlias aliases[] =
 159     {
 160         { "KSC5601",    "CP949" },
 161         { "SDECKANJI",  "EUC-JP" },
 162         { "TACTIS",     "TIS-620" },
 163         { NULL, NULL }
 164     };
 165 #elif SYS_SOLARIS
 166     VLCCharsetAlias aliases[] =
 167     {
 168         { "646",        "ASCII" },
 169         { "CNS11643",   "EUC-TW" },
 170         { "5601",       "EUC-KR" },
 171         { "JOHAP92",    "JOHAB" },
 172         { "PCK",        "SHIFT_JIS" },
 173         { "2533",       "TIS-620" },
 174         { NULL, NULL }
 175     };
 176 #elif SYS_BSD
 177     VLCCharsetAlias aliases[] =
 178     {
 179         { "646", " ASCII" },
 180         { "EUCCN", "GB2312" },
 181         { NULL, NULL }
 182     };
 183 #else
 184     VLCCharsetAlias aliases[] = {{NULL, NULL}};
 185 #endif
 186
 187     if( aliases )
 188     {
 189         for (a = aliases; a->psz_alias; a++)
 190             if (strcasecmp (a->psz_alias, psz_name) == 0)
 191                 return a->psz_name;
 192     }
 193
 194     /* we return original name beacuse iconv() probably will know
 195      * something better about name if we don't know it :-) */
 196     return psz_name;
 197 }
 198
 199 /* Returns charset from "language_COUNTRY.charset@modifier" string */
 200 static char *vlc_encoding_from_locale( char *psz_locale )
 201 {
 202     char *psz_dot = strchr( psz_locale, '.' );
 203
 204     if( psz_dot != NULL )
 205     {
 206         const char *psz_modifier;
 207         static char buf[2 + 10 + 1];
 208
 209         psz_dot++;
 210
 211         /* Look for the possible @... trailer and remove it, if any.  */
 212         psz_modifier = strchr( psz_dot, '@' );
 213
 214         if( psz_modifier == NULL )
 215             return psz_dot;
 216         if( 0 < ( psz_modifier - psz_dot ) < sizeof( buf ))
 217         {
 218             memcpy( buf, psz_dot, psz_modifier - psz_dot );
 219             buf[ psz_modifier - psz_dot ] = '\0';
 220             return buf;
 221         }
 222     }
 223     /* try language mapping */
 224     return (char *)vlc_encoding_from_language( psz_locale );
 225 }
 226
 227 vlc_bool_t vlc_current_charset( char **psz_charset )
 228 {
 229     const char *psz_codeset;
 230
 231 #if !(defined WIN32 || defined OS2)
 232
 233 # if HAVE_LANGINFO_CODESET
 234     /* Most systems support nl_langinfo( CODESET ) nowadays.  */
 235     psz_codeset = nl_langinfo( CODESET );
 236 # else
 237     /* On old systems which lack it, use setlocale or getenv.  */
 238     const char *psz_locale = NULL;
 239
 240     /* But most old systems don't have a complete set of locales.  Some
 241      * (like SunOS 4 or DJGPP) have only the C locale.  Therefore we don't
 242      * use setlocale here; it would return "C" when it doesn't support the
 243      * locale name the user has set. Darwin's setlocale is broken. */
 244 #  if HAVE_SETLOCALE && !SYS_DARWIN
 245     psz_locale = setlocale( LC_ALL, NULL );
 246 #  endif
 247     if( psz_locale == NULL || psz_locale[0] == '\0' )
 248     {
 249         psz_locale = getenv( "LC_ALL" );
 250         if( psz_locale == NULL || psz_locale[0] == '\0' )
 251         {
 252             psz_locale = getenv( "LC_CTYPE" );
 253             if( psz_locale == NULL || psz_locale[0] == '\0')
 254                 psz_locale = getenv( "LANG" );
 255         }
 256     }
 257
 258     /* On some old systems, one used to set locale = "iso8859_1". On others,
 259      * you set it to "language_COUNTRY.charset". Darwin only has LANG :( */
 260     psz_codeset = vlc_encoding_from_locale( (char *)psz_locale );
 261 # endif /* HAVE_LANGINFO_CODESET */
 262
 263 #elif defined WIN32
 264
 265     static char buf[2 + 10 + 1];
 266
 267     /* Woe32 has a function returning the locale's codepage as a number.  */
 268     sprintf( buf, "CP%u", GetACP() );
 269     psz_codeset = buf;
 270
 271 #elif defined OS2
 272
 273     const char *psz_locale;
 274     static char buf[2 + 10 + 1];
 275     ULONG cp[3];
 276     ULONG cplen;
 277
 278     /* Allow user to override the codeset, as set in the operating system,
 279      * with standard language environment variables. */
 280     psz_locale = getenv( "LC_ALL" );
 281     if( psz_locale == NULL || psz_locale[0] == '\0' )
 282     {
 283         psz+locale = getenv( "LC_CTYPE" );
 284         if( psz_locale == NULL || locale[0] == '\0' )
 285             locale = getenv( "LANG" );
 286     }
 287     if( psz_locale != NULL && psz_locale[0] != '\0' )
 288         psz_codeset = vlc_encoding_from_locale( psz_locale );
 289     else
 290     {
 291         /* OS/2 has a function returning the locale's codepage as a number. */
 292         if( DosQueryCp( sizeof( cp ), cp, &cplen ) )
 293             psz_codeset = "";
 294         else
 295         {
 296             sprintf( buf, "CP%u", cp[0] );
 297             psz_codeset = buf;
 298         }
 299     }
 300 #endif
 301     if( psz_codeset == NULL )
 302         /* The canonical name cannot be determined. */
 303         psz_codeset = "";
 304     else
 305         psz_codeset = vlc_charset_aliases( psz_codeset );
 306
 307     /* Don't return an empty string.  GNU libc and GNU libiconv interpret
 308      * the empty string as denoting "the locale's character encoding",
 309      * thus GNU libiconv would call this function a second time. */
 310     if( psz_codeset[0] == '\0' )
 311     {
 312         /* Last possibility is 'CHARSET' enviroment variable */
 313         if( !( psz_codeset = getenv( "CHARSET" ) ) )
 314             psz_codeset = "ISO-8859-1";
 315     }
 316
 317     if( psz_charset )
 318         *psz_charset = strdup((char *)psz_codeset);
 319
 320     if( !strcasecmp(psz_codeset, "UTF8") || !strcasecmp(psz_codeset, "UTF-8") )
 321         return VLC_TRUE;
 322
 323     return VLC_FALSE;
 324 }
 325