charset-encoding.inc.pl

   1 use 5.014;
   2 use warnings;
   3
   4 +{
   5         default    => [qw( u+0-27F utf-8+realsize iso-8859-1 iso-8859-15 cp1252 cp437 cp850 )],
   6         unicode    => [qw( uu+cols=32+realsize u+0-FFF u+1000-18AF u+18B0-1FFF )],
   7         us         => [qw( cp437 cp863 gsm0338 AdobeStandardEncoding )],
   8         ebcdic     => [qw( cp37 cp500 cp1047 posix-bc cp1026 cp875 )],
   9         iso        => [map {"iso-8859-$_"} 1 .. 11, 13 .. 16],
  10         dos        => [qw( cp437 cp865 cp861 cp860 cp863 cp850 cp857 cp852 cp775
  11                            cp737 cp869 cp866 cp855 cp862 cp864 )],
  12         aix        => [qw( cp1006 )],
  13         win        => [qw( cp1252 cp1250 cp1254 cp1257 cp1258 cp1253 cp1251 cp1255 cp1256 cp874 )],
  14         mac        => [qw( MacRoman MacRomanian MacRumanian MacCroatian MacCentralEurRoman MacTurkish MacIcelandic MacSami
  15                            MacGreek MacCyrillic MacHebrew MacArabic MacFarsi MacThai )],
  16
  17         # languages
  18         westeur    => [qw( iso-8859-1 iso-8859-15 cp1252 iso-8859-14 cp850 hp-roman8 nextstep MacRoman )],
  19         centeur    => [qw( iso-8859-2 iso-8859-16 cp1250 cp852 MacRomanian MacCroatian MacCentralEurRoman )], # MacRumanian only for DB
  20         turkish    => [qw( iso-8859-9 iso-8859-3 cp1254 cp857 MacTurkish )],
  21         norteur    => [qw( baltic nordic )],
  22         baltic     => [qw( iso-8859-4 iso-8859-13 cp1257 cp775 )],
  23         nordic     => [qw( iso-8859-10 cp865 cp861 MacIcelandic MacSami )],
  24         cyrillic   => [qw( koi8-r koi8-u koi8-f iso-8859-5 cp1251 MacCyrillic cp866 cp855
  25                            +400 +2DE0 +A640-A69F +500-52F )], # MacUkrainian is broken
  26         arabic     => [qw( iso-8859-6 cp1256 MacArabic cp864 cp1006 MacFarsi
  27                            +600 +8A0-8BF+8E0 +750-77F )],
  28         greek      => [qw( iso-8859-7 cp1253 MacGreek cp737 cp869  +370 +1F00 )],
  29         hebrew     => [qw( iso-8859-8 cp1255 MacHebrew cp862  +590 )],
  30         thai       => [qw( iso-8859-11 cp874 MacThai )],
  31         vietnamese => [qw( viscii cp1258 MacVietnamese )],
  32         symbols    => [qw( symbol dingbats MacDingbats wingdings wingdings2 wingdings3 webdings )],
  33
  34         # iso-code shorthand
  35         1 => 'westeur',
  36         2 => 'centeur',
  37         3 => 'turkish',
  38         4 => 'baltic',
  39         5 => 'cyrillic',
  40         6 => 'arabic',
  41         7 => 'greek',
  42         8 => 'hebrew',
  43         9 => 'turkish',
  44         10 => 'nordic',
  45         11 => 'thai',
  46
  47         'ascii'        => {inherit => ['' => '00-7F']},
  48         'cp437'        => {inherit => ['cp850' => 0, 'ascii' => '00-1F+80']}, # ascii range overridden later
  49         'gsm0338'      => {inherit => ['ascii' => '00-7F']},
  50         'dingbats'     => {inherit => ['' => '20-7F+A0']},
  51         'macdingbats'  => {inherit => ['dingbats' => '80-9F']},
  52         'adobezdingbat'=> {inherit => ['MacDingbats' => '80-9F']}, # should be identical but maps to private use
  53         'symbol'       => {inherit => ['' => '20-7F+A0']},
  54         'adobesymbol'  => {inherit => ['symbol' => '20-7F+A0', '' => '20-7F+A0']}, # minor differences, irrelevant except for different '€'
  55         'wingdings'    => {inherit => ['' => '20'], setup => sub {require Encode::Wingdings}},
  56         'wingdings2'   => {inherit => ['' => '20'], setup => sub {require Encode::Wingdings2}},
  57         'wingdings3'   => {inherit => ['' => '20'], setup => sub {require Encode::Wingdings3}},
  58         'webdings'     => {inherit => ['' => '20'], setup => sub {require Encode::Webdings}},
  59
  60         'iso-8859-2'   => {inherit => ['iso-8859-1' => 'A0']},
  61         'iso-8859-3'   => {inherit => ['iso-8859-1' => 'A0']}, #TODO: also apply to iso-8859-9
  62         'iso-8859-4'   => {inherit => ['iso-8859-2' => 'A0']},
  63         'iso-8859-5'   => {inherit => ['iso-8859-1' => 'A0']},
  64         'iso-8859-6'   => {inherit => ['cp1256' => '80', 'iso-8859-1' => 'A0']},
  65         'iso-8859-7'   => {inherit => ['iso-8859-1' => 'A0']},
  66         'iso-8859-8'   => {inherit => ['iso-8859-1' => 'A0']},
  67         'iso-8859-9'   => {inherit => ['iso-8859-1' => 'D0-DF+F0']},
  68         'iso-8859-10'  => {inherit => ['iso-8859-4' => 'A0']},
  69         'iso-8859-11'  => {inherit => ['iso-8859-1' => 'A0']},
  70         'iso-8859-13'  => {inherit => ['iso-8859-4' => 'A0']},
  71         'iso-8859-14'  => {inherit => ['iso-8859-1' => 'A0']},
  72         'iso-8859-15'  => {inherit => ['iso-8859-1' => 'A0-BF']},
  73         'iso-8859-16'  => {inherit => ['iso-8859-2' => 'A0']},
  74         'hp-roman8'    => {inherit => ['iso-8859-1' => 'A0']},
  75
  76         'cp1252'       => {inherit => ['iso-8859-1' => '80-9F']},
  77         'cp1250'       => {inherit => ['iso-8859-2' => '80-BF', 'cp1252' => '80']},
  78         'cp1254'       => {inherit => ['iso-8859-9' => '80-9F', 'cp1252' => '80-9F+D0']},
  79         'cp874'        => {inherit => ['iso-8859-11' => '80-9F', 'cp1252' => '80']}, # windows-874 actually cp1162
  80         'cp1257'       => {inherit => ['iso-8859-13' => '80-9F+FF', 'cp1252' => '80']},
  81         'cp1251'       => {inherit => ['cp1252' => '80']},
  82         'cp1253'       => {inherit => ['cp1252' => '80']},
  83         'cp1255'       => {inherit => ['iso-8859-8' => '80-DF', 'cp1252' => '80']},
  84         'cp1256'       => {inherit => ['cp1252' => '80']},
  85         'cp1258'       => {inherit => ['cp1252' => '80-9F+C0']},
  86
  87         'cp850'        => {inherit => ['cp437' => '90']},
  88         'cp860'        => {inherit => ['cp437' => '80-AF']},
  89         'cp861'        => {inherit => ['cp865' => '80-AF']},
  90         'cp863'        => {inherit => ['cp437' => '80-AF']},
  91         'cp865'        => {inherit => ['cp437' => '90-AF']},
  92         'cp852'        => {inherit => ['cp850' => '80', 'cp437' => '80']},
  93         'cp857'        => {inherit => ['cp850' => '80-AF+D0-EF', 'cp437' => '80']},
  94         'cp775'        => {inherit => ['cp850' => '80']},  # partial cp437
  95         'cp866'        => {inherit => ['cp437' => '80-AF+E0']},
  96         'cp855'        => {inherit => ['cp437' => '80']},
  97         'cp1006'       => {inherit => ['iso-8859-6' => 'A0', 'cp437' => '80']},
  98         'cp737'        => {inherit => ['cp437' => '80-AF+E0']},
  99         'cp869'        => {inherit => ['cp437' => '80']},
 100         'cp862'        => {inherit => ['cp437' => '80-9F']},
 101         'cp864'        => {inherit => ['MacArabic' => '80', 'iso-8859-6' => '80', 'cp437' => '80']}, #TODO: compare form variants
 102
 103         'koi8-u'       => {inherit => ['koi8-r' => '90-BF']},
 104         'koi8-f'       => {inherit => ['koi8-u' => '90-BF']},
 105
 106         'macromanian'  => {inherit => ['MacRoman' => 'A0-BF+D0-DF']},
 107         'macrumanian'  => {inherit => ['MacRomanian' => 'A0-BF+D0-DF', 'MacRoman' => 'A0-BF+D0-DF']},
 108         'maccroatian'  => {inherit => ['MacRoman' => 'A0']},
 109         'maccentraleurroman' => {inherit => ['MacRoman' => '80']},
 110         'macicelandic' => {inherit => ['MacRoman' => 'A0-AF+D0-EF']},
 111         'macturkish'   => {inherit => ['MacRoman' => 'D0-DF']}, # F5 is unassigned
 112         'macsami'      => {inherit => ['MacIcelandic' => '90-BF+D0-DF+F0', 'MacRoman' => '90']},
 113         'macgreek'     => {inherit => ['MacRoman' => '80']},
 114         'maccyrillic'  => {inherit => ['MacRoman' => '80']},
 115         'machebrew'    => {inherit => ['iso-8859-8' => '80', 'MacRoman' => '80-8F+A0']}, # partial ascii
 116         'macarabic'    => {inherit => ['iso-8859-6' => '80', 'cp864' => '80', 'MacRoman' => '80']}, #TODO: multiple parents
 117         'macfarsi'     => {inherit => ['MacArabic' => 'B0-BF', 'MacRoman' => '80']},
 118
 119         'cp37'         => {inherit => ['posix-bc' => '00']},
 120         'posix-bc'     => {inherit => ['cp1047' => '40']},
 121         'cp500'        => {inherit => ['cp37' => '40-5F+B0-BF']},
 122         'cp1047'       => {inherit => ['cp37' => '10-2F+50-5F+A0-BF']},
 123         'cp1026'       => {inherit => ['cp37' => '40']},
 124         'cp875'        => {inherit => ['cp37' => '30']},
 125
 126         ''             => {setup => sub {
 127                 my $row = shift;
 128                 $row->{offset} = delete $row->{startpoint};
 129                 $row->{set} = 'Unicode characters';
 130                 my $block = $row->{offset} >> 8;
 131                 $row->{endpoint} ||= ($block + 1 << 8) - 1;
 132                 $block == ($row->{endpoint} >> 8) or undef $block;
 133
 134                 $row->{table} = join '', map { chr } $row->{offset} .. $row->{endpoint};
 135                 utf8::upgrade($row->{table});  # prevent latin1 output
 136
 137                 $row->{endpoint} -= $row->{offset};
 138
 139                 if (defined $block) {
 140                         $row->{set} = sprintf 'Unicode block U+%02Xxx', $block;
 141                         $row->{offset} %= 0x100;
 142                 }
 143
 144                 return $row;
 145         }},
 146         u              => {setup => sub {
 147                 my $row = shift;
 148                 $row->{cell} = do 'charset-unicode.inc.pl'
 149                         or Alert('Table data could not be read', $@ || $!);
 150
 151                 $row->{endpoint} ||= 0x1FFF;
 152                 $row->{set} = 'Unicode ' . (
 153                         $row->{startpoint} <  0x1000 && $row->{endpoint} < 0x1000 ? 'BMP' :
 154                         $row->{startpoint} >= 0x1000 && $row->{endpoint} < 0x2000 ? 'SMP' :
 155                         'allocations'
 156                 );
 157                 return $row;
 158         }},
 159         uu             => {setup => sub {
 160                 my $row = shift;
 161                 $row->{cell} = do 'charset-ucplanes.inc.pl'
 162                         or Alert('Table data could not be read', $@ || $!);
 163                 $row->{endpoint} ||= 0x3FF;
 164                 $row->{set} = 'Unicode planes';
 165                 return $row;
 166         }},
 167         'utf-8'        => 'utf8',
 168         utf8           => {setup => sub {
 169                 my $row = shift;
 170                 $row->{set} = 'UTF-8';
 171                 $row->{cell} = do 'charset-utf8.inc.pl'
 172                         or Alert('Table data could not be read', $@ || $!);
 173                 $row->{endpoint} = 0xFF;
 174                 return $row;
 175         }},
 176 };