charset-encoding.inc.pl

   1 use 5.014;
   2 use warnings;
   3 use utf8;
   4
   5 +{
   6         default    => [qw( u+0-27F utf8+realsize iso-8859-1 iso-8859-15 cp1252 cp437 cp850 )],
   7         unicode    => [qw( uu+cols=32+realsize u+0-FFF u+1000-18AF u+18B0-1FFF )],
   8         us         => [qw( cp437 cp863 gsm0338 AdobeStandardEncoding )],
   9         ebcdic     => [qw( cp37 cp500 cp1047 posix-bc cp1026 cp875 )],
  10         iso        => [map {"iso-8859-$_"} 1 .. 11, 13 .. 16],
  11         dos        => [qw( cp437 cp865 cp861 cp860 cp863 cp850 cp857 cp852 cp775
  12                            cp737 cp869 cp866 cp855 cp862 cp864 )],
  13         aix        => [qw( cp1006 )],
  14         win        => [qw( cp1252 cp1250 cp1254 cp1257 cp1258 cp1253 cp1251 cp1255 cp1256 cp874 )],
  15         mac        => [qw( MacRoman MacRomanian MacRumanian MacCroatian MacCentralEurRoman MacTurkish MacIcelandic MacSami
  16                            MacGreek MacCyrillic MacHebrew MacArabic MacFarsi MacThai )],
  17
  18         # languages
  19         westeur    => [qw( iso-8859-1 iso-8859-15 cp1252 iso-8859-14 cp850 hp-roman8 nextstep MacRoman )],
  20         centeur    => [qw( iso-8859-2 iso-8859-16 cp1250 cp852 MacRomanian MacCroatian MacCentralEurRoman )], # MacRumanian only for DB
  21         turkish    => [qw( iso-8859-9 iso-8859-3 cp1254 cp857 MacTurkish )],
  22         norteur    => [qw( baltic nordic )],
  23         baltic     => [qw( iso-8859-4 iso-8859-13 cp1257 cp775 )],
  24         nordic     => [qw( iso-8859-10 cp865 cp861 MacIcelandic MacSami )],
  25         cyrillic   => [qw( koi8-r koi8-u koi8-f iso-8859-5 cp1251 MacCyrillic cp866 cp855
  26                            +400 +2DE0 +A640-A69F +500-52F )], # MacUkrainian is broken
  27         arabic     => [qw( iso-8859-6 cp1256 MacArabic cp864 cp1006 MacFarsi
  28                            +600 +8A0-8BF+8E0 +750-77F )],
  29         greek      => [qw( iso-8859-7 cp1253 MacGreek cp737 cp869  +370 +1F00 )],
  30         hebrew     => [qw( iso-8859-8 cp1255 MacHebrew cp862  +590 )],
  31         thai       => [qw( iso-8859-11 cp874 MacThai )],
  32         vietnamese => [qw( viscii cp1258 MacVietnamese )],
  33         symbols    => [qw( symbol dingbats MacDingbats wingdings wingdings2 wingdings3 webdings )],
  34
  35         # iso-code shorthand
  36         1 => 'westeur',
  37         2 => 'centeur',
  38         3 => 'turkish',
  39         4 => 'baltic',
  40         5 => 'cyrillic',
  41         6 => 'arabic',
  42         7 => 'greek',
  43         8 => 'hebrew',
  44         9 => 'turkish',
  45         10 => 'nordic',
  46         11 => 'thai',
  47
  48         'ascii'        => {inherit => ['' => '00-7F']},
  49         'cp437'        => {
  50                 inherit => ['cp850' => 0, 'ascii' => '00-1F+80'], # ascii range overridden later
  51                 replace => {
  52                         0    => ' ☺☻♥♦♣♠•◘○◙♂♀♪♫☼►◄↕‼¶§▬↨↑↓→←∟↔▲▼', # visible variants of control characters
  53                         0xED => 'ϕ', # non-greek usage and appearance
  54                 },
  55         },
  56         'gsm0338'      => {inherit => ['ascii' => '00-7F']},
  57         'dingbats'     => {inherit => ['' => '20-7F+A0']},
  58         'macdingbats'  => {inherit => ['dingbats' => '80-9F']},
  59         'adobezdingbat'=> {inherit => ['MacDingbats' => '80-9F']}, # should be identical but maps to private use
  60         'symbol'       => {
  61                 inherit => ['' => '20-7F+A0'],
  62                 replace => {
  63                         0x60 => '│', # replace radical extender by closest unicode equivalent
  64                         0xBD => '⏐⎯', # arrow extenders
  65                         0xD2 => '®©™', # serif variants
  66                         0xE0 => '◊', # replace lookalike, should match AdobeSymbol
  67                         0xE2 => '®©™', # sans-serif variants
  68                         0xE6 => '⎛⎜⎝⎡⎢⎣⎧⎨⎩⎪',
  69                         0xF0 => '€',
  70                         0xF4 => '⎮⌡⎞⎟⎠⎤⎥⎦⎫⎬⎭',
  71                 },
  72         },
  73         'adobesymbol'  => {inherit => ['symbol' => '20-7F+A0', '' => '20-7F+A0']}, # minor differences, irrelevant except for different '€'
  74         'wingdings'    => {inherit => ['' => '20'], setup => sub {require Encode::Wingdings}},
  75         'wingdings2'   => {inherit => ['' => '20'], setup => sub {require Encode::Wingdings2}},
  76         'wingdings3'   => {inherit => ['' => '20'], setup => sub {require Encode::Wingdings3}},
  77         'webdings'     => {inherit => ['' => '20'], setup => sub {require Encode::Webdings}},
  78
  79         'iso-8859-2'   => {inherit => ['iso-8859-1' => 'A0']},
  80         'iso-8859-3'   => {inherit => ['iso-8859-1' => 'A0']}, #TODO: also apply to iso-8859-9
  81         'iso-8859-4'   => {inherit => ['iso-8859-2' => 'A0']},
  82         'iso-8859-5'   => {inherit => ['iso-8859-1' => 'A0']},
  83         'iso-8859-6'   => {inherit => ['cp1256' => '80', 'iso-8859-1' => 'A0']},
  84         'iso-8859-7'   => {inherit => ['iso-8859-1' => 'A0']},
  85         'iso-8859-8'   => {inherit => ['iso-8859-1' => 'A0']},
  86         'iso-8859-9'   => {inherit => ['iso-8859-1' => 'D0-DF+F0']},
  87         'iso-8859-10'  => {inherit => ['iso-8859-4' => 'A0']},
  88         'iso-8859-11'  => {inherit => ['iso-8859-1' => 'A0']},
  89         'iso-8859-13'  => {inherit => ['iso-8859-4' => 'A0']},
  90         'iso-8859-14'  => {inherit => ['iso-8859-1' => 'A0']},
  91         'iso-8859-15'  => {inherit => ['iso-8859-1' => 'A0-BF']},
  92         'iso-8859-16'  => {inherit => ['iso-8859-2' => 'A0']},
  93         'hp-roman8'    => {inherit => ['iso-8859-1' => 'A0']},
  94
  95         'cp1252'       => {inherit => ['iso-8859-1' => '80-9F']},
  96         'cp1250'       => {inherit => ['iso-8859-2' => '80-BF', 'cp1252' => '80']},
  97         'cp1254'       => {inherit => ['iso-8859-9' => '80-9F', 'cp1252' => '80-9F+D0']},
  98         'cp874'        => {inherit => ['iso-8859-11' => '80-9F', 'cp1252' => '80']}, # windows-874 actually cp1162
  99         'cp1257'       => {inherit => ['iso-8859-13' => '80-9F+FF', 'cp1252' => '80']},
 100         'cp1251'       => {inherit => ['cp1252' => '80']},
 101         'cp1253'       => {inherit => ['cp1252' => '80']},
 102         'cp1255'       => {inherit => ['iso-8859-8' => '80-DF', 'cp1252' => '80']},
 103         'cp1256'       => {inherit => ['cp1252' => '80']},
 104         'cp1258'       => {inherit => ['cp1252' => '80-9F+C0']},
 105
 106         'cp850'        => {inherit => ['cp437' => '90']},
 107         'cp860'        => {inherit => ['cp437' => '80-AF']},
 108         'cp861'        => {inherit => ['cp865' => '80-AF']},
 109         'cp863'        => {inherit => ['cp437' => '80-AF']},
 110         'cp865'        => {inherit => ['cp437' => '90-AF']},
 111         'cp852'        => {inherit => ['cp850' => '80', 'cp437' => '80']},
 112         'cp857'        => {inherit => ['cp850' => '80-AF+D0-EF', 'cp437' => '80']},
 113         'cp775'        => {inherit => ['cp850' => '80']},  # partial cp437
 114         'cp866'        => {inherit => ['cp437' => '80-AF+E0']},
 115         'cp855'        => {inherit => ['cp437' => '80']},
 116         'cp1006'       => {inherit => ['iso-8859-6' => 'A0', 'cp437' => '80']},
 117         'cp737'        => {inherit => ['cp437' => '80-AF+E0']},
 118         'cp869'        => {inherit => ['cp437' => '80']},
 119         'cp862'        => {inherit => ['cp437' => '80-9F']},
 120         'cp864'        => {inherit => ['MacArabic' => '80', 'iso-8859-6' => '80', 'cp437' => '80']}, #TODO: compare form variants
 121
 122         'koi8-u'       => {inherit => ['koi8-r' => '90-BF']},
 123         'koi8-f'       => {inherit => ['koi8-u' => '90-BF']},
 124
 125         'macromanian'  => {inherit => ['MacRoman' => 'A0-BF+D0-DF']},
 126         'macrumanian'  => {inherit => ['MacRomanian' => 'A0-BF+D0-DF', 'MacRoman' => 'A0-BF+D0-DF']},
 127         'maccroatian'  => {inherit => ['MacRoman' => 'A0']},
 128         'maccentraleurroman' => {inherit => ['MacRoman' => '80']},
 129         'macicelandic' => {inherit => ['MacRoman' => 'A0-AF+D0-EF']},
 130         'macturkish'   => {inherit => ['MacRoman' => 'D0-DF']}, # F5 is unassigned
 131         'macsami'      => {inherit => ['MacIcelandic' => '90-BF+D0-DF+F0', 'MacRoman' => '90']},
 132         'macgreek'     => {inherit => ['MacRoman' => '80']},
 133         'maccyrillic'  => {inherit => ['MacRoman' => '80']},
 134         'machebrew'    => {inherit => ['iso-8859-8' => '80', 'MacRoman' => '80-8F+A0']}, # partial ascii
 135         'macarabic'    => {inherit => ['iso-8859-6' => '80', 'cp864' => '80', 'MacRoman' => '80']}, #TODO: multiple parents
 136         'macfarsi'     => {inherit => ['MacArabic' => 'B0-BF', 'MacRoman' => '80']},
 137
 138         'cp37'         => {inherit => ['posix-bc' => '00']},
 139         'posix-bc'     => {inherit => ['cp1047' => '40']},
 140         'cp500'        => {inherit => ['cp37' => '40-5F+B0-BF']},
 141         'cp1047'       => {inherit => ['cp37' => '10-2F+50-5F+A0-BF']},
 142         'cp1026'       => {inherit => ['cp37' => '40']},
 143         'cp875'        => {inherit => ['cp37' => '30']},
 144
 145         ''             => {setup => sub {
 146                 my $row = shift;
 147                 $row->{offset} = delete $row->{startpoint};
 148                 $row->{set} = 'Unicode characters';
 149                 my $block = $row->{offset} >> 8;
 150                 $row->{endpoint} ||= ($block + 1 << 8) - 1;
 151                 $block == ($row->{endpoint} >> 8) or undef $block;
 152
 153                 $row->{table} = join '', map { chr } $row->{offset} .. $row->{endpoint};
 154                 utf8::upgrade($row->{table});  # prevent latin1 output
 155
 156                 $row->{endpoint} -= $row->{offset};
 157
 158                 if (defined $block) {
 159                         $row->{set} = sprintf 'Unicode block U+%02Xxx', $block;
 160                         $row->{offset} %= 0x100;
 161                 }
 162
 163                 return $row;
 164         }},
 165         u              => {setup => sub {
 166                 my $row = shift;
 167                 $row->{cell} = do 'charset-unicode.inc.pl'
 168                         or Alert('Table data could not be read', $@ || $!);
 169
 170                 $row->{endpoint} ||= 0x1FFF;
 171                 $row->{set} = 'Unicode ' . (
 172                         $row->{startpoint} <  0x1000 && $row->{endpoint} < 0x1000 ? 'BMP' :
 173                         $row->{startpoint} >= 0x1000 && $row->{endpoint} < 0x2000 ? 'SMP' :
 174                         'allocations'
 175                 );
 176                 return $row;
 177         }},
 178         uu             => {setup => sub {
 179                 my $row = shift;
 180                 $row->{cell} = do 'charset-ucplanes.inc.pl'
 181                         or Alert('Table data could not be read', $@ || $!);
 182                 $row->{endpoint} ||= 0x3FF;
 183                 $row->{set} = 'Unicode planes';
 184                 return $row;
 185         }},
 186         utf8           => {setup => sub {
 187                 my $row = shift;
 188                 $row->{set} = 'UTF-8';
 189                 $row->{cell} = do 'charset-utf8.inc.pl'
 190                         or Alert('Table data could not be read', $@ || $!);
 191                 return $row;
 192         }},
 193         'utf-8'        => 'utf8',
 194 };