common: align all preformatted html (debug alerts)
[sheet.git] / charset.plp
index 5955c390a6da4327d490972a7bc3ea585659c873..726ca7c4e7540cf279097cd27105d4040e898824 100644 (file)
@@ -1,5 +1,8 @@
 <(common.inc.plp)><:
 
+my $mode = exists $get{compare};
+my @tablist = split m{/+}, $Request || 'default';
+
 Html({
        title => 'charset cheat sheet',
        version => '1.0',
@@ -12,11 +15,12 @@ Html({
                reference common overview table
        '],
        stylesheet => [qw'light'],
-       data => [qw'charset-unicode.inc.pl charset-utf8.inc.pl'],
+       data => [qw(
+               charset-encoding.inc.pl
+               charset-unicode.inc.pl charset-ucplanes.inc.pl charset-utf8.inc.pl
+       )],
 });
 
-my @tablist = split m{/+}, $Request || 'default';
-
 use List::Util qw( first pairmap pairfirst pairs );
 
 :>
@@ -32,18 +36,10 @@ else {
        say "Charset comparison:";
 }
 
-sub optionlink {
-       my ($title, $href, $selected) = @_;
-       return sprintf(
-               $selected ? '<strong>%s</strong>' : '<a href="%2$s">%s</a>',
-               EscapeHTML($title), $href
-       );
-}
-
 print join " •\n", (
        map {
                join " ·\n", pairmap {
-                       optionlink($b || ucfirst $a, '/charset'.($a && "/$a?compare"), $a eq $Request);
+                       showlink($b || ucfirst $a, '/charset'.($a && "/$a?compare"), $a eq $Request);
                } @{$_}
        }
        [
@@ -73,151 +69,43 @@ use Shiar_Sheet::FormatChar;
 my $glyphs = Shiar_Sheet::FormatChar->new;
 my @request;
 
+my $charsets = do 'charset-encoding.inc.pl'
+       or Alert('Encoding metadata could not be read', $@ || $!);
+
 sub tabinput {
        # generate character table(s)
        my $input = shift or return;
+       my $params = $input =~ s/[+](.*)\z// ? $1 : undef;
+       my $charset = $charsets->{lc $input} || {};
 
-       state $ALIAS = {
-               default    => [qw( u+0-639 utf-8+realsize iso-8859-1 iso-8859-15 cp1252 cp437 cp850 )],
-               unicode    => [qw( uu+cols=32+realsize u+0-4095 u+4096-6319 u+6320-8191 )],
-               us         => [qw( cp437 cp863 gsm0338 AdobeStandardEncoding )],
-               ebcdic     => [qw( cp37 cp500 cp1047 posix-bc cp1026 cp875 )],
-               iso        => [map {"iso-8859-$_"} 1 .. 11, 13 .. 16],
-               dos        => [qw( cp437 cp865 cp861 cp860 cp863 cp850 cp857 cp852 cp775
-                                  cp737 cp869 cp866 cp855 cp862 cp864 )],
-               aix        => [qw( cp1006 )],
-               win        => [qw( cp1252 cp1250 cp1254 cp1257 cp1258 cp1253 cp1251 cp1255 cp1256 cp874 )],
-               mac        => [qw( MacRoman MacRomanian MacRumanian MacCroatian MacCentralEurRoman MacTurkish MacIcelandic MacSami
-                                  MacGreek MacCyrillic MacHebrew MacArabic MacFarsi MacThai )],
-
-               # languages
-               westeur    => [qw( iso-8859-1 iso-8859-15 cp1252 iso-8859-14 cp850 hp-roman8 nextstep MacRoman )],
-               centeur    => [qw( iso-8859-2 iso-8859-16 cp1250 cp852 MacRomanian MacCroatian MacCentralEurRoman )], # MacRumanian only for DB
-               turkish    => [qw( iso-8859-9 iso-8859-3 cp1254 cp857 MacTurkish )],
-               norteur    => [qw( baltic nordic )],
-               baltic     => [qw( iso-8859-4 iso-8859-13 cp1257 cp775 )],
-               nordic     => [qw( iso-8859-10 cp865 cp861 MacIcelandic MacSami )],
-               cyrillic   => [qw( koi8-r koi8-u koi8-f iso-8859-5 cp1251 MacCyrillic cp866 cp855
-                                  U4 U2DE-2DF UA64-A69 U50-52 )], # MacUkrainian is broken
-               arabic     => [qw( iso-8859-6 cp1256 MacArabic cp864 cp1006 MacFarsi
-                                  U6 U8A-8F+0-31+64 U75-77 )],
-               greek      => [qw( iso-8859-7 cp1253 MacGreek cp737 cp869  U37-3F U1F )],
-               hebrew     => [qw( iso-8859-8 cp1255 MacHebrew cp862  U59-5F )],
-               thai       => [qw( iso-8859-11 cp874 MacThai )],
-               vietnamese => [qw( viscii cp1258 MacVietnamese )],
-               symbol     => [qw( symbol dingbats MacDingbats AdobeZdingbat AdobeSymbol )],
-
-               # iso-code shorthand
-               1 => 'westeur',
-               2 => 'centeur',
-               3 => 'turkish',
-               4 => 'baltic',
-               5 => 'cyrillic',
-               6 => 'arabic',
-               7 => 'greek',
-               8 => 'hebrew',
-               9 => 'turkish',
-               10 => 'nordic',
-               11 => 'thai',
-       };
-       if (my $follow = $ALIAS->{$input}) {
-               tabinput($_) for ref $follow ? @{$follow} : $follow;
+       if (ref $charset ne 'HASH') {
+               $params and Alert("Parameters ignored for $input",
+                       "Cannot apply <q>$params</q> to multiple charsets.",
+               );
+               tabinput($_) for ref $charset ? @{$charset} : $charset;
                return;
        }
 
-       state $visible = {};  # all present tables
+       state $visible = {'' => 1};  # all present tables
        my %row = (offset => 0, cols => 16);
-       my $params = $input =~ s/[+](.*)\z// ? $1 : undef;
 
        if (not defined $params) {
-               state $INHERIT = {
-                       'cp437'       => ['cp850' => 0, 'ascii' => '0-31+128'], # ascii range overridden later
-                       'gsm0338'     => ['ascii' => '0-127'],
-
-                       'iso-8859-2'  => ['iso-8859-1' => '160'],
-                       'iso-8859-3'  => ['iso-8859-1' => '160'], #TODO: also apply to iso-8859-9
-                       'iso-8859-4'  => ['iso-8859-2' => '160'],
-                       'iso-8859-5'  => ['iso-8859-1' => '160'],
-                       'iso-8859-6'  => ['cp1256' => '128', 'iso-8859-1' => '160'],
-                       'iso-8859-7'  => ['iso-8859-1' => '160'],
-                       'iso-8859-8'  => ['iso-8859-1' => '160'],
-                       'iso-8859-9'  => ['iso-8859-1' => '208-223+240'],
-                       'iso-8859-10' => ['iso-8859-4' => '160'],
-                       'iso-8859-11' => ['iso-8859-1' => '160'],
-                       'iso-8859-13' => ['iso-8859-4' => '160'],
-                       'iso-8859-14' => ['iso-8859-1' => '160'],
-                       'iso-8859-15' => ['iso-8859-1' => '160-191'],
-                       'iso-8859-16' => ['iso-8859-2' => '160'],
-                       'hp-roman8'   => ['iso-8859-1' => '160'],
-
-                       'cp1252'      => ['iso-8859-1' => '128-159'],
-                       'cp1250'      => ['iso-8859-2' => '128-191', 'cp1252' => '128'],
-                       'cp1254'      => ['iso-8859-9' => '128-159', 'cp1252' => '128-159+208'],
-                       'cp874'       => ['iso-8859-11' => '128-159', 'cp1252' => '128'], # windows-874 actually cp1162
-                       'cp1257'      => ['iso-8859-13' => '128-159+255', 'cp1252' => '128'],
-                       'cp1251'      => ['cp1252' => '128'],
-                       'cp1253'      => ['cp1252' => '128'],
-                       'cp1255'      => ['iso-8859-8' => '128-223', 'cp1252' => '128'],
-                       'cp1256'      => ['cp1252' => '128'],
-                       'cp1258'      => ['cp1252' => '128-159+192'],
-
-                       'cp850'       => ['cp437' => '144'],
-                       'cp860'       => ['cp437' => '128-175'],
-                       'cp861'       => ['cp865' => '128-175'],
-                       'cp863'       => ['cp437' => '128-175'],
-                       'cp865'       => ['cp437' => '144-175'],
-                       'cp852'       => ['cp850' => '128', 'cp437' => '128'],
-                       'cp857'       => ['cp850' => '128-175+208-239', 'cp437' => '128'],
-                       'cp775'       => ['cp850' => '128'],  # partial cp437
-                       'cp866'       => ['cp437' => '128-175+224'],
-                       'cp855'       => ['cp437' => '128'],
-                       'cp1006'      => ['iso-8859-6' => '160', 'cp437' => '128'],
-                       'cp737'       => ['cp437' => '128-175+224'],
-                       'cp869'       => ['cp437' => '128'],
-                       'cp862'       => ['cp437' => '128-159'],
-                       'cp864'       => ['MacArabic' => '128', 'iso-8859-6' => '128', 'cp437' => '128'], #TODO: compare form variants
-
-                       'koi8-u'      => ['koi8-r' => '144-191'],
-                       'koi8-f'      => ['koi8-u' => '144-191'],
-
-                       'MacRomanian' => ['MacRoman' => '160-191+208-223'],
-                       'MacRumanian' => ['MacRomanian' => '160-191+208-223', 'MacRoman' => '160-191+208-223'],
-                       'MacCroatian' => ['MacRoman' => '160'],
-                       'MacCentralEurRoman' => ['MacRoman' => '128'],
-                       'MacIcelandic'=> ['MacRoman' => '160-175+208-239'],
-                       'MacTurkish'  => ['MacRoman' => '208-223'], # F5 is unassigned
-                       'MacSami'     => ['MacIcelandic' => '144-191+208-223+240', 'MacRoman' => '144'],
-                       'MacGreek'    => ['MacRoman' => '128'],
-                       'MacCyrillic' => ['MacRoman' => '128'],
-                       'MacHebrew'   => ['iso-8859-8' => '128', 'MacRoman' => '128-143+160'], # partial ascii
-                       'MacArabic'   => ['iso-8859-6' => '128', 'cp864' => '128', 'MacRoman' => '128'], #TODO: multiple parents
-                       'MacFarsi'    => ['MacArabic' => '176-191', 'MacRoman' => '128'],
-
-                       'cp37'        => ['posix-bc' => '0'],
-                       'posix-bc'    => ['cp1047' => '64'],
-                       'cp500'       => ['cp37' => '64-95+176-191'],
-                       'cp1047'      => ['cp37' => '16-47+80-95+160-191'],
-                       'cp1026'      => ['cp37' => '64'],
-                       'cp875'       => ['cp37' => '48'],
-
-               };
-
-               my @parents = @{ $INHERIT->{$input} || [] };
+               my @parents = @{ $charset->{inherit} || [] };
 
                if (my ($parent, $part) = pairfirst { defined $visible->{$a} } @parents) {
                        $row{parent} = $parent;
                        $params = $part;
-                       $params = 128 unless $visible->{$parent}
+                       $params = 80 unless $visible->{$parent}
                                or ($input eq 'MacCroatian' and defined $visible->{MacRomanian});
                }
                elsif (defined $visible->{ascii}) {
                        $row{parent} = $parents[0];
-                       $params = $parents[1] // 128;
-                       $params = 128 if $params >= 128;  # ascii offset at most
+                       $params = $parents[1] // 80;
+                       $params = 80 if hex $params >= 0x80;  # ascii offset at most
                }
                elsif (@parents) {
                        $row{parent} = $parents[0];
-                       $params = $parents[1] if $parents[1] == 0;  # apply ascii end
+                       $params = $parents[1] if hex $parents[1] == 0;  # apply ascii end
                }
                $visible->{$_} //= 0 for $row{parent} || ();
        }
@@ -229,62 +117,36 @@ sub tabinput {
                elsif ($param =~ m{ \A cols = (\d+) \z }x) {
                        $row{cols} = $1;
                }
-               elsif ($param =~ m{ \A (?<offset> \d+) (?: [-] (?<endpoint> \d+) )? \z }x) {
+               elsif ($param =~ m{ \A (?<start> \p{AHex}+) (?: [-] (?<end> \p{AHex}+) )? \z }x) {
                        if (defined $row{endpoint}) {
                                # extend earlier range
-                               my $skip = int(($row{endpoint} || $row{offset}) / $row{cols});
-                               for ($skip + 1 .. ($+{offset} / $row{cols}) - 1) {
-                                       $row{skip}->{ $_ * $row{cols} - $row{offset} }++;
+                               my $skip = int(($row{endpoint} || $row{startpoint}) / $row{cols});
+                               for ($skip + 1 .. (hex($+{start}) / $row{cols}) - 1) {
+                                       $row{skip}->{ $_ * $row{cols} - $row{startpoint} }++;
                                }
                        }
                        else {
-                               $row{offset} = $+{offset};
+                               $row{startpoint} = hex $+{start};
                        }
-                       $row{endpoint} = $+{endpoint} || 0;
+                       $row{endpoint} = hex($+{end} || 0);
                }
                else {
                        Alert("Unknown option <q>$param</q> for charset $input");
                }
        }
 
-       if ($input =~ m{ \A u ([0-9a-f]+) (?:-([0-9a-f]+))? \z }ix) {
-               my $start = hex($1) << ($2 ? 4 : 8);
-               my $end = $2 ? (hex($2) << 4) + $row{cols} - 1 : $start + 255;
-               $row{table} = join '', map { chr } $start .. $end;
-               utf8::upgrade($row{table});  # prevent latin1 output
-               $row{endpoint} = $end - $start;
-               $row{set} = sprintf 'Unicode block U+%02Xxx', $start >> 8;
-               $row{offset} = $start % 256;
-       }
-       elsif (lc $input eq 'uu') {
-               $row{set} = 'Unicode planes';
-               $row{cell} = do 'charset-ucplanes.inc.pl'
-                       or Alert('Table data could not be read', $@ || $!);
-               $row{endpoint} = 1023 * $row{cell}->{colsize};
+       if ($charset->{setup}) {
+               eval { $charset->{setup}->(\%row) }
+                       or Alert("Incomplete setup of $input", $@);
        }
-       elsif (lc $input eq 'u') {
-               $row{cell} = do 'charset-unicode.inc.pl'
-                       or Alert('Table data could not be read', $@ || $!);
-
-               $row{endpoint} ||= 8191;
-               $row{endpoint}  *= $row{cell}->{colsize};
-               $row{startpoint} = $row{cell}->{colsize} * $row{offset};
-               $row{offset} = 0;
-               $row{set} = 'Unicode ' . (
-                       $row{startpoint} <  0x10000 && $row{endpoint} < 0x10000 ? 'BMP' :
-                       $row{startpoint} >= 0x10000 && $row{endpoint} < 0x20000 ? 'SMP' :
-                       'allocations'
-               );
-       }
-       elsif ($input =~ m/^utf-*8$/i) {
-               $row{set} = 'UTF-8';
-               $row{cell} = do 'charset-utf8.inc.pl'
-                       or Alert('Table data could not be read', $@ || $!);
-               $row{endpoint} = 255;
+       $row{endpoint} ||= 0xFF;
+
+       if (defined $row{table} or defined $row{cell}) {
+               $row{set} //= $input;
        }
        elsif ($row{set} = Encode::resolve_alias($input)) {
-               $row{endpoint} ||= 255;
-               if ($row{set} eq 'MacHebrew' or $row{set} eq 'MacThai') {
+               $row{offset} = delete $row{startpoint};
+               if ($charset->{varchar}) {
                        # array of possibly multiple characters per code point
                        $row{table} = [
                                map { Encode::decode($row{set}, pack 'C*', $_) } $row{offset} .. $row{endpoint}
@@ -295,33 +157,48 @@ sub tabinput {
                        # substr strings is twice as fast as splitting to an array
                        $row{table} = Encode::decode($row{set}, pack 'C*', $row{offset} .. $row{endpoint});
                }
-               $row{endpoint} -= $row{offset};
 
-               if ($row{set} eq 'cp437') {
-                       for my $phipos (237 - $row{offset}) {
-                               next if $phipos < 0 or $phipos > $row{endpoint};
-                               # replace phi glyph
-                               substr($row{table}, $phipos, 1) = pack 'U*', 0x3D5;
-                       }
-                       if ($row{offset} == 0) {
-                               # replace control characters by visible variants
-                               substr($row{table}, 0, 32) = pack 'U*', map {hex} qw(
-                                       2007 263A 263B 2665 2666 2663 2660 2022
-                                       25D8 25CB 25D9 2642 2640 266A 266B 263C
-                                       25BA 25C4 2195 203C 00B6 00A7 25AC 21A8
-                                       2191 2193 2192 2190 221F 2194 25B2 25BC
-                               );
-                       }
-               }
-
-               $visible->{ascii} =  # assume common base
-               $visible->{ $row{set} } = 1;
+               $row{endpoint} -= $row{offset};
+               $visible->{ascii}++;  # assume common base
        }
        else {
                Alert("Encoding <q>$input</q> unknown");
                return;
        }
+
+       if (my $replace = $charset->{replace}) {
+               while (my ($offset, $sub) = each %{$replace}) {
+                       $offset -= $row{offset};
+
+                       if (ref $row{table} eq 'ARRAY') {
+                               $row{table}->[$offset] = $sub
+                                       if $offset >= 0 and $offset <= $row{endpoint};
+                               next;
+                       }
+
+                       my $length = length $sub;
+
+                       if ($offset < 0) {
+                               $offset > -$length or next; # at least one character after start
+                               # trim leftmost part to start at offset
+                               substr($sub, 0, -$offset) = '';
+                               $length += $offset;
+                               $offset = 0;
+                       }
+
+                       if ((my $excess = $row{endpoint} - $offset - $length + 1) < 0) {
+                               $excess > -$length or next;
+                               # trim rightmost part to prevent overflow
+                               substr($sub, $excess) = '';
+                               $length += $excess;
+                       }
+
+                       substr($row{table}, $offset, $length) = $sub;
+               }
+       }
+
        push @request, \%row;
+       $visible->{ $row{set} } = 1 if $row{table};
 }
 tabinput($_) for @tablist;
 
@@ -339,7 +216,7 @@ sub range_cell {
        $len /= $colsize;
        $name //= $len <= 2 ? 'res' : 'reserved';
 
-       if (my $part = $offset/$colsize % $cols) {
+       if (my $part = ($offset/$colsize - $info->{startpoint}) % $cols) {
                # continued row
                my $rest = $cols - $part;  # remaining
                $rest = $len if $len < $rest; #TODO: optimise
@@ -399,12 +276,12 @@ for my $row (@request) {
        my $coldigits = ceil(log($colsize * $cols) / log(16));  # uniform length of hexadecimal header
        my $rowdiv = 16 ** $coldigits;  # row divide for column digits
        $rowdiv = 1 if $rowdiv != $cols * $colsize;  # divide only if all columns are matched
-       my $offset = $row->{startpoint} || 0;
+       my $offset = $row->{startpoint} * $colsize || 0;
 
        printf '<div class="section"><table class="glyphs%s">', !$row->{cell} && ' charmap';
        my $title = $row->{set};
        $title .= " <aside>(over $_)</aside>"
-               for grep { $_ ne 'iso-8859-1' } $row->{parent} // ();
+               for $row->{parent} || ();
        printf '<caption>%s</caption>', $title;
        print '<col>' x ($cols + 1);
        for my $section (qw{thead}) {
@@ -412,8 +289,9 @@ for my $row (@request) {
                printf '<th>%0*X', $coldigits, $_ * $colsize for 0 .. $cols - 1;
                print "\n";
        }
+
        print '<tbody>';
-       while ($offset < $row->{endpoint}) {
+       while ($offset <= $row->{endpoint} * $colsize) {
                if ($row->{skip}->{$offset}) {
                        $offset += $cols * $colsize;
                        next;
@@ -444,10 +322,10 @@ for my $row (@request) {
                        my $cp = $offset + $row->{offset};
                        my $glyph = ref $row->{table} eq 'ARRAY' ? $row->{table}->[$offset] :
                                substr $row->{table}, $offset, 1;
-                       my ($cell, $name, $class) = $glyph eq $NOCHAR ? () :
+                       my ($cell, $name, $class) = !defined $glyph || $glyph eq $NOCHAR ? () :
                                $glyphs->glyph_html($glyph);
 
-                       if (exists $get{compare}) {
+                       if ($mode) {
                                state $visible = {};
                                $class = (
                                        $cp == ord $glyph ? 'l4' :
@@ -474,7 +352,7 @@ for my $row (@request) {
 <hr>
 
 <div class="legend">
-       <table class="glyphs"><tr><: if (exists $get{compare}) { :>
+       <table class="glyphs"><tr><: if ($mode) { :>
        <td class="X l4">unicode
        <td class="X l3">inherited
        <td class="X l2">existing