1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
|
/* -*- Mode: C; tab-width: 4; indent-tabs-mode: nil; c-basic-offset: 2 -*- */
/* This Source Code Form is subject to the terms of the Mozilla Public
* License, v. 2.0. If a copy of the MPL was not distributed with this
* file, You can obtain one at http://mozilla.org/MPL/2.0/. */
#include "nsCodingStateMachine.h"
/*
Modification from frank tang's original work:
. 0x00 is allowed as a legal character. Since some web pages contains this char in
text stream.
*/
static const uint32_t EUCJP_cls [ 256 / 8 ] = {
//PCK4BITS(5,4,4,4,4,4,4,4), // 00 - 07
PCK4BITS(4,4,4,4,4,4,4,4), // 00 - 07
PCK4BITS(4,4,4,4,4,4,5,5), // 08 - 0f
PCK4BITS(4,4,4,4,4,4,4,4), // 10 - 17
PCK4BITS(4,4,4,5,4,4,4,4), // 18 - 1f
PCK4BITS(4,4,4,4,4,4,4,4), // 20 - 27
PCK4BITS(4,4,4,4,4,4,4,4), // 28 - 2f
PCK4BITS(4,4,4,4,4,4,4,4), // 30 - 37
PCK4BITS(4,4,4,4,4,4,4,4), // 38 - 3f
PCK4BITS(4,4,4,4,4,4,4,4), // 40 - 47
PCK4BITS(4,4,4,4,4,4,4,4), // 48 - 4f
PCK4BITS(4,4,4,4,4,4,4,4), // 50 - 57
PCK4BITS(4,4,4,4,4,4,4,4), // 58 - 5f
PCK4BITS(4,4,4,4,4,4,4,4), // 60 - 67
PCK4BITS(4,4,4,4,4,4,4,4), // 68 - 6f
PCK4BITS(4,4,4,4,4,4,4,4), // 70 - 77
PCK4BITS(4,4,4,4,4,4,4,4), // 78 - 7f
PCK4BITS(5,5,5,5,5,5,5,5), // 80 - 87
PCK4BITS(5,5,5,5,5,5,1,3), // 88 - 8f
PCK4BITS(5,5,5,5,5,5,5,5), // 90 - 97
PCK4BITS(5,5,5,5,5,5,5,5), // 98 - 9f
PCK4BITS(5,2,2,2,2,2,2,2), // a0 - a7
PCK4BITS(2,2,2,2,2,2,2,2), // a8 - af
PCK4BITS(2,2,2,2,2,2,2,2), // b0 - b7
PCK4BITS(2,2,2,2,2,2,2,2), // b8 - bf
PCK4BITS(2,2,2,2,2,2,2,2), // c0 - c7
PCK4BITS(2,2,2,2,2,2,2,2), // c8 - cf
PCK4BITS(2,2,2,2,2,2,2,2), // d0 - d7
PCK4BITS(2,2,2,2,2,2,2,2), // d8 - df
PCK4BITS(0,0,0,0,0,0,0,0), // e0 - e7
PCK4BITS(0,0,0,0,0,0,0,0), // e8 - ef
PCK4BITS(0,0,0,0,0,0,0,0), // f0 - f7
PCK4BITS(0,0,0,0,0,0,0,5) // f8 - ff
};
static const uint32_t EUCJP_st [ 5] = {
PCK4BITS( 3, 4, 3, 5,eStart,eError,eError,eError),//00-07
PCK4BITS(eError,eError,eError,eError,eItsMe,eItsMe,eItsMe,eItsMe),//08-0f
PCK4BITS(eItsMe,eItsMe,eStart,eError,eStart,eError,eError,eError),//10-17
PCK4BITS(eError,eError,eStart,eError,eError,eError, 3,eError),//18-1f
PCK4BITS( 3,eError,eError,eError,eStart,eStart,eStart,eStart) //20-27
};
static const uint32_t EUCJPCharLenTable[] = {2, 2, 2, 3, 1, 0};
const SMModel EUCJPSMModel = {
{eIdxSft4bits, eSftMsk4bits, eBitSft4bits, eUnitMsk4bits, EUCJP_cls },
6,
{eIdxSft4bits, eSftMsk4bits, eBitSft4bits, eUnitMsk4bits, EUCJP_st },
CHAR_LEN_TABLE(EUCJPCharLenTable),
"EUC-JP",
};
// sjis
static const uint32_t SJIS_cls [ 256 / 8 ] = {
//PCK4BITS(0,1,1,1,1,1,1,1), // 00 - 07
PCK4BITS(1,1,1,1,1,1,1,1), // 00 - 07
PCK4BITS(1,1,1,1,1,1,0,0), // 08 - 0f
PCK4BITS(1,1,1,1,1,1,1,1), // 10 - 17
PCK4BITS(1,1,1,0,1,1,1,1), // 18 - 1f
PCK4BITS(1,1,1,1,1,1,1,1), // 20 - 27
PCK4BITS(1,1,1,1,1,1,1,1), // 28 - 2f
PCK4BITS(1,1,1,1,1,1,1,1), // 30 - 37
PCK4BITS(1,1,1,1,1,1,1,1), // 38 - 3f
PCK4BITS(2,2,2,2,2,2,2,2), // 40 - 47
PCK4BITS(2,2,2,2,2,2,2,2), // 48 - 4f
PCK4BITS(2,2,2,2,2,2,2,2), // 50 - 57
PCK4BITS(2,2,2,2,2,2,2,2), // 58 - 5f
PCK4BITS(2,2,2,2,2,2,2,2), // 60 - 67
PCK4BITS(2,2,2,2,2,2,2,2), // 68 - 6f
PCK4BITS(2,2,2,2,2,2,2,2), // 70 - 77
PCK4BITS(2,2,2,2,2,2,2,1), // 78 - 7f
PCK4BITS(3,3,3,3,3,3,3,3), // 80 - 87
PCK4BITS(3,3,3,3,3,3,3,3), // 88 - 8f
PCK4BITS(3,3,3,3,3,3,3,3), // 90 - 97
PCK4BITS(3,3,3,3,3,3,3,3), // 98 - 9f
//0xa0 is illegal in sjis encoding, but some pages does
//contain such byte. We need to be more error forgiven.
PCK4BITS(2,2,2,2,2,2,2,2), // a0 - a7
PCK4BITS(2,2,2,2,2,2,2,2), // a8 - af
PCK4BITS(2,2,2,2,2,2,2,2), // b0 - b7
PCK4BITS(2,2,2,2,2,2,2,2), // b8 - bf
PCK4BITS(2,2,2,2,2,2,2,2), // c0 - c7
PCK4BITS(2,2,2,2,2,2,2,2), // c8 - cf
PCK4BITS(2,2,2,2,2,2,2,2), // d0 - d7
PCK4BITS(2,2,2,2,2,2,2,2), // d8 - df
PCK4BITS(3,3,3,3,3,3,3,3), // e0 - e7
PCK4BITS(3,3,3,3,3,4,4,4), // e8 - ef
PCK4BITS(4,4,4,4,4,4,4,4), // f0 - f7
PCK4BITS(4,4,4,4,4,0,0,0) // f8 - ff
};
static const uint32_t SJIS_st [ 3] = {
PCK4BITS(eError,eStart,eStart, 3,eError,eError,eError,eError),//00-07
PCK4BITS(eError,eError,eError,eError,eItsMe,eItsMe,eItsMe,eItsMe),//08-0f
PCK4BITS(eItsMe,eItsMe,eError,eError,eStart,eStart,eStart,eStart) //10-17
};
static const uint32_t SJISCharLenTable[] = {0, 1, 1, 2, 0, 0};
const SMModel SJISSMModel = {
{eIdxSft4bits, eSftMsk4bits, eBitSft4bits, eUnitMsk4bits, SJIS_cls },
6,
{eIdxSft4bits, eSftMsk4bits, eBitSft4bits, eUnitMsk4bits, SJIS_st },
CHAR_LEN_TABLE(SJISCharLenTable),
"Shift_JIS",
};
static const uint32_t UTF8_cls [ 256 / 8 ] = {
PCK4BITS( 1, 1, 1, 1, 1, 1, 1, 1), // 00 - 07
PCK4BITS( 1, 1, 1, 1, 1, 1, 0, 0), // 08 - 0f
PCK4BITS( 1, 1, 1, 1, 1, 1, 1, 1), // 10 - 17
PCK4BITS( 1, 1, 1, 0, 1, 1, 1, 1), // 18 - 1f
PCK4BITS( 1, 1, 1, 1, 1, 1, 1, 1), // 20 - 27
PCK4BITS( 1, 1, 1, 1, 1, 1, 1, 1), // 28 - 2f
PCK4BITS( 1, 1, 1, 1, 1, 1, 1, 1), // 30 - 37
PCK4BITS( 1, 1, 1, 1, 1, 1, 1, 1), // 38 - 3f
PCK4BITS( 1, 1, 1, 1, 1, 1, 1, 1), // 40 - 47
PCK4BITS( 1, 1, 1, 1, 1, 1, 1, 1), // 48 - 4f
PCK4BITS( 1, 1, 1, 1, 1, 1, 1, 1), // 50 - 57
PCK4BITS( 1, 1, 1, 1, 1, 1, 1, 1), // 58 - 5f
PCK4BITS( 1, 1, 1, 1, 1, 1, 1, 1), // 60 - 67
PCK4BITS( 1, 1, 1, 1, 1, 1, 1, 1), // 68 - 6f
PCK4BITS( 1, 1, 1, 1, 1, 1, 1, 1), // 70 - 77
PCK4BITS( 1, 1, 1, 1, 1, 1, 1, 1), // 78 - 7f
PCK4BITS( 2, 2, 2, 2, 2, 2, 2, 2), // 80 - 87
PCK4BITS( 2, 2, 2, 2, 2, 2, 2, 2), // 88 - 8f
PCK4BITS( 3, 3, 3, 3, 3, 3, 3, 3), // 90 - 97
PCK4BITS( 3, 3, 3, 3, 3, 3, 3, 3), // 98 - 9f
PCK4BITS( 4, 4, 4, 4, 4, 4, 4, 4), // a0 - a7
PCK4BITS( 4, 4, 4, 4, 4, 4, 4, 4), // a8 - af
PCK4BITS( 4, 4, 4, 4, 4, 4, 4, 4), // b0 - b7
PCK4BITS( 4, 4, 4, 4, 4, 4, 4, 4), // b8 - bf
PCK4BITS( 0, 0, 5, 5, 5, 5, 5, 5), // c0 - c7
PCK4BITS( 5, 5, 5, 5, 5, 5, 5, 5), // c8 - cf
PCK4BITS( 5, 5, 5, 5, 5, 5, 5, 5), // d0 - d7
PCK4BITS( 5, 5, 5, 5, 5, 5, 5, 5), // d8 - df
PCK4BITS( 6, 7, 7, 7, 7, 7, 7, 7), // e0 - e7
PCK4BITS( 7, 7, 7, 7, 7, 8, 7, 7), // e8 - ef
PCK4BITS( 9,10,10,10,11, 0, 0, 0), // f0 - f7
PCK4BITS( 0, 0, 0, 0, 0, 0, 0, 0) // f8 - ff
};
static const uint32_t UTF8_st [ 15] = {
PCK4BITS(eError,eStart,eError,eError,eError, 3, 4, 5), // 00 - 07
PCK4BITS( 6, 7, 8, 9,eError,eError,eError,eError), // 08 - 0f
PCK4BITS(eError,eError,eError,eError,eError,eError,eError,eError), // 10 - 17
PCK4BITS(eItsMe,eItsMe,eItsMe,eItsMe,eItsMe,eItsMe,eItsMe,eItsMe), // 18 - 1f
PCK4BITS(eItsMe,eItsMe,eItsMe,eItsMe,eError,eError,eStart,eStart), // 20 - 27
PCK4BITS(eStart,eError,eError,eError,eError,eError,eError,eError), // 28 - 2f
PCK4BITS(eError,eError,eError,eError, 3,eError,eError,eError), // 30 - 37
PCK4BITS(eError,eError,eError,eError,eError,eError, 3, 3), // 38 - 3f
PCK4BITS( 3,eError,eError,eError,eError,eError,eError,eError), // 40 - 47
PCK4BITS(eError,eError, 3, 3,eError,eError,eError,eError), // 48 - 4f
PCK4BITS(eError,eError,eError,eError,eError,eError, 5, 5), // 50 - 57
PCK4BITS(eError,eError,eError,eError,eError,eError,eError,eError), // 58 - 5f
PCK4BITS(eError,eError, 5, 5, 5,eError,eError,eError), // 60 - 67
PCK4BITS(eError,eError,eError,eError,eError,eError, 5,eError), // 68 - 6f
PCK4BITS(eError,eError,eError,eError,eError,eError,eError,eError) // 70 - 77
};
static const uint32_t UTF8CharLenTable[] = {0, 1, 0, 0, 0, 2, 3, 3, 3, 4, 4, 4};
const SMModel UTF8SMModel = {
{eIdxSft4bits, eSftMsk4bits, eBitSft4bits, eUnitMsk4bits, UTF8_cls },
12,
{eIdxSft4bits, eSftMsk4bits, eBitSft4bits, eUnitMsk4bits, UTF8_st },
CHAR_LEN_TABLE(UTF8CharLenTable),
"UTF-8",
};
|
