if -> ifdef
[vlc.git] / src / text / charset.c
1 /*****************************************************************************
2  * charset.c: Locale's character encoding stuff.
3  *****************************************************************************
4  * See also unicode.c for Unicode to locale conversion helpers.
5  *
6  * Copyright (C) 2003-2006 the VideoLAN team
7  * $Id$
8  *
9  * Authors: Derk-Jan Hartman <thedj at users.sf.net>
10  *          Christophe Massiot
11  *          RĂ©mi Denis-Courmont
12  *
13  * vlc_current_charset() an adaption of mp_locale_charset():
14  *
15  *  Copyright (C) 2001-2003 The Mape Project
16  *  Written by Karel Zak  <zakkr@zf.jcu.cz>.
17  *
18  * This program is free software; you can redistribute it and/or modify
19  * it under the terms of the GNU General Public License as published by
20  * the Free Software Foundation; either version 2 of the License, or
21  * (at your option) any later version.
22  *
23  * This program is distributed in the hope that it will be useful,
24  * but WITHOUT ANY WARRANTY; without even the implied warranty of
25  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
26  * GNU General Public License for more details.
27  *
28  * You should have received a copy of the GNU General Public License
29  * along with this program; if not, write to the Free Software
30  * Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston MA 02110-1301, USA.
31  *****************************************************************************/
32
33 #ifdef HAVE_CONFIG_H
34 # include "config.h"
35 #endif
36
37 #include <vlc/vlc.h>
38
39 #if !defined WIN32
40 # ifdef HAVE_LANGINFO_CODESET
41 #  include <langinfo.h>
42 # endif
43 # include <locale.h>
44 #else
45 # include <windows.h>
46 #endif
47
48 #ifdef __APPLE__
49 #   include <errno.h>
50 #   include <string.h>
51 #endif
52
53 #include <vlc_charset.h>
54
55 typedef struct VLCCharsetAlias
56 {
57     char *psz_alias, *psz_name;
58 } VLCCharsetAlias;
59
60 /*
61  * The libcharset load all from external text file, but it's strange and
62  * slow solution, we rather use array(s) compiled into source. In the
63  * "good" libc this is not needful -- for example in linux.
64  *
65  * Please, put to this funtion exotic aliases only. The libc 'iconv' knows
66  * a lot of basic aliases (check it first by iconv -l).
67  *
68  */
69 #if (defined OS2 || !defined(HAVE_LANGINFO_CODESET)) && !defined WIN32
70 static const char* vlc_encoding_from_language( const char *l )
71 {
72     /* check for language (and perhaps country) codes */
73     if (strstr(l, "zh_TW")) return "Big5";
74     if (strstr(l, "zh_HK")) return "Big5HKSCS";   /* no MIME charset */
75     if (strstr(l, "zh")) return "GB2312";
76     if (strstr(l, "th")) return "TIS-620";
77     if (strstr(l, "ja")) return "EUC-JP";
78     if (strstr(l, "ko")) return "EUC-KR";
79     if (strstr(l, "ru")) return "KOI8-R";
80     if (strstr(l, "uk")) return "KOI8-U";
81     if (strstr(l, "pl") || strstr(l, "hr") ||
82         strstr(l, "hu") || strstr(l, "cs") ||
83         strstr(l, "sk") || strstr(l, "sl")) return "ISO-8859-2";
84     if (strstr(l, "eo") || strstr(l, "mt")) return "ISO-8859-3";
85     if (strstr(l, "lt") || strstr(l, "la")) return "ISO-8859-4";
86     if (strstr(l, "bg") || strstr(l, "be") ||
87         strstr(l, "mk") || strstr(l, "uk")) return "ISO-8859-5";
88     if (strstr(l, "ar")) return "ISO-8859-6";
89     if (strstr(l, "el")) return "ISO-8859-7";
90     if (strstr(l, "he") || strstr(l, "iw")) return "ISO-8859-8";
91     if (strstr(l, "tr")) return "ISO-8859-9";
92     if (strstr(l, "th")) return "ISO-8859-11";
93     if (strstr(l, "lv")) return "ISO-8859-13";
94     if (strstr(l, "cy")) return "ISO-8859-14";
95     if (strstr(l, "et")) return "ISO-8859-15"; /* all latin1 could be iso15 as well */
96     if (strstr(l, "ro")) return "ISO-8859-2";   /* or ISO-8859-16 */
97     if (strstr(l, "am") || strstr(l, "vi")) return "UTF-8";
98     /* We don't know. This ain't working go to default. */
99     return "ISO-8859-1";
100 }
101 #endif
102
103 static const char* vlc_charset_aliases( const char *psz_name )
104 {
105     VLCCharsetAlias     *a;
106
107 #if defined WIN32
108     VLCCharsetAlias aliases[] =
109     {
110         { "CP936",      "GBK" },
111         { "CP1361",     "JOHAB" },
112         { "CP20127",    "ASCII" },
113         { "CP20866",    "KOI8-R" },
114         { "CP21866",    "KOI8-RU" },
115         { "CP28591",    "ISO-8859-1" },
116         { "CP28592",    "ISO-8859-2" },
117         { "CP28593",    "ISO-8859-3" },
118         { "CP28594",    "ISO-8859-4" },
119         { "CP28595",    "ISO-8859-5" },
120         { "CP28596",    "ISO-8859-6" },
121         { "CP28597",    "ISO-8859-7" },
122         { "CP28598",    "ISO-8859-8" },
123         { "CP28599",    "ISO-8859-9" },
124         { "CP28605",    "ISO-8859-15" },
125         { NULL,         NULL }
126     };
127 #elif defined (SYS_AIX)
128     VLCCharsetAlias aliases[] =
129     {
130         { "IBM-850",    "CP850" },
131         { "IBM-856",    "CP856" },
132         { "IBM-921",    "ISO-8859-13" },
133         { "IBM-922",    "CP922" },
134         { "IBM-932",    "CP932" },
135         { "IBM-943",    "CP943" },
136         { "IBM-1046",   "CP1046" },
137         { "IBM-1124",   "CP1124" },
138         { "IBM-1129",   "CP1129" },
139         { "IBM-1252",   "CP1252" },
140         { "IBM-EUCCN",  "GB2312" },
141         { "IBM-EUCJP",  "EUC-JP" },
142         { "IBM-EUCKR",  "EUC-KR" },
143         { "IBM-EUCTW",  "EUC-TW" },
144         { NULL, NULL }
145     };
146 #elif defined (SYS_HPUX)
147     VLCCharsetAlias aliases[] =
148     {
149         { "ROMAN8",     "HP-ROMAN8" },
150         { "ARABIC8",    "HP-ARABIC8" },
151         { "GREEK8",     "HP-GREEK8" },
152         { "HEBREW8",    "HP-HEBREW8" },
153         { "TURKISH8",   "HP-TURKISH8" },
154         { "KANA8",      "HP-KANA8" },
155         { "HP15CN",     "GB2312" },
156         { NULL, NULL }
157     };
158 #elif defined (SYS_IRIX)
159     VLCCharsetAlias aliases[] =
160     {
161         { "EUCCN",      "GB2312" },
162         { NULL, NULL }
163     };
164 #elif defined (SYS_OSF)
165     VLCCharsetAlias aliases[] =
166     {
167         { "KSC5601",    "CP949" },
168         { "SDECKANJI",  "EUC-JP" },
169         { "TACTIS",     "TIS-620" },
170         { NULL, NULL }
171     };
172 #elif defined (SYS_SOLARIS)
173     VLCCharsetAlias aliases[] =
174     {
175         { "646", "ASCII" },
176         { "CNS11643",   "EUC-TW" },
177         { "5601",       "EUC-KR" },
178         { "JOHAP92",    "JOHAB" },
179         { "PCK", "SHIFT_JIS" },
180         { "2533",       "TIS-620" },
181         { NULL, NULL }
182     };
183 #elif defined (SYS_BSD)
184     VLCCharsetAlias aliases[] =
185     {
186         { "646", " ASCII" },
187         { "EUCCN", "GB2312" },
188         { NULL, NULL }
189     };
190 #else
191     VLCCharsetAlias aliases[] = {{NULL, NULL}};
192 #endif
193
194     for (a = aliases; a->psz_alias; a++)
195         if (strcasecmp (a->psz_alias, psz_name) == 0)
196             return a->psz_name;
197
198     /* we return original name beacuse iconv() probably will know
199      * something better about name if we don't know it :-) */
200     return psz_name;
201 }
202
203 /* Returns charset from "language_COUNTRY.charset@modifier" string */
204 #if (defined OS2 || !defined(HAVE_LANGINFO_CODESET)) && !defined WIN32
205 static void vlc_encoding_from_locale( char *psz_locale, char *psz_charset )
206 {
207     char *psz_dot = strchr( psz_locale, '.' );
208
209     if( psz_dot != NULL )
210     {
211         const char *psz_modifier;
212
213         psz_dot++;
214
215         /* Look for the possible @... trailer and remove it, if any.  */
216         psz_modifier = strchr( psz_dot, '@' );
217
218         if( psz_modifier == NULL )
219         {
220             strcpy( psz_charset, psz_dot );
221             return;
222         }
223         if( 0 < ( psz_modifier - psz_dot )
224              && ( psz_modifier - psz_dot ) < 2 + 10 + 1 )
225         {
226             memcpy( psz_charset, psz_dot, psz_modifier - psz_dot );
227             psz_charset[ psz_modifier - psz_dot ] = '\0';
228             return;
229         }
230     }
231     /* try language mapping */
232     strcpy( psz_charset, vlc_encoding_from_language( psz_locale ) );
233 }
234 #endif
235
236 vlc_bool_t vlc_current_charset( char **psz_charset )
237 {
238     const char *psz_codeset;
239
240 #if !(defined WIN32 || defined OS2 || defined __APPLE__)
241
242 # ifdef HAVE_LANGINFO_CODESET
243     /* Most systems support nl_langinfo( CODESET ) nowadays.  */
244     psz_codeset = nl_langinfo( CODESET );
245     if( !strcmp( psz_codeset, "ANSI_X3.4-1968" ) )
246         psz_codeset = "ASCII";
247 # else
248     /* On old systems which lack it, use setlocale or getenv.  */
249     const char *psz_locale = NULL;
250     char buf[2 + 10 + 1];
251
252     /* But most old systems don't have a complete set of locales.  Some
253      * (like SunOS 4 or DJGPP) have only the C locale.  Therefore we don't
254      * use setlocale here; it would return "C" when it doesn't support the
255      * locale name the user has set. Darwin's setlocale is broken. */
256 #  if defined (HAVE_SETLOCALE) && !defined (__APPLE__)
257     psz_locale = setlocale( LC_ALL, NULL );
258 #  endif
259     if( psz_locale == NULL || psz_locale[0] == '\0' )
260     {
261         psz_locale = getenv( "LC_ALL" );
262         if( psz_locale == NULL || psz_locale[0] == '\0' )
263         {
264             psz_locale = getenv( "LC_CTYPE" );
265             if( psz_locale == NULL || psz_locale[0] == '\0')
266                 psz_locale = getenv( "LANG" );
267         }
268     }
269
270     /* On some old systems, one used to set locale = "iso8859_1". On others,
271      * you set it to "language_COUNTRY.charset". Darwin only has LANG :( */
272     vlc_encoding_from_locale( (char *)psz_locale, buf );
273     psz_codeset =  buf;
274 # endif /* HAVE_LANGINFO_CODESET */
275
276 #elif defined __APPLE__
277
278     /* Darwin is always using UTF-8 internally. */
279     psz_codeset = "UTF-8";
280
281 #elif defined WIN32
282
283     char buf[2 + 10 + 1];
284
285     /* Woe32 has a function returning the locale's codepage as a number.  */
286     snprintf( buf, sizeof( buf ), "CP%u", GetACP() );
287     psz_codeset = buf;
288
289 #elif defined OS2
290
291     const char *psz_locale;
292     char buf[2 + 10 + 1];
293     ULONG cp[3];
294     ULONG cplen;
295
296     /* Allow user to override the codeset, as set in the operating system,
297      * with standard language environment variables. */
298     psz_locale = getenv( "LC_ALL" );
299     if( psz_locale == NULL || psz_locale[0] == '\0' )
300     {
301         psz+locale = getenv( "LC_CTYPE" );
302         if( psz_locale == NULL || locale[0] == '\0' )
303             locale = getenv( "LANG" );
304     }
305     if( psz_locale != NULL && psz_locale[0] != '\0' )
306         vlc_encoding_from_locale( psz_locale, buf );
307         psz_codeset = buf;
308     else
309     {
310         /* OS/2 has a function returning the locale's codepage as a number. */
311         if( DosQueryCp( sizeof( cp ), cp, &cplen ) )
312             psz_codeset = "";
313         else
314         {
315             snprintf( buf, sizeof( buf ), "CP%u", cp[0] );
316             psz_codeset = buf;
317         }
318     }
319 #endif
320     if( psz_codeset == NULL )
321         /* The canonical name cannot be determined. */
322         psz_codeset = "";
323     else
324         psz_codeset = vlc_charset_aliases( psz_codeset );
325
326     /* Don't return an empty string.  GNU libc and GNU libiconv interpret
327      * the empty string as denoting "the locale's character encoding",
328      * thus GNU libiconv would call this function a second time. */
329     if( psz_codeset[0] == '\0' )
330     {
331         /* Last possibility is 'CHARSET' enviroment variable */
332         if( !( psz_codeset = getenv( "CHARSET" ) ) )
333             psz_codeset = "ISO-8859-1";
334     }
335
336     if( psz_charset )
337         *psz_charset = strdup(psz_codeset);
338
339     if( !strcasecmp(psz_codeset, "UTF8") || !strcasecmp(psz_codeset, "UTF-8") )
340         return VLC_TRUE;
341
342     return VLC_FALSE;
343 }
344
345
346 char *vlc_fix_readdir( const char *psz_string )
347 {
348 #ifdef __APPLE__
349     vlc_iconv_t hd = vlc_iconv_open( "UTF-8", "UTF-8-MAC" );
350
351     if (hd != (vlc_iconv_t)(-1))
352     {
353         const char *psz_in = psz_string;
354         size_t i_in = strlen(psz_in);
355         size_t i_out = i_in * 2;
356         char *psz_utf8 = malloc(i_out + 1);
357         char *psz_out = psz_utf8;
358
359         size_t i_ret = vlc_iconv (hd, &psz_in, &i_in, &psz_out, &i_out);
360         vlc_iconv_close (hd);
361         if( i_ret == (size_t)(-1) || i_in )
362         {
363             free( psz_utf8 );
364             return strdup( psz_string );
365         }
366
367         *psz_out = '\0';
368         return psz_utf8;
369     }
370 #endif
371     return strdup( psz_string );
372 }
373
374
375 /**
376  * There are two decimal separators in the computer world-wide locales:
377  * dot (which is the american default), and comma (which is used in France,
378  * the country with the most VLC developers, among others).
379  *
380  * i18n_strtod() has the same prototype as ANSI C strtod() but it accepts
381  * either decimal separator when deserializing the string to a float number,
382  * independant of the local computer setting.
383  */
384 double i18n_strtod( const char *str, char **end )
385 {
386     char *end_buf, e;
387     double d;
388
389     if( end == NULL )
390         end = &end_buf;
391     d = strtod( str, end );
392
393     e = **end;
394     if(( e == ',' ) || ( e == '.' ))
395     {
396         char dup[strlen( str ) + 1];
397         strcpy( dup, str );
398
399         if( dup == NULL )
400             return d;
401
402         dup[*end - str] = ( e == ',' ) ? '.' : ',';
403         d = strtod( dup, end );
404     }
405     return d;
406 }
407
408 /**
409  * i18n_atof() has the same prototype as ANSI C atof() but it accepts
410  * either decimal separator when deserializing the string to a float number,
411  * independant of the local computer setting.
412  */
413 double i18n_atof( const char *str )
414 {
415     return i18n_strtod( str, NULL );
416 }
417
418
419 /**
420  * us_strtod() has the same prototype as ANSI C strtod() but it expects
421  * a dot as decimal separator regardless of the system locale.
422  */
423 double us_strtod( const char *str, char **end )
424 {
425     char dup[strlen( str ) + 1], *ptr;
426     double d;
427     strcpy( dup, str );
428
429     ptr = strchr( dup, ',' );
430     if( ptr != NULL )
431         *ptr = '\0';
432
433     d = strtod( dup, &ptr );
434     if( end != NULL )
435         *end = (char *)&str[ptr - dup];
436
437     return d;
438 }
439
440 /**
441  * us_atof() has the same prototype as ANSI C atof() but it expects a dot
442  * as decimal separator, regardless of the system locale.
443  */
444 double us_atof( const char *str )
445 {
446     return us_strtod( str, NULL );
447 }
448