lib/rexml/encodings/CP-1252.rb

   1 #
   2 # This class was contributed by Mikko Tiihonen mikko DOT tiihonen AT hut DOT fi
   3 #
   4 module REXML
   5   module Encoding
   6         register( "CP-1252" ) do |o|
   7                 class << o
   8                         alias encode encode_cp1252
   9                         alias decode decode_cp1252
  10                 end
  11         end
  12
  13     # Convert from UTF-8
  14     def encode_cp1252(content)
  15       array_utf8 = content.unpack('U*')
  16       array_enc = []
  17       array_utf8.each do |num|
  18         case num
  19           # shortcut first bunch basic characters
  20         when 0..0xFF; array_enc << num
  21           # characters added compared to iso-8859-1
  22         when 0x20AC; array_enc << 0x80 # 0xe2 0x82 0xac
  23         when 0x201A; array_enc << 0x82 # 0xe2 0x82 0x9a
  24         when 0x0192; array_enc << 0x83 # 0xc6 0x92
  25         when 0x201E; array_enc << 0x84 # 0xe2 0x82 0x9e
  26         when 0x2026; array_enc << 0x85 # 0xe2 0x80 0xa6
  27         when 0x2020; array_enc << 0x86 # 0xe2 0x80 0xa0
  28         when 0x2021; array_enc << 0x87 # 0xe2 0x80 0xa1
  29         when 0x02C6; array_enc << 0x88 # 0xcb 0x86
  30         when 0x2030; array_enc << 0x89 # 0xe2 0x80 0xb0
  31         when 0x0160; array_enc << 0x8A # 0xc5 0xa0
  32         when 0x2039; array_enc << 0x8B # 0xe2 0x80 0xb9
  33         when 0x0152; array_enc << 0x8C # 0xc5 0x92
  34         when 0x017D; array_enc << 0x8E # 0xc5 0xbd
  35         when 0x2018; array_enc << 0x91 # 0xe2 0x80 0x98
  36         when 0x2019; array_enc << 0x92 # 0xe2 0x80 0x99
  37         when 0x201C; array_enc << 0x93 # 0xe2 0x80 0x9c
  38         when 0x201D; array_enc << 0x94 # 0xe2 0x80 0x9d
  39         when 0x2022; array_enc << 0x95 # 0xe2 0x80 0xa2
  40         when 0x2013; array_enc << 0x96 # 0xe2 0x80 0x93
  41         when 0x2014; array_enc << 0x97 # 0xe2 0x80 0x94
  42         when 0x02DC; array_enc << 0x98 # 0xcb 0x9c
  43         when 0x2122; array_enc << 0x99 # 0xe2 0x84 0xa2
  44         when 0x0161; array_enc << 0x9A # 0xc5 0xa1
  45         when 0x203A; array_enc << 0x9B # 0xe2 0x80 0xba
  46         when 0x0152; array_enc << 0x9C # 0xc5 0x93
  47         when 0x017E; array_enc << 0x9E # 0xc5 0xbe
  48         when 0x0178; array_enc << 0x9F # 0xc5 0xb8
  49         else
  50           # all remaining basic characters can be used directly
  51           if num <= 0xFF
  52             array_enc << num
  53           else
  54             # Numeric entity (&#nnnn;); shard by  Stefan Scholl
  55             array_enc.concat "&\##{num};".unpack('C*')
  56           end
  57         end
  58       end
  59       array_enc.pack('C*')
  60     end
  61
  62     # Convert to UTF-8
  63     def decode_cp1252(str)
  64       array_latin9 = str.unpack('C*')
  65       array_enc = []
  66       array_latin9.each do |num|
  67         case num
  68           # characters that added compared to iso-8859-1
  69         when 0x80; array_enc << 0x20AC # 0xe2 0x82 0xac
  70         when 0x82; array_enc << 0x201A # 0xe2 0x82 0x9a
  71         when 0x83; array_enc << 0x0192 # 0xc6 0x92
  72         when 0x84; array_enc << 0x201E # 0xe2 0x82 0x9e
  73         when 0x85; array_enc << 0x2026 # 0xe2 0x80 0xa6
  74         when 0x86; array_enc << 0x2020 # 0xe2 0x80 0xa0
  75         when 0x87; array_enc << 0x2021 # 0xe2 0x80 0xa1
  76         when 0x88; array_enc << 0x02C6 # 0xcb 0x86
  77         when 0x89; array_enc << 0x2030 # 0xe2 0x80 0xb0
  78         when 0x8A; array_enc << 0x0160 # 0xc5 0xa0
  79         when 0x8B; array_enc << 0x2039 # 0xe2 0x80 0xb9
  80         when 0x8C; array_enc << 0x0152 # 0xc5 0x92
  81         when 0x8E; array_enc << 0x017D # 0xc5 0xbd
  82         when 0x91; array_enc << 0x2018 # 0xe2 0x80 0x98
  83         when 0x92; array_enc << 0x2019 # 0xe2 0x80 0x99
  84         when 0x93; array_enc << 0x201C # 0xe2 0x80 0x9c
  85         when 0x94; array_enc << 0x201D # 0xe2 0x80 0x9d
  86         when 0x95; array_enc << 0x2022 # 0xe2 0x80 0xa2
  87         when 0x96; array_enc << 0x2013 # 0xe2 0x80 0x93
  88         when 0x97; array_enc << 0x2014 # 0xe2 0x80 0x94
  89         when 0x98; array_enc << 0x02DC # 0xcb 0x9c
  90         when 0x99; array_enc << 0x2122 # 0xe2 0x84 0xa2
  91         when 0x9A; array_enc << 0x0161 # 0xc5 0xa1
  92         when 0x9B; array_enc << 0x203A # 0xe2 0x80 0xba
  93         when 0x9C; array_enc << 0x0152 # 0xc5 0x93
  94         when 0x9E; array_enc << 0x017E # 0xc5 0xbe
  95         when 0x9F; array_enc << 0x0178 # 0xc5 0xb8
  96         else
  97           array_enc << num
  98         end
  99       end
 100       array_enc.pack('U*')
 101     end
 102   end
 103 end