lib/rexml/encodings/ISO-8859-15.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("ISO-8859-15") do |o|
   7                 alias encode to_iso_8859_15
   8       alias decode from_iso_8859_15
   9         end
  10
  11     # Convert from UTF-8
  12     def to_iso_8859_15(content)
  13       array_utf8 = content.unpack('U*')
  14       array_enc = []
  15       array_utf8.each do |num|
  16         case num
  17           # shortcut first bunch basic characters
  18         when 0..0xA3; array_enc << num
  19           # characters removed compared to iso-8859-1
  20         when 0xA4; array_enc << '&#164;'
  21         when 0xA6; array_enc << '&#166;'
  22         when 0xA8; array_enc << '&#168;'
  23         when 0xB4; array_enc << '&#180;'
  24         when 0xB8; array_enc << '&#184;'
  25         when 0xBC; array_enc << '&#188;'
  26         when 0xBD; array_enc << '&#189;'
  27         when 0xBE; array_enc << '&#190;'
  28           # characters added compared to iso-8859-1
  29         when 0x20AC; array_enc << 0xA4 # 0xe2 0x82 0xac
  30         when 0x0160; array_enc << 0xA6 # 0xc5 0xa0
  31         when 0x0161; array_enc << 0xA8 # 0xc5 0xa1
  32         when 0x017D; array_enc << 0xB4 # 0xc5 0xbd
  33         when 0x017E; array_enc << 0xB8 # 0xc5 0xbe
  34         when 0x0152; array_enc << 0xBC # 0xc5 0x92
  35         when 0x0153; array_enc << 0xBD # 0xc5 0x93
  36         when 0x0178; array_enc << 0xBE # 0xc5 0xb8
  37         else
  38           # all remaining basic characters can be used directly
  39           if num <= 0xFF
  40             array_enc << num
  41           else
  42             # Numeric entity (&#nnnn;); shard by  Stefan Scholl
  43             array_enc.concat "&\##{num};".unpack('C*')
  44           end
  45         end
  46       end
  47       array_enc.pack('C*')
  48     end
  49
  50     # Convert to UTF-8
  51     def from_iso_8859_15(str)
  52       array_latin9 = str.unpack('C*')
  53       array_enc = []
  54       array_latin9.each do |num|
  55         case num
  56           # characters that differ compared to iso-8859-1
  57         when 0xA4; array_enc << 0x20AC
  58         when 0xA6; array_enc << 0x0160
  59         when 0xA8; array_enc << 0x0161
  60         when 0xB4; array_enc << 0x017D
  61         when 0xB8; array_enc << 0x017E
  62         when 0xBC; array_enc << 0x0152
  63         when 0xBD; array_enc << 0x0153
  64         when 0xBE; array_enc << 0x0178
  65         else
  66           array_enc << num
  67         end
  68       end
  69       array_enc.pack('U*')
  70     end
  71   end
  72 end