← Back to branch summary

~ubuntu-branches/ubuntu/raring/codeblocks/raring-proposed

« back to all changes in this revision

Viewing changes to src/include/mozilla_chardet/CharDistribution.h

  • Committer: Bazaar Package Importer
  • Author(s): Cosme Domínguez Díaz
  • Date: 2010-08-09 04:38:38 UTC
  • mfrom: (1.1.1 upstream)
  • mto: This revision was merged to the branch mainline in revision 4.
  • Revision ID: james.westby@ubuntu.com-20100809043838-a59ygguym4eg0jgw
Tags: 10.05-0ubuntu1
https://launchpad.net/bugs/322350
* New upstream release. Closes (LP: #322350)
 - Switch to dpkg-source 3.0 (quilt) format
 - Remove unneeded README.source
 - Add debian/get-source-orig script that removes all
   Windows prebuilt binaries
* Bump Standards-Version to 3.9.1
 - Stop shipping *.la files
* debian/control
 - Add cdbs package as Build-Depend
 - Add libbz2-dev and zlib1g-dev packages as
   Build-Depends (needed by libhelp_plugin.so)
 - Remove dpatch package of Build-Depends
 - Add codeblocks-contrib-debug package
 - Split architecture-independent files of codeblocks
   package in codeblocks-common package
* debian/rules
 - Switch to CDBS rules system
 - Add parallel build support
 - Add a call to debian/get-source-orig script
 - Use lzma compression (saves 23,5 MB of free space)
* debian/patches
 - Refresh 01_codeblocks_plugin_path
 - Add 02_no_Makefiles_in_debian_dir to remove any link
   in codeblocks build system to deleted Makefiles of debian directory
 - Drop 02_ftbfs_gcc44 and 03_ftbfs_glib221 (merged in upstream)
* debian/watch
 - Update to use the new host (berlios.de)

Show diffs side-by-side

added added

removed removed

Lines of Context:
src/include/mozilla_chardet/CharDistribution.h
 
1
/* -*- Mode: C++; tab-width: 2; indent-tabs-mode: nil; c-basic-offset: 2 -*- */
 
2
/* ***** BEGIN LICENSE BLOCK *****
 
3
 * Version: MPL 1.1/GPL 2.0/LGPL 2.1
 
4
 *
 
5
 * The contents of this file are subject to the Mozilla Public License Version
 
6
 * 1.1 (the "License"); you may not use this file except in compliance with
 
7
 * the License. You may obtain a copy of the License at
 
8
 * http://www.mozilla.org/MPL/
 
9
 *
 
10
 * Software distributed under the License is distributed on an "AS IS" basis,
 
11
 * WITHOUT WARRANTY OF ANY KIND, either express or implied. See the License
 
12
 * for the specific language governing rights and limitations under the
 
13
 * License.
 
14
 *
 
15
 * The Original Code is Mozilla Communicator client code.
 
16
 *
 
17
 * The Initial Developer of the Original Code is
 
18
 * Netscape Communications Corporation.
 
19
 * Portions created by the Initial Developer are Copyright (C) 1998
 
20
 * the Initial Developer. All Rights Reserved.
 
21
 *
 
22
 * Contributor(s):
 
23
 *
 
24
 * Alternatively, the contents of this file may be used under the terms of
 
25
 * either the GNU General Public License Version 2 or later (the "GPL"), or
 
26
 * the GNU Lesser General Public License Version 2.1 or later (the "LGPL"),
 
27
 * in which case the provisions of the GPL or the LGPL are applicable instead
 
28
 * of those above. If you wish to allow use of your version of this file only
 
29
 * under the terms of either the GPL or the LGPL, and not to allow others to
 
30
 * use your version of this file under the terms of the MPL, indicate your
 
31
 * decision by deleting the provisions above and replace them with the notice
 
32
 * and other provisions required by the GPL or the LGPL. If you do not delete
 
33
 * the provisions above, a recipient may use your version of this file under
 
34
 * the terms of any one of the MPL, the GPL or the LGPL.
 
35
 *
 
36
 * ***** END LICENSE BLOCK ***** */
 
37
 
 
38
#ifndef CharDistribution_h__
 
39
#define CharDistribution_h__
 
40
 
 
41
#include "nscore.h"
 
42
 
 
43
#define ENOUGH_DATA_THRESHOLD 1024
 
44
 
 
45
class CharDistributionAnalysis
 
46
{
 
47
public:
 
48
  CharDistributionAnalysis() {Reset();}
 
49
 
 
50
  //feed a block of data and do distribution analysis
 
51
  void HandleData(const char* aBuf, PRUint32 aLen) {}
 
52
 
 
53
  //Feed a character with known length
 
54
  void HandleOneChar(const char* aStr, PRUint32 aCharLen)
 
55
  {
 
56
    PRInt32 order;
 
57
 
 
58
    //we only care about 2-bytes character in our distribution analysis
 
59
    order = (aCharLen == 2) ? GetOrder(aStr) : -1;
 
60
 
 
61
    if (order >= 0)
 
62
    {
 
63
      mTotalChars++;
 
64
      //order is valid
 
65
      if ((PRUint32)order < mTableSize)
 
66
      {
 
67
        if (512 > mCharToFreqOrder[order])
 
68
          mFreqChars++;
 
69
      }
 
70
    }
 
71
  }
 
72
 
 
73
  //return confidence base on existing data
 
74
  float GetConfidence(PRBool aIsPreferredLanguage);
 
75
 
 
76
  //Reset analyser, clear any state
 
77
  void      Reset(void)
 
78
  {
 
79
    mDone = PR_FALSE;
 
80
    mTotalChars = 0;
 
81
    mFreqChars = 0;
 
82
  }
 
83
 
 
84
  //This function is for future extension. Caller can use this function to control
 
85
  //analyser's behavior
 
86
  void      SetOpion(){}
 
87
 
 
88
  //It is not necessary to receive all data to draw conclusion. For charset detection,
 
89
  // certain amount of data is enough
 
90
  PRBool GotEnoughData() {return mTotalChars > ENOUGH_DATA_THRESHOLD;}
 
91
 
 
92
protected:
 
93
  //we do not handle character base on its original encoding string, but
 
94
  //convert this encoding string to a number, here called order.
 
95
  //This allow multiple encoding of a language to share one frequency table
 
96
  virtual PRInt32 GetOrder(const char* str) {return -1;}
 
97
 
 
98
  //If this flag is set to PR_TRUE, detection is done and conclusion has been made
 
99
  PRBool   mDone;
 
100
 
 
101
  //The number of characters whose frequency order is less than 512
 
102
  PRUint32 mFreqChars;
 
103
 
 
104
  //Total character encounted.
 
105
  PRUint32 mTotalChars;
 
106
 
 
107
  //Mapping table to get frequency order from char order (get from GetOrder())
 
108
  const PRInt16  *mCharToFreqOrder;
 
109
 
 
110
  //Size of above table
 
111
  PRUint32 mTableSize;
 
112
 
 
113
  //This is a constant value varies from language to language, it is used in
 
114
  //calculating confidence. See my paper for further detail.
 
115
  float    mTypicalDistributionRatio;
 
116
};
 
117
 
 
118
 
 
119
class EUCTWDistributionAnalysis: public CharDistributionAnalysis
 
120
{
 
121
public:
 
122
  EUCTWDistributionAnalysis();
 
123
protected:
 
124
 
 
125
  //for euc-TW encoding, we are interested
 
126
  //  first  byte range: 0xc4 -- 0xfe
 
127
  //  second byte range: 0xa1 -- 0xfe
 
128
  //no validation needed here. State machine has done that
 
129
  PRInt32 GetOrder(const char* str)
 
130
  { if ((unsigned char)*str >= (unsigned char)0xc4)
 
131
      return 94*((unsigned char)str[0]-(unsigned char)0xc4) + (unsigned char)str[1] - (unsigned char)0xa1;
 
132
    else
 
133
      return -1;
 
134
  }
 
135
};
 
136
 
 
137
 
 
138
class EUCKRDistributionAnalysis : public CharDistributionAnalysis
 
139
{
 
140
public:
 
141
  EUCKRDistributionAnalysis();
 
142
protected:
 
143
  //for euc-KR encoding, we are interested
 
144
  //  first  byte range: 0xb0 -- 0xfe
 
145
  //  second byte range: 0xa1 -- 0xfe
 
146
  //no validation needed here. State machine has done that
 
147
  PRInt32 GetOrder(const char* str)
 
148
  { if ((unsigned char)*str >= (unsigned char)0xb0)
 
149
      return 94*((unsigned char)str[0]-(unsigned char)0xb0) + (unsigned char)str[1] - (unsigned char)0xa1;
 
150
    else
 
151
      return -1;
 
152
  }
 
153
};
 
154
 
 
155
class GB2312DistributionAnalysis : public CharDistributionAnalysis
 
156
{
 
157
public:
 
158
  GB2312DistributionAnalysis();
 
159
protected:
 
160
  //for GB2312 encoding, we are interested
 
161
  //  first  byte range: 0xb0 -- 0xfe
 
162
  //  second byte range: 0xa1 -- 0xfe
 
163
  //no validation needed here. State machine has done that
 
164
  PRInt32 GetOrder(const char* str)
 
165
  { if ((unsigned char)*str >= (unsigned char)0xb0 && (unsigned char)str[1] >= (unsigned char)0xa1)
 
166
      return 94*((unsigned char)str[0]-(unsigned char)0xb0) + (unsigned char)str[1] - (unsigned char)0xa1;
 
167
    else
 
168
      return -1;
 
169
  }
 
170
};
 
171
 
 
172
 
 
173
class Big5DistributionAnalysis : public CharDistributionAnalysis
 
174
{
 
175
public:
 
176
  Big5DistributionAnalysis();
 
177
protected:
 
178
  //for big5 encoding, we are interested
 
179
  //  first  byte range: 0xa4 -- 0xfe
 
180
  //  second byte range: 0x40 -- 0x7e , 0xa1 -- 0xfe
 
181
  //no validation needed here. State machine has done that
 
182
  PRInt32 GetOrder(const char* str)
 
183
  { if ((unsigned char)*str >= (unsigned char)0xa4)
 
184
      if ((unsigned char)str[1] >= (unsigned char)0xa1)
 
185
        return 157*((unsigned char)str[0]-(unsigned char)0xa4) + (unsigned char)str[1] - (unsigned char)0xa1 +63;
 
186
      else
 
187
        return 157*((unsigned char)str[0]-(unsigned char)0xa4) + (unsigned char)str[1] - (unsigned char)0x40;
 
188
    else
 
189
      return -1;
 
190
  }
 
191
};
 
192
 
 
193
class SJISDistributionAnalysis : public CharDistributionAnalysis
 
194
{
 
195
public:
 
196
  SJISDistributionAnalysis();
 
197
protected:
 
198
  //for sjis encoding, we are interested
 
199
  //  first  byte range: 0x81 -- 0x9f , 0xe0 -- 0xfe
 
200
  //  second byte range: 0x40 -- 0x7e,  0x81 -- oxfe
 
201
  //no validation needed here. State machine has done that
 
202
  PRInt32 GetOrder(const char* str)
 
203
  {
 
204
    PRInt32 order;
 
205
    if ((unsigned char)*str >= (unsigned char)0x81 && (unsigned char)*str <= (unsigned char)0x9f)
 
206
      order = 188 * ((unsigned char)str[0]-(unsigned char)0x81);
 
207
    else if ((unsigned char)*str >= (unsigned char)0xe0 && (unsigned char)*str <= (unsigned char)0xef)
 
208
      order = 188 * ((unsigned char)str[0]-(unsigned char)0xe0 + 31);
 
209
    else
 
210
      return -1;
 
211
    order += (unsigned char)*(str+1) - 0x40;
 
212
    if ((unsigned char)str[1] > (unsigned char)0x7f)
 
213
      order--;
 
214
    return order;
 
215
  }
 
216
};
 
217
 
 
218
class EUCJPDistributionAnalysis : public CharDistributionAnalysis
 
219
{
 
220
public:
 
221
  EUCJPDistributionAnalysis();
 
222
protected:
 
223
  //for euc-JP encoding, we are interested
 
224
  //  first  byte range: 0xa0 -- 0xfe
 
225
  //  second byte range: 0xa1 -- 0xfe
 
226
  //no validation needed here. State machine has done that
 
227
  PRInt32 GetOrder(const char* str)
 
228
  { if ((unsigned char)*str >= (unsigned char)0xa0)
 
229
      return 94*((unsigned char)str[0]-(unsigned char)0xa1) + (unsigned char)str[1] - (unsigned char)0xa1;
 
230
    else
 
231
      return -1;
 
232
  }
 
233
};
 
234
 
 
235
#endif //CharDistribution_h__
 
236