]> granicus.if.org Git - php/commitdiff
Added russian codepages (koi8-r,cp1251,cp866) support.
authorDen V. Tsopa <dets@php.net>
Tue, 21 May 2002 07:00:34 +0000 (07:00 +0000)
committerDen V. Tsopa <dets@php.net>
Tue, 21 May 2002 07:00:34 +0000 (07:00 +0000)
ext/mbstring/config.m4
ext/mbstring/mbfilter.c
ext/mbstring/mbfilter.h
ext/mbstring/mbfilter_ru.c [new file with mode: 0644]
ext/mbstring/mbfilter_ru.h [new file with mode: 0644]
ext/mbstring/mbstring.c
ext/mbstring/unicode_table_ru.h [new file with mode: 0644]

index f250aac3e5d1be9f25212ecf00145ce0d8edd242..4ffc3c6505d721578e8d95c6c95408ec6e30da09 100644 (file)
@@ -26,13 +26,17 @@ if test "$PHP_MBSTRING" != "no"; then
   if test "$PHP_MBSTRING" = "kr"; then
     AC_DEFINE(HAVE_MBSTR_KR,1,[whether to have korean support])
   fi
+  if test "$PHP_MBSTRING" = "ru"; then
+    AC_DEFINE(HAVE_MBSTR_RU,1,[whether to have russian support])
+  fi
   if test "$PHP_MBSTRING" = "all"; then
     AC_DEFINE(HAVE_MBSTR_JA,1,[whether to have japanese support])
     AC_DEFINE(HAVE_MBSTR_CN,1,[whether to have simplified chinese support])
     AC_DEFINE(HAVE_MBSTR_TW,1,[whether to have traditional chinese support])
     AC_DEFINE(HAVE_MBSTR_KR,1,[whether to have korean support])
+    AC_DEFINE(HAVE_MBSTR_RU,1,[whether to have russian support])
   fi
-  PHP_NEW_EXTENSION(mbstring, mbfilter_ja.c mbfilter_cn.c mbfilter_tw.c mbfilter_kr.c mbfilter.c mbstring.c mbregex.c php_mbregex.c, $ext_shared)
+  PHP_NEW_EXTENSION(mbstring, mbfilter_ja.c mbfilter_cn.c mbfilter_tw.c mbfilter_kr.c mbfilter_ru.c mbfilter.c mbstring.c mbregex.c php_mbregex.c, $ext_shared)
 else
   PHP_MBSTR_ENC_TRANS=no
 fi
index 678dc38d291dae9a70b9ebe8eb1b7f2ad21281d7..9204f1e838b19d17f7f96b19056e6254654d658d 100644 (file)
 #if defined(HAVE_MBSTR_KR)
 #include "mbfilter_kr.h"
 #endif
+#if defined(HAVE_MBSTR_KR)
+#include "mbfilter_ru.h"
+#endif
 
 #include "zend.h"
 
@@ -185,6 +188,16 @@ static mbfl_language mbfl_language_traditional_chinese = {
        mbfl_no_encoding_7bit
 };
 
+static mbfl_language mbfl_language_russian = {
+       mbfl_no_language_russian,
+       "Russian",
+       "ru",
+       NULL,
+       mbfl_no_encoding_koi8r,
+       mbfl_no_encoding_qprint,
+       mbfl_no_encoding_8bit
+};
+
 static mbfl_language *mbfl_language_ptr_table[] = {
        &mbfl_language_uni,
        &mbfl_language_japanese,
@@ -192,6 +205,7 @@ static mbfl_language *mbfl_language_ptr_table[] = {
        &mbfl_language_simplified_chinese,
        &mbfl_language_traditional_chinese,
        &mbfl_language_english,
+       &mbfl_language_russian,
        NULL
 };
 
@@ -788,15 +802,6 @@ static mbfl_encoding mbfl_encoding_uhc = {
        MBFL_ENCTYPE_MBCS
 };
 
-static mbfl_encoding mbfl_encoding_2022kr = {
-       mbfl_no_encoding_2022kr,
-       "ISO-2022-KR",
-       "ISO-2022-KR",
-       NULL,
-       NULL,
-       MBFL_ENCTYPE_MBCS | MBFL_ENCTYPE_SHFTCODE
-};
-
 #endif /* HAVE_MBSTR_KR */
 
 static const char *mbfl_encoding_cp1252_aliases[] = {"cp1252", NULL};
@@ -953,6 +958,41 @@ static mbfl_encoding mbfl_encoding_8859_15 = {
        MBFL_ENCTYPE_SBCS
 };
 
+#if defined(HAVE_MBSTR_KR)
+static const char *mbfl_encoding_cp1251_aliases[] = {"CP1251", "CP-1251", "WINDOWS-1251", NULL};
+
+static mbfl_encoding mbfl_encoding_cp1251 = {
+       mbfl_no_encoding_cp1251,
+       "Windows-1251",
+       "Windows-1251",
+       &mbfl_encoding_cp1251_aliases,
+       NULL,
+       MBFL_ENCTYPE_SBCS
+};
+
+static const char *mbfl_encoding_cp866_aliases[] = {"CP866", "CP-866", "IBM-866", NULL};
+
+static mbfl_encoding mbfl_encoding_cp866 = {
+       mbfl_no_encoding_cp866,
+       "CP866",
+       "CP866",
+       &mbfl_encoding_cp866_aliases,
+       NULL,
+       MBFL_ENCTYPE_SBCS
+};
+
+static const char *mbfl_encoding_koi8r_aliases[] = {"KOI8-R", "KOI8R", NULL};
+
+static mbfl_encoding mbfl_encoding_koi8r = {
+       mbfl_no_encoding_koi8r,
+       "KOI8-R",
+       "KOI8-R",
+       &mbfl_encoding_koi8r_aliases,
+       NULL,
+       MBFL_ENCTYPE_SBCS
+};
+#endif
+
 static mbfl_encoding *mbfl_encoding_ptr_list[] = {
        &mbfl_encoding_pass,
        &mbfl_encoding_auto,
@@ -1016,7 +1056,11 @@ static mbfl_encoding *mbfl_encoding_ptr_list[] = {
 #if defined(HAVE_MBSTR_KR)
        &mbfl_encoding_euc_kr,
        &mbfl_encoding_uhc,
-       &mbfl_encoding_2022kr,
+#endif
+#if defined(HAVE_MBSTR_RU)
+       &mbfl_encoding_cp1251,
+       &mbfl_encoding_cp866,
+       &mbfl_encoding_koi8r,
 #endif
        NULL
 };
@@ -1125,9 +1169,14 @@ static int mbfl_filt_ident_big5(int c, mbfl_identify_filter *filter TSRMLS_DC);
 #if defined(HAVE_MBSTR_KR)
 static int mbfl_filt_ident_euckr(int c, mbfl_identify_filter *filter TSRMLS_DC);
 static int mbfl_filt_ident_uhc(int c, mbfl_identify_filter *filter TSRMLS_DC);
-static int mbfl_filt_ident_2022kr(int c, mbfl_identify_filter *filter TSRMLS_DC);
 #endif /* HAVE_MBSTR_KR */
 
+#if defined(HAVE_MBSTR_RU)
+static int mbfl_filt_ident_cp1251(int c, mbfl_identify_filter *filter TSRMLS_DC);
+static int mbfl_filt_ident_cp866(int c, mbfl_identify_filter *filter TSRMLS_DC);
+static int mbfl_filt_ident_koi8r(int c, mbfl_identify_filter *filter TSRMLS_DC);
+#endif /* HAVE_MBSTR_RU */
+
 static int mbfl_filt_ident_cp1252(int c, mbfl_identify_filter *filter TSRMLS_DC);
 static int mbfl_filt_ident_false(int c, mbfl_identify_filter *filter TSRMLS_DC);
 static int mbfl_filt_ident_true(int c, mbfl_identify_filter *filter TSRMLS_DC);
@@ -1734,24 +1783,58 @@ static struct mbfl_convert_vtbl vtbl_wchar_uhc = {
        mbfl_filt_conv_common_dtor,
        mbfl_filt_conv_wchar_uhc,
        mbfl_filt_conv_common_flush };
+#endif /* HAVE_MBSTR_KR */
 
-static struct mbfl_convert_vtbl vtbl_wchar_2022kr = {
+#if defined(HAVE_MBSTR_RU)
+static struct mbfl_convert_vtbl vtbl_wchar_cp1251 = {
+       mbfl_no_encoding_cp1251,
        mbfl_no_encoding_wchar,
-       mbfl_no_encoding_2022kr,
        mbfl_filt_conv_common_ctor,
        mbfl_filt_conv_common_dtor,
-       mbfl_filt_conv_wchar_2022kr,
-       mbfl_filt_conv_any_2022kr_flush };
+       mbfl_filt_conv_wchar_cp1251,
+       mbfl_filt_conv_common_flush };
 
-static struct mbfl_convert_vtbl vtbl_2022kr_wchar = {
-       mbfl_no_encoding_2022kr,
+static struct mbfl_convert_vtbl vtbl_cp1251_wchar = {
+       mbfl_no_encoding_cp1251,
        mbfl_no_encoding_wchar,
        mbfl_filt_conv_common_ctor,
        mbfl_filt_conv_common_dtor,
-       mbfl_filt_conv_2022kr_wchar,
+       mbfl_filt_conv_cp1251_wchar,
        mbfl_filt_conv_common_flush };
 
-#endif /* HAVE_MBSTR_KR */
+static struct mbfl_convert_vtbl vtbl_wchar_cp866 = {
+       mbfl_no_encoding_cp866,
+       mbfl_no_encoding_wchar,
+       mbfl_filt_conv_common_ctor,
+       mbfl_filt_conv_common_dtor,
+       mbfl_filt_conv_wchar_cp866,
+       mbfl_filt_conv_common_flush };
+
+static struct mbfl_convert_vtbl vtbl_cp866_wchar = {
+       mbfl_no_encoding_cp866,
+       mbfl_no_encoding_wchar,
+       mbfl_filt_conv_common_ctor,
+       mbfl_filt_conv_common_dtor,
+       mbfl_filt_conv_cp866_wchar,
+       mbfl_filt_conv_common_flush };
+
+static struct mbfl_convert_vtbl vtbl_wchar_koi8r = {
+       mbfl_no_encoding_wchar,
+       mbfl_no_encoding_koi8r,
+       mbfl_filt_conv_common_ctor,
+       mbfl_filt_conv_common_dtor,
+       mbfl_filt_conv_wchar_koi8r,
+       mbfl_filt_conv_common_flush };
+
+
+static struct mbfl_convert_vtbl vtbl_koi8r_wchar = {
+       mbfl_no_encoding_koi8r,
+       mbfl_no_encoding_wchar,
+       mbfl_filt_conv_common_ctor,
+       mbfl_filt_conv_common_dtor,
+       mbfl_filt_conv_koi8r_wchar,
+       mbfl_filt_conv_common_flush };
+#endif /* HAVE_MBSTR_RU */
 
 static struct mbfl_convert_vtbl vtbl_cp1252_wchar = {
        mbfl_no_encoding_cp1252,
@@ -2015,8 +2098,14 @@ static struct mbfl_convert_vtbl *mbfl_convert_filter_list[] = {
        &vtbl_wchar_euckr,
        &vtbl_uhc_wchar,
        &vtbl_wchar_uhc,
-       &vtbl_2022kr_wchar,
-       &vtbl_wchar_2022kr,
+#endif
+#if defined(HAVE_MBSTR_RU)
+       &vtbl_cp1251_wchar,
+       &vtbl_wchar_cp1251,
+       &vtbl_cp866_wchar,
+       &vtbl_wchar_cp866,
+       &vtbl_koi8r_wchar,
+       &vtbl_wchar_koi8r,
 #endif
        &vtbl_cp1252_wchar,
        &vtbl_wchar_cp1252,
@@ -2200,14 +2289,27 @@ static struct mbfl_identify_vtbl vtbl_identify_uhc = {
        mbfl_filt_ident_common_ctor,
        mbfl_filt_ident_common_dtor,
        mbfl_filt_ident_uhc };
+#endif /* HAVE_MBSTR_KR */
 
-static struct mbfl_identify_vtbl vtbl_identify_2022kr = {
-       mbfl_no_encoding_2022kr,
+#if defined(HAVE_MBSTR_RU)
+static struct mbfl_identify_vtbl vtbl_identify_cp1251 = {
+       mbfl_no_encoding_cp1251,
        mbfl_filt_ident_common_ctor,
        mbfl_filt_ident_common_dtor,
-       mbfl_filt_ident_2022kr };
+       mbfl_filt_ident_cp1251 };
 
-#endif /* HAVE_MBSTR_KR */
+static struct mbfl_identify_vtbl vtbl_identify_cp866 = {
+       mbfl_no_encoding_cp866,
+       mbfl_filt_ident_common_ctor,
+       mbfl_filt_ident_common_dtor,
+       mbfl_filt_ident_cp866 };
+
+static struct mbfl_identify_vtbl vtbl_identify_koi8r = {
+       mbfl_no_encoding_koi8r,
+       mbfl_filt_ident_common_ctor,
+       mbfl_filt_ident_common_dtor,
+       mbfl_filt_ident_koi8r };
+#endif /* HAVE_MBSTR_RU */
 
 static struct mbfl_identify_vtbl vtbl_identify_cp1252 = {
        mbfl_no_encoding_cp1252,
@@ -2323,7 +2425,11 @@ static struct mbfl_identify_vtbl *mbfl_identify_filter_list[] = {
 #if defined(HAVE_MBSTR_KR)
        &vtbl_identify_euckr,
        &vtbl_identify_uhc,
-       &vtbl_identify_2022kr,
+#endif
+#if defined(HAVE_MBSTR_RU)
+       &vtbl_identify_cp1251,
+       &vtbl_identify_cp866,
+       &vtbl_identify_koi8r,
 #endif
        &vtbl_identify_cp1252,
        &vtbl_identify_8859_1,
@@ -6049,77 +6155,6 @@ mbfl_filt_ident_uhc(int c, mbfl_identify_filter *filter TSRMLS_DC)
        return c;
 }
 
-static int
-mbfl_filt_ident_2022kr(int c, mbfl_identify_filter *filter TSRMLS_DC)
-{
-retry:
-       switch (filter->status & 0xf) {
-/*     case 0x00:       ASCII */
-/*     case 0x10:       KSC5601 mode */
-/*     case 0x20:       KSC5601 DBCS */
-/*     case 0x40:       KSC5601 SBCS */
-       case 0:
-               if (!(filter->status & 0x10)) {
-                       if (c == 0x1b)
-                               filter->status += 2;
-               } else if (filter->status == 0x20 && c > 0x20 && c < 0x7f) {            /* kanji first char */
-                       filter->status += 1;
-               } else if (c >= 0 && c < 0x80) {                /* latin, CTLs */
-                       ;
-               } else {
-                       filter->flag = 1;       /* bad */
-               }
-               break;
-
-/*     case 0x21:       KSC5601 second char */
-       case 1:
-               filter->status &= ~0xf;
-               if (c < 0x21 || c > 0x7e) {             /* bad */
-                       filter->flag = 1;
-               }
-               break;
-
-       /* ESC */
-       case 2:
-               if (c == 0x24) {                /* '$' */
-                       filter->status++;
-               } else {
-                       filter->flag = 1;       /* bad */
-                       filter->status &= ~0xf;
-                       goto retry;
-               }
-               break;
-
-       /* ESC $ */
-       case 3:
-               if (c == 0x29) {                /* ')' */
-                       filter->status++;
-               } else {
-                       filter->flag = 1;       /* bad */
-                       filter->status &= ~0xf;
-                       goto retry;
-               }
-               break;
-
-       /* ESC $) */
-       case 5:
-               if (c == 0x43) {                /* 'C' */
-                       filter->status = 0x10;
-               } else {
-                       filter->flag = 1;       /* bad */
-                       filter->status &= ~0xf;
-                       goto retry;
-               }
-               break;
-
-       default:
-               filter->status = 0;
-               break;
-       }
-
-       return c;
-}
-
 #endif /* HAVE_MBSTR_KR */
 
 
@@ -6139,6 +6174,39 @@ mbfl_filt_ident_cp1252(int c, mbfl_identify_filter *filter TSRMLS_DC)
        return c;       
 }
 
+#if defined(HAVE_MBSTR_RU)
+// all of this is so ugly now!
+static int
+mbfl_filt_ident_cp1251(int c, mbfl_identify_filter *filter)
+{
+       if (c >= 0x80 && c < 0xff)
+               filter->flag = 0;
+       else
+               filter->flag = 1; /* not it */
+       return c;       
+}
+
+static int
+mbfl_filt_ident_cp866(int c, mbfl_identify_filter *filter)
+{
+       if (c >= 0x80 && c < 0xff)
+               filter->flag = 0;
+       else
+               filter->flag = 1; /* not it */
+       return c;       
+}
+
+static int
+mbfl_filt_ident_koi8r(int c, mbfl_identify_filter *filter)
+{
+       if (c >= 0x80 && c < 0xff)
+               filter->flag = 0;
+       else
+               filter->flag = 1; /* not it */
+       return c;       
+}
+#endif /* HAVE_MBSTR_RU */
+
 static int
 mbfl_filt_ident_2022jp(int c, mbfl_identify_filter *filter TSRMLS_DC)
 {
index c63e6273ec62a60e5dcd3a1fef974e671697cdfc..1b18f78a6b7a054f58e4d65726e6b7d050e5701d 100644 (file)
@@ -113,6 +113,7 @@ enum mbfl_no_language {
        mbfl_no_language_swedish,               /* sv */
        mbfl_no_language_simplified_chinese,            /* zh-cn */
        mbfl_no_language_traditional_chinese,           /* zh-tw */
+       mbfl_no_language_russian,               /* ru */
        mbfl_no_language_max
 };
 
@@ -176,6 +177,9 @@ enum mbfl_no_encoding {
        mbfl_no_encoding_2022kr,
        mbfl_no_encoding_uhc,
        mbfl_no_encoding_hz,
+       mbfl_no_encoding_cp1251,
+       mbfl_no_encoding_cp866,
+       mbfl_no_encoding_koi8r,
        mbfl_no_encoding_charset_max
 };
 
@@ -246,6 +250,9 @@ typedef struct _mbfl_encoding {
 #define MBFL_WCSPLANE_BIG5             0x70f40000              /*  2121h - 9898h */
 #define MBFL_WCSPLANE_CNS11643         0x70f50000              /*  2121h - 9898h */
 #define MBFL_WCSPLANE_UHC              0x70f60000              /*  8141h - fefeh */
+#define MBFL_WCSPLANE_CP1251           0x70f70000      
+#define MBFL_WCSPLANE_CP866                    0x70f80000      
+#define MBFL_WCSPLANE_KOI8R            0x70f90000      
 #define MBFL_WCSGROUP_MASK                0xffffff
 #define MBFL_WCSGROUP_UCS4MAX          0x70000000
 #define MBFL_WCSGROUP_WCHARMAX         0x78000000
diff --git a/ext/mbstring/mbfilter_ru.c b/ext/mbstring/mbfilter_ru.c
new file mode 100644 (file)
index 0000000..2d15fff
--- /dev/null
@@ -0,0 +1,213 @@
+/*
+ * "russian code filter and converter"
+ */
+#ifdef HAVE_CONFIG_H
+#include "config.h"
+#endif
+
+#include "php.h"
+#include "php_globals.h"
+
+#if defined(HAVE_MBSTR_RU)
+#include "mbfilter.h"
+#include "unicode_table_ru.h"
+
+/*
+ * encoding filter
+ */
+#define CK(statement)  do { if ((statement) < 0) return (-1); } while (0)
+
+/*
+ * cp1251 => wchar
+ */
+int
+mbfl_filt_conv_cp1251_wchar(int c, mbfl_convert_filter *filter TSRMLS_DC)
+{
+       int s;
+
+       if (c >= 0 && c < cp1251_ucs_table_min) {
+               s = c;
+       } else if (c >= cp1251_ucs_table_min && c < 0x100) {
+               s = cp1251_ucs_table[c - cp1251_ucs_table_min];
+               if (s <= 0) {
+                       s = c;
+                       s &= MBFL_WCSPLANE_MASK;
+                       s |= MBFL_WCSPLANE_CP1251;
+               }
+       } else {
+               s = c;
+               s &= MBFL_WCSGROUP_MASK;
+               s |= MBFL_WCSGROUP_THROUGH;
+       }
+
+       CK((*filter->output_function)(s, filter->data));
+
+       return c;
+}
+
+/*
+ * wchar => cp1251
+ */
+int
+mbfl_filt_conv_wchar_cp1251(int c, mbfl_convert_filter *filter TSRMLS_DC)
+{
+       int s, n;
+
+       if (c >= 0 && c < cp1251_ucs_table_min) {
+               s = c;
+       } else {
+               s = -1;
+               n = cp1251_ucs_table_len-1;
+               while (n >= 0) {
+                       if (c == cp1251_ucs_table[n]) {
+                               s = cp1251_ucs_table_min + n;
+                               break;
+                       }
+                       n--;
+               }
+               if (s <= 0 && (c & ~MBFL_WCSPLANE_MASK) == MBFL_WCSPLANE_CP1251) {
+                       s = c & MBFL_WCSPLANE_MASK;
+               }
+       }
+
+       if (s >= 0) {
+               CK((*filter->output_function)(s, filter->data));
+       } else {
+               if (filter->illegal_mode != MBFL_OUTPUTFILTER_ILLEGAL_MODE_NONE) {
+                       CK(mbfl_filt_conv_illegal_output(c, filter));
+               }
+       }
+
+       return c;
+}
+
+/*
+ * cp866 => wchar
+ */
+int
+mbfl_filt_conv_cp866_wchar(int c, mbfl_convert_filter *filter TSRMLS_DC)
+{
+       int s;
+
+       if (c >= 0 && c < cp866_ucs_table_min) {
+               s = c;
+       } else if (c >= cp866_ucs_table_min && c < 0x100) {
+               s = cp866_ucs_table[c - cp866_ucs_table_min];
+               if (s <= 0) {
+                       s = c;
+                       s &= MBFL_WCSPLANE_MASK;
+                       s |= MBFL_WCSPLANE_CP866;
+               }
+       } else {
+               s = c;
+               s &= MBFL_WCSGROUP_MASK;
+               s |= MBFL_WCSGROUP_THROUGH;
+       }
+
+       CK((*filter->output_function)(s, filter->data));
+
+       return c;
+}
+
+/*
+ * wchar => cp866
+ */
+int
+mbfl_filt_conv_wchar_cp866(int c, mbfl_convert_filter *filter TSRMLS_DC)
+{
+       int s, n;
+
+       if (c >= 0 && c < cp866_ucs_table_min) {
+               s = c;
+       } else {
+               s = -1;
+               n = cp866_ucs_table_len-1;
+               while (n >= 0) {
+                       if (c == cp866_ucs_table[n]) {
+                               s = cp866_ucs_table_min + n;
+                               break;
+                       }
+                       n--;
+               }
+               if (s <= 0 && (c & ~MBFL_WCSPLANE_MASK) == MBFL_WCSPLANE_CP866) {
+                       s = c & MBFL_WCSPLANE_MASK;
+               }
+       }
+
+       if (s >= 0) {
+               CK((*filter->output_function)(s, filter->data));
+       } else {
+               if (filter->illegal_mode != MBFL_OUTPUTFILTER_ILLEGAL_MODE_NONE) {
+                       CK(mbfl_filt_conv_illegal_output(c, filter));
+               }
+       }
+
+       return c;
+}
+
+/*
+ * koi8r => wchar
+ */
+int
+mbfl_filt_conv_koi8r_wchar(int c, mbfl_convert_filter *filter TSRMLS_DC)
+{
+       int s;
+
+       if (c >= 0 && c < koi8r_ucs_table_min) {
+               s = c;
+       } else if (c >= koi8r_ucs_table_min && c < 0x100) {
+               s = koi8r_ucs_table[c - koi8r_ucs_table_min];
+               if (s <= 0) {
+                       s = c;
+                       s &= MBFL_WCSPLANE_MASK;
+                       s |= MBFL_WCSPLANE_KOI8R;
+               }
+       } else {
+               s = c;
+               s &= MBFL_WCSGROUP_MASK;
+               s |= MBFL_WCSGROUP_THROUGH;
+       }
+
+       CK((*filter->output_function)(s, filter->data));
+
+       return c;
+}
+
+/*
+ * wchar => koi8r
+ */
+int
+mbfl_filt_conv_wchar_koi8r(int c, mbfl_convert_filter *filter TSRMLS_DC)
+{
+       int s, n;
+
+       if (c >= 0 && c < koi8r_ucs_table_min) {
+               s = c;
+       } else {
+               s = -1;
+               n = koi8r_ucs_table_len-1;
+               while (n >= 0) {
+                       if (c == koi8r_ucs_table[n]) {
+                               s = koi8r_ucs_table_min + n;
+                               break;
+                       }
+                       n--;
+               }
+               if (s <= 0 && (c & ~MBFL_WCSPLANE_MASK) == MBFL_WCSPLANE_KOI8R) {
+                       s = c & MBFL_WCSPLANE_MASK;
+               }
+       }
+
+       if (s >= 0) {
+               CK((*filter->output_function)(s, filter->data));
+       } else {
+               if (filter->illegal_mode != MBFL_OUTPUTFILTER_ILLEGAL_MODE_NONE) {
+                       CK(mbfl_filt_conv_illegal_output(c, filter));
+               }
+       }
+
+       return c;
+}
+
+#endif /* HAVE_MBSTR_TW */
+
diff --git a/ext/mbstring/mbfilter_ru.h b/ext/mbstring/mbfilter_ru.h
new file mode 100644 (file)
index 0000000..9bbe31a
--- /dev/null
@@ -0,0 +1,11 @@
+#ifndef MBFL_MBFILTER_RU_H
+#define MBFL_MBFILTER_RU_H
+
+int mbfl_filt_conv_cp1251_wchar(int c, mbfl_convert_filter *filter TSRMLS_DC);
+int mbfl_filt_conv_wchar_cp1251(int c, mbfl_convert_filter *filter TSRMLS_DC);
+int mbfl_filt_conv_cp866_wchar(int c, mbfl_convert_filter *filter TSRMLS_DC);
+int mbfl_filt_conv_wchar_cp866(int c, mbfl_convert_filter *filter TSRMLS_DC);
+int mbfl_filt_conv_koi8r_wchar(int c, mbfl_convert_filter *filter TSRMLS_DC);
+int mbfl_filt_conv_wchar_koi8r(int c, mbfl_convert_filter *filter TSRMLS_DC);
+
+#endif /* MBFL_MBFILTER_RU_H */
index 782474f4033bd9edafda149afbe888eb6da3fd88..5d8941dca138cbafad9cdab5087894076e58f823 100644 (file)
@@ -65,7 +65,7 @@
 #include "php_content_types.h"
 #include "SAPI.h"
 
-#if ZEND_MULTIBYTE
+#ifdef ZEND_MULTIBYTE
 #include "zend_multibyte.h"
 #endif /* ZEND_MULTIBYTE */
 
@@ -113,6 +113,16 @@ static const enum mbfl_no_encoding php_mbstr_default_identify_list[] = {
 };
 #endif
 
+#if defined(HAVE_MBSTR_RU) & !defined(HAVE_MBSTR_JA) & !defined(HAVE_MBSTR_TW) & !defined(HAVE_MBSTR_KR)
+static const enum mbfl_no_encoding php_mbstr_default_identify_list[] = {
+       mbfl_no_encoding_ascii,
+       mbfl_no_encoding_utf8,
+       mbfl_no_encoding_koi8r,
+       mbfl_no_encoding_cp1251,
+       mbfl_no_encoding_cp866
+};
+#endif
+
 static const int php_mbstr_default_identify_list_size = sizeof(php_mbstr_default_identify_list)/sizeof(enum mbfl_no_encoding);
 
 static unsigned char third_and_rest_force_ref[] = { 3, BYREF_NONE, BYREF_NONE, BYREF_FORCE_REST };
@@ -2059,10 +2069,6 @@ PHP_FUNCTION(mb_strcut)
                if (from < 0) {
                        from = 0;
                }
-       } 
-       if (Z_STRLEN_PP(arg1) < from) {
-               /* keep index within string */
-               from = Z_STRLEN_PP(arg1);
        }
 
        /* if "length" position is negative, set it to the length
@@ -2074,10 +2080,6 @@ PHP_FUNCTION(mb_strcut)
                        len = 0;
                }
        }
-       if (Z_STRLEN_PP(arg1) < (from + len)) {
-               /* limit span to characters in string */
-               len = Z_STRLEN_PP(arg1) - from; 
-       }
 
        ret = mbfl_strcut(&string, &result, from, len TSRMLS_CC);
        if (ret != NULL) {
@@ -2269,7 +2271,7 @@ PHPAPI char * php_mb_convert_encoding(char *input, size_t length, char *_to_enco
                                string.no_encoding = from_encoding;
                        }
                } else {
-                       php_error(E_WARNING, "$s() illegal character encoding specified",
+                       php_error(E_WARNING, "%s() illegal character encoding specified",
                                          get_active_function_name(TSRMLS_C));
                }
                if (list != NULL) {
diff --git a/ext/mbstring/unicode_table_ru.h b/ext/mbstring/unicode_table_ru.h
new file mode 100644 (file)
index 0000000..74d02fe
--- /dev/null
@@ -0,0 +1,69 @@
+// cp1251 to Unicode table
+static const unsigned short cp1251_ucs_table[] = {
+ 0x0402, 0x0403, 0x201a, 0x0453, 0x201e, 0x2026, 0x2020, 0x2021, 
+ 0x20ac, 0x2030, 0x0409, 0x2039, 0x040a, 0x040c, 0x040b, 0x040f, 
+ 0x0452, 0x2018, 0x2019, 0x201c, 0x201d, 0x2022, 0x2013, 0x2014, 
+ 0x003f, 0x2122, 0x0459, 0x203a, 0x045a, 0x045c, 0x045b, 0x045f, 
+ 0x00a0, 0x040e, 0x045e, 0x0408, 0x00a4, 0x0490, 0x00a6, 0x00a7, 
+ 0x0401, 0x00a9, 0x0404, 0x00ab, 0x00ac, 0x00ad, 0x00ae, 0x0407, 
+ 0x00b0, 0x00b1, 0x0406, 0x0456, 0x0491, 0x00b5, 0x00b6, 0x00b7, 
+ 0x0451, 0x2116, 0x0454, 0x00bb, 0x0458, 0x0405, 0x0455, 0x0457, 
+ 0x0410, 0x0411, 0x0412, 0x0413, 0x0414, 0x0415, 0x0416, 0x0417, 
+ 0x0418, 0x0419, 0x041a, 0x041b, 0x041c, 0x041d, 0x041e, 0x041f, 
+ 0x0420, 0x0421, 0x0422, 0x0423, 0x0424, 0x0425, 0x0426, 0x0427, 
+ 0x0428, 0x0429, 0x042a, 0x042b, 0x042c, 0x042d, 0x042e, 0x042f, 
+ 0x0430, 0x0431, 0x0432, 0x0433, 0x0434, 0x0435, 0x0436, 0x0437, 
+ 0x0438, 0x0439, 0x043a, 0x043b, 0x043c, 0x043d, 0x043e, 0x043f, 
+ 0x0440, 0x0441, 0x0442, 0x0443, 0x0444, 0x0445, 0x0446, 0x0447, 
+ 0x0448, 0x0449, 0x044a, 0x044b, 0x044c, 0x044d, 0x044e, 0x044f
+};
+static const int cp1251_ucs_table_min = 0x80;
+static const int cp1251_ucs_table_len = (sizeof (cp1251_ucs_table) / sizeof (unsigned short));
+static const int cp1251_ucs_table_max = 0x80 + (sizeof (cp1251_ucs_table) / sizeof (unsigned short));
+
+// cp866_DOSCyrillicRussian to Unicode table
+static const unsigned short cp866_ucs_table[] = {
+ 0x0410, 0x0411, 0x0412, 0x0413, 0x0414, 0x0415, 0x0416, 0x0417, 
+ 0x0418, 0x0419, 0x041a, 0x041b, 0x041c, 0x041d, 0x041e, 0x041f, 
+ 0x0420, 0x0421, 0x0422, 0x0423, 0x0424, 0x0425, 0x0426, 0x0427, 
+ 0x0428, 0x0429, 0x042a, 0x042b, 0x042c, 0x042d, 0x042e, 0x042f, 
+ 0x0430, 0x0431, 0x0432, 0x0433, 0x0434, 0x0435, 0x0436, 0x0437, 
+ 0x0438, 0x0439, 0x043a, 0x043b, 0x043c, 0x043d, 0x043e, 0x043f, 
+ 0x2591, 0x2592, 0x2593, 0x2502, 0x2524, 0x2561, 0x2562, 0x2556, 
+ 0x2555, 0x2563, 0x2551, 0x2557, 0x255d, 0x255c, 0x255b, 0x2510, 
+ 0x2514, 0x2534, 0x252c, 0x251c, 0x2500, 0x253c, 0x255e, 0x255f, 
+ 0x255a, 0x2554, 0x2569, 0x2566, 0x2560, 0x2550, 0x256c, 0x2567, 
+ 0x2568, 0x2564, 0x2565, 0x2559, 0x2558, 0x2552, 0x2553, 0x256b, 
+ 0x256a, 0x2518, 0x250c, 0x2588, 0x2584, 0x258c, 0x2590, 0x2580, 
+ 0x0440, 0x0441, 0x0442, 0x0443, 0x0444, 0x0445, 0x0446, 0x0447, 
+ 0x0448, 0x0449, 0x044a, 0x044b, 0x044c, 0x044d, 0x044e, 0x044f, 
+ 0x0401, 0x0451, 0x0404, 0x0454, 0x0407, 0x0457, 0x040e, 0x045e, 
+ 0x00b0, 0x2219, 0x00b7, 0x221a, 0x2116, 0x00a4, 0x25a0, 0x00a0
+};
+static const int cp866_ucs_table_min = 0x80;
+static const int cp866_ucs_table_len = (sizeof (cp866_ucs_table) / sizeof (unsigned short));
+static const int cp866_ucs_table_max = 0x80 + (sizeof (cp866_ucs_table) / sizeof (unsigned short));
+
+// KOI8-R (RFC1489) to Unicode
+static const unsigned short koi8r_ucs_table[] = {
+ 0x2500, 0x2502, 0x250c, 0x2510, 0x2514, 0x2518, 0x251c, 0x2524, 
+ 0x252c, 0x2534, 0x253c, 0x2580, 0x2584, 0x2588, 0x258c, 0x2590, 
+ 0x2591, 0x2592, 0x2593, 0x2320, 0x25a0, 0x2219, 0x221a, 0x2248, 
+ 0x2264, 0x2265, 0x00a0, 0x2321, 0x00b0, 0x00b2, 0x00b7, 0x00f7, 
+ 0x2550, 0x2551, 0x2552, 0x0451, 0x2553, 0x2554, 0x2555, 0x2556, 
+ 0x2557, 0x2558, 0x2559, 0x255a, 0x255b, 0x255c, 0x255d, 0x255e, 
+ 0x255f, 0x2560, 0x2561, 0x0401, 0x2562, 0x2563, 0x2564, 0x2565, 
+ 0x2566, 0x2567, 0x2568, 0x2569, 0x256a, 0x256b, 0x256c, 0x00a9, 
+ 0x044e, 0x0430, 0x0431, 0x0446, 0x0434, 0x0435, 0x0444, 0x0433, 
+ 0x0445, 0x0438, 0x0439, 0x043a, 0x043b, 0x043c, 0x043d, 0x043e, 
+ 0x043f, 0x044f, 0x0440, 0x0441, 0x0442, 0x0443, 0x0436, 0x0432, 
+ 0x044c, 0x044b, 0x0437, 0x0448, 0x044d, 0x0449, 0x0447, 0x044a, 
+ 0x042e, 0x0410, 0x0411, 0x0426, 0x0414, 0x0415, 0x0424, 0x0413, 
+ 0x0425, 0x0418, 0x0419, 0x041a, 0x041b, 0x041c, 0x041d, 0x041e, 
+ 0x041f, 0x042f, 0x0420, 0x0421, 0x0422, 0x0423, 0x0416, 0x0412, 
+ 0x042c, 0x042b, 0x0417, 0x0428, 0x042d, 0x0429, 0x0427, 0x042a
+};
+static const int koi8r_ucs_table_min = 0x80;
+static const int koi8r_ucs_table_len = (sizeof (koi8r_ucs_table) / sizeof (unsigned short));
+static const int koi8r_ucs_table_max = 0x80 + (sizeof (koi8r_ucs_table) / sizeof (unsigned short));
+