]> git.saurik.com Git - apple/icu.git/blobdiff - icuSources/tools/makeconv/genmbcs.h
ICU-531.48.tar.gz
[apple/icu.git] / icuSources / tools / makeconv / genmbcs.h
index 9313202649f47f641e217155fabac9ee77f6cc2d..47dfaf4c30f70d53627d5e541eb32d8c9dbeb486 100644 (file)
@@ -1,7 +1,7 @@
 /*
 *******************************************************************************
 *
-*   Copyright (C) 2000-2003, International Business Machines
+*   Copyright (C) 2000-2008, International Business Machines
 *   Corporation and others.  All Rights Reserved.
 *
 *******************************************************************************
 #include "makeconv.h"
 
 enum {
-    MBCS_STAGE_2_BLOCK_SIZE=0x40, /* 64; 64=1<<6 for 6 bits in stage 2 */
-    MBCS_STAGE_2_BLOCK_SIZE_SHIFT=6, /* log2(MBCS_STAGE_2_BLOCK_SIZE) */
-    MBCS_STAGE_1_SIZE=0x440, /* 0x110000>>10, or 17*64 for one entry per 1k code points */
-    MBCS_STAGE_2_SIZE=0xfbc0, /* 0x10000-MBCS_STAGE_1_SIZE */
+    /*
+     * TODO: Consider using ucnvmbcs.h constants.
+     * However, not all values need to be exactly the same, for example
+     * the xxx_UTF8_MAX values may be different. (Especially SBCS_UTF8_MAX
+     * may be higher in makeconv than in the runtime code because that
+     * affects only a small number of .cnv files [if any] but all
+     * runtime UConverterSharedData objects.
+     */
+    MBCS_STAGE_2_SHIFT=4,
+    MBCS_STAGE_2_BLOCK_SIZE=0x40,       /* =64=1<<6 for 6 bits in stage 2 */
+    MBCS_STAGE_2_BLOCK_SIZE_SHIFT=6,    /* log2(MBCS_STAGE_2_BLOCK_SIZE) */
+    MBCS_STAGE_2_BLOCK_MASK=0x3f,       /* for after shifting by MBCS_STAGE_2_SHIFT */
+    MBCS_STAGE_1_SHIFT=10,
+    MBCS_STAGE_1_BMP_SIZE=0x40, /* 0x10000>>MBCS_STAGE_1_SHIFT, or 16 for one entry per 1k code points on the BMP */
+    MBCS_STAGE_1_SIZE=0x440,    /* 0x110000>>MBCS_STAGE_1_SHIFT, or 17*64 for one entry per 1k code points */
+    MBCS_STAGE_2_SIZE=0xfbc0,   /* 0x10000-MBCS_STAGE_1_SIZE: stages 1 & 2 share a 16-bit-indexed array */
     MBCS_MAX_STAGE_2_TOP=MBCS_STAGE_2_SIZE,
     MBCS_STAGE_2_MAX_BLOCKS=MBCS_STAGE_2_SIZE>>MBCS_STAGE_2_BLOCK_SIZE_SHIFT,
 
     MBCS_STAGE_2_ALL_UNASSIGNED_INDEX=0, /* stage 1 entry for the all-unassigned stage 2 block */
     MBCS_STAGE_2_FIRST_ASSIGNED=MBCS_STAGE_2_BLOCK_SIZE, /* start of the first stage 2 block after the all-unassigned one */
 
-    MBCS_STAGE_3_BLOCK_SIZE=16, /* 16; 16=1<<4 for 4 bits in stage 3 */
+    MBCS_STAGE_3_BLOCK_SIZE=16,         /* =16=1<<4 for 4 bits in stage 3 */
+    MBCS_STAGE_3_BLOCK_MASK=0xf,
     MBCS_STAGE_3_FIRST_ASSIGNED=MBCS_STAGE_3_BLOCK_SIZE, /* start of the first stage 3 block after the all-unassigned one */
 
+    MBCS_STAGE_3_GRANULARITY=16,        /* =1<<4: MBCS stage 2 indexes are shifted left 4 */
+    MBCS_STAGE_3_SBCS_SIZE=0x10000,     /* max 64k mappings for SBCS */
+    MBCS_STAGE_3_MBCS_SIZE=0x10000*MBCS_STAGE_3_GRANULARITY, /* max mappings for MBCS */
+
+    /*
+     * SBCS_UTF8_MAX: Maximum code point with UTF-8-friendly SBCS data structures.
+     * Possible values are 0x01ff..0xffff, in steps of 0x100.
+     *
+     * Unlike for MBCS, this constant only affects the stage 3 block allocation size;
+     * there is no additional stage 1/2 table stored in the .cnv file.
+     * The max value should be at least 0x7ff to cover 2-byte UTF-8.
+     * 0xfff also covers a number other small scripts which have legacy charsets
+     * (like Thai).
+     * Higher values up to 0x1fff are harmless and potentially useful because
+     * that covers small-script blocks which usually have either dense mappings
+     * or no mappings at all.
+     * Starting at U+2000, there are mostly symbols and format characters
+     * with a low density of SBCS mappings, which would result in more wasted
+     * stage 3 entries with the larger block size.
+     */
+    SBCS_UTF8_MAX=0x1fff,
+
+    /*
+     * MBCS_UTF8_MAX: Maximum code point with UTF-8-friendly MBCS data structures.
+     * Possible values are 0x01ff..0xffff, in steps of 0x100.
+     *
+     * Note that with 0xffff, MBCSAddFromUnicode() may overflow the additional UTF-8 stage table
+     * with extreme input data. The function checks for this overflow.
+     *
+     * 0xd7ff is chosen for the majority of common characters including Unihan and Hangul.
+     * At U+d800 there are mostly surrogates, private use codes, compatibility characters, etc.
+     * Larger values cause slightly larger MBCS .cnv files.
+     */
+    MBCS_UTF8_MAX=0xd7ff,
+    MBCS_UTF8_LIMIT=MBCS_UTF8_MAX+1,    /* =0xd800 */
+
+    MBCS_UTF8_STAGE_SHIFT=6,
+    MBCS_UTF8_STAGE_3_BLOCK_SIZE=0x40,  /* =64=1<<6 for 6 bits from last trail byte */
+    MBCS_UTF8_STAGE_3_BLOCK_MASK=0x3f,
+
+    /* size of the single-stage table for up to U+d7ff (used instead of stage1/2) */
+    MBCS_UTF8_STAGE_SIZE=MBCS_UTF8_LIMIT>>MBCS_UTF8_STAGE_SHIFT, /* =0x360 */
+
+    MBCS_FROM_U_EXT_FLAG=0x10,          /* UCMapping.f bit for base table mappings that fit into the base toU table */
+    MBCS_FROM_U_EXT_MASK=0x0f,          /* but need to go into the extension fromU table */
+
+    /* =4 number of regular stage 3 blocks for final UTF-8 trail byte */
+    MBCS_UTF8_STAGE_3_BLOCKS=MBCS_UTF8_STAGE_3_BLOCK_SIZE/MBCS_STAGE_3_BLOCK_SIZE,
+
     MBCS_MAX_FALLBACK_COUNT=8192
 };
 
 U_CFUNC NewConverter *
 MBCSOpen(UCMFile *ucm);
 
+struct MBCSData;
+typedef struct MBCSData MBCSData;
+
+/*
+ * Get a dummy MBCSData for use with MBCSOkForBaseFromUnicode()
+ * for creating an extension-only file.
+ * Assume maxCharLength>1.
+ */
+U_CFUNC const MBCSData *
+MBCSGetDummy(void);
+
+/* Test if a 1:1 mapping fits into the MBCS base table's fromUnicode structure. */
+U_CFUNC UBool
+MBCSOkForBaseFromUnicode(const MBCSData *mbcsData,
+                         const uint8_t *bytes, int32_t length,
+                         UChar32 c, int8_t flag);
+
 U_CFUNC NewConverter *
 CnvExtOpen(UCMFile *ucm);
 
-#endif
+#endif /* __GENMBCS_H__ */