mirror of https://github.com/djcb/mu.git
* mu-str-normalize.c: combine separate function for downcse / non-downcase
cases into one.
This commit is contained in:
Dirk-Jan C. Binnema
parent
d573c57485
commit
c6dadad978
|
|
@ -28,8 +28,6 @@
|
|||
|
||||
#include "mu-str.h"
|
||||
|
||||
static char* normalize_in_place_downcase (char *str);
|
||||
|
||||
char*
|
||||
mu_str_normalize (const char *str, gboolean downcase)
|
||||
{
|
||||
|
|
@ -53,28 +51,14 @@ mu_str_normalize_in_place (char *str, gboolean downcase)
|
|||
|
||||
if (*str == '\0')
|
||||
return str;
|
||||
|
||||
#ifdef MU_DISABLE_NORMALIZATION
|
||||
{
|
||||
if (downcase) {
|
||||
gchar *c;
|
||||
for (c = str; *c; ++c)
|
||||
*c = tolower (*c);
|
||||
}
|
||||
return str;
|
||||
}
|
||||
#endif /*MU_DISABLE_NORMALIZATION*/
|
||||
|
||||
|
||||
if (downcase)
|
||||
return normalize_in_place_downcase (str);
|
||||
|
||||
for (i = 0, cur = (const guchar*)str; *cur; ++cur) {
|
||||
if (*cur < 0xc3 || *cur > 0xc5) {
|
||||
str[i++] = *cur;
|
||||
|
||||
if (G_LIKELY(*cur < 0xc3 || *cur > 0xc5)) {
|
||||
str[i++] = downcase ? tolower (*cur) : *cur;
|
||||
continue;
|
||||
}
|
||||
|
||||
|
||||
if (*cur == 0xc3) { /* latin-1 supplement */
|
||||
++cur;
|
||||
switch (*cur) {
|
||||
|
|
@ -84,37 +68,49 @@ mu_str_normalize_in_place (char *str, gboolean downcase)
|
|||
case 0x82:
|
||||
case 0x83:
|
||||
case 0x84:
|
||||
case 0x85: str[i++] = 'A'; break;
|
||||
case 0x85: str[i++] = downcase ? 'a' : 'A' ; break;
|
||||
|
||||
case 0x86: str[i++] = 'A'; str[i++] = 'e'; break;
|
||||
case 0x87: str[i++] = 'C'; break;
|
||||
case 0x86:
|
||||
str[i++] = downcase ? 'a' : 'A' ;
|
||||
str[i++] = 'e';
|
||||
break;
|
||||
|
||||
case 0x87: str[i++] = downcase ? 'c' : 'C'; break;
|
||||
|
||||
case 0x88:
|
||||
case 0x89:
|
||||
case 0x8a:
|
||||
case 0x8b: str[i++] = 'E'; break;
|
||||
case 0x8b:
|
||||
g_printerr ("<%c>", downcase ? 'e' : 'E');
|
||||
str[i++] = downcase ? 'e' : 'E';
|
||||
break;
|
||||
|
||||
case 0x8c:
|
||||
case 0x8d:
|
||||
case 0x8e:
|
||||
case 0x8f: str[i++] = 'I'; break;
|
||||
case 0x8f: str[i++] = downcase ? 'i': 'I'; break;
|
||||
|
||||
case 0x90: str[i++] = 'D'; break;
|
||||
case 0x91: str[i++] = 'N'; break;
|
||||
case 0x90: str[i++] = downcase ? 'd' : 'D'; break;
|
||||
case 0x91: str[i++] = downcase ? 'n' : 'N'; break;
|
||||
|
||||
case 0x92:
|
||||
case 0x93:
|
||||
case 0x94:
|
||||
case 0x95:
|
||||
case 0x96: str[i++] = 'O'; break;
|
||||
case 0x96: str[i++] = downcase ? 'o' : 'O'; break;
|
||||
|
||||
case 0x99:
|
||||
case 0x9a:
|
||||
case 0x9b:
|
||||
case 0x9c: str[i++] = 'U'; break;
|
||||
case 0x9c: str[i++] = downcase ? 'u' : 'U'; break;
|
||||
|
||||
case 0x9d: str[i++] = 'Y'; break;
|
||||
case 0x9e: str[i++] = 'T'; str[i++] = 'h'; break;
|
||||
case 0x9d: str[i++] = downcase ? 'y' : 'Y'; break;
|
||||
|
||||
case 0x9e:
|
||||
str[i++] = downcase ? 't' : 'T';
|
||||
str[i++] = 'h';
|
||||
break;
|
||||
|
||||
case 0x9f: str[i++] = 's'; str[i++] = 's'; break;
|
||||
|
||||
case 0xa0:
|
||||
|
|
@ -158,51 +154,56 @@ mu_str_normalize_in_place (char *str, gboolean downcase)
|
|||
default:
|
||||
str[i++] = *cur;
|
||||
}
|
||||
|
||||
} else if (*cur == 0xc4) { /* Latin Extended-A (0x04) */
|
||||
++cur;
|
||||
switch (*cur) {
|
||||
case 0x80:
|
||||
case 0x82:
|
||||
case 0x84: str[i++] = 'A'; break;
|
||||
case 0x84: str[i++] = downcase ? 'a' : 'A'; break;
|
||||
|
||||
case 0x86:
|
||||
case 0x88:
|
||||
case 0x8a:
|
||||
case 0x8c: str[i++] = 'C'; break;
|
||||
case 0x8c: str[i++] = downcase ? 'c' : 'C'; break;
|
||||
|
||||
case 0x8e:
|
||||
case 0x90: str[i++] = 'D'; break;
|
||||
case 0x90: str[i++] = downcase ? 'd' : 'D'; break;
|
||||
|
||||
case 0x92:
|
||||
case 0x94:
|
||||
case 0x96:
|
||||
case 0x98:
|
||||
case 0x9a: str[i++] = 'E'; break;
|
||||
case 0x9a: str[i++] = downcase ? 'e' : 'E'; break;
|
||||
|
||||
case 0x9c:
|
||||
case 0x9e:
|
||||
case 0xa0:
|
||||
case 0xa2: str[i++] = 'G'; break;
|
||||
case 0xa2: str[i++] = downcase ? 'g' : 'G'; break;
|
||||
|
||||
case 0xa4:
|
||||
case 0xa6: str[i++] = 'H'; break;
|
||||
|
||||
case 0xa6: str[i++] = downcase ? 'h' : 'H'; break;
|
||||
|
||||
case 0xa8:
|
||||
case 0xaa:
|
||||
case 0xac:
|
||||
case 0xae:
|
||||
case 0xb0: str[i++] = 'I'; break;
|
||||
case 0xb0: str[i++] = downcase ? 'i' : 'I'; break;
|
||||
|
||||
case 0xb2:
|
||||
str[i++] = downcase ? 'i' : 'I';
|
||||
str[i++] = downcase ? 'j' : 'J';
|
||||
break;
|
||||
|
||||
case 0xb2: str[i++] = 'I'; str[i++] = 'J'; break;
|
||||
|
||||
case 0xb4: str[i++] = 'J'; break;
|
||||
case 0xb4: str[i++] = downcase ? 'j' : 'J'; break;
|
||||
|
||||
case 0xb6: str[i++] = 'K'; break;
|
||||
case 0xb6: str[i++] = downcase ? 'k' : 'K'; break;
|
||||
|
||||
case 0xb9:
|
||||
case 0xbb:
|
||||
case 0xbd:
|
||||
case 0xbf: str[i++] = 'L'; break;
|
||||
case 0xbf: str[i++] = downcase ? 'l': 'L'; break;
|
||||
|
||||
case 0x81:
|
||||
case 0x83:
|
||||
|
|
@ -247,53 +248,55 @@ mu_str_normalize_in_place (char *str, gboolean downcase)
|
|||
case 0xbc:
|
||||
case 0xbe: str[i++] = 'l'; break;
|
||||
|
||||
default:
|
||||
str[i++] = *cur;
|
||||
default: str[i++] = *cur; break;
|
||||
|
||||
}
|
||||
|
||||
} else { /* Latin Extended-A (0xc5) */
|
||||
++cur;
|
||||
switch (*cur) {
|
||||
case 0x81: str[i++] = 'L'; break;
|
||||
case 0x81: str[i++] = downcase ? 'l': 'L'; break;
|
||||
|
||||
case 0x83:
|
||||
case 0x85:
|
||||
case 0x87: str[i++] = 'N'; break;
|
||||
case 0x87: str[i++] = downcase ? 'n': 'N'; break;
|
||||
|
||||
case 0x8c:
|
||||
case 0x8e:
|
||||
case 0x90: str[i++] = 'O'; break;
|
||||
case 0x90: str[i++] = downcase ? 'o': 'O'; break;
|
||||
|
||||
case 0x92: str[i++] = 'O'; str[i++] = 'e'; break;
|
||||
case 0x92:
|
||||
str[i++] = downcase ? 'o': 'O';
|
||||
str[i++] = 'e';
|
||||
break;
|
||||
|
||||
case 0x94:
|
||||
case 0x96:
|
||||
case 0x98: str[i++] = 'R'; break;
|
||||
case 0x98: str[i++] = downcase ? 'r': 'R'; break;
|
||||
|
||||
case 0x9a:
|
||||
case 0x9c:
|
||||
case 0x9e:
|
||||
case 0xa0: str[i++] = 'S'; break;
|
||||
case 0xa0: str[i++] = downcase ? 's': 'S'; break;
|
||||
|
||||
case 0xa2:
|
||||
case 0xa4:
|
||||
case 0xa6: str[i++] = 'T'; break;
|
||||
case 0xa6: str[i++] = downcase ? 't': 'T'; break;
|
||||
|
||||
case 0xa8:
|
||||
case 0xaa:
|
||||
case 0xac:
|
||||
case 0xae:
|
||||
case 0xb0:
|
||||
case 0xb2: str[i++] = 'U'; break;
|
||||
case 0xb4: str[i++] = 'W'; break;
|
||||
case 0xb2: str[i++] = downcase ? 'u': 'U'; break;
|
||||
case 0xb4: str[i++] = downcase ? 'w': 'W'; break;
|
||||
|
||||
case 0xb6:
|
||||
case 0xb8:
|
||||
str[i++] = 'Y'; break;
|
||||
case 0xb8: str[i++] = downcase ? 'y': 'Y'; break;
|
||||
|
||||
case 0xb9:
|
||||
case 0xbb:
|
||||
case 0xbd: str[i++] = 'Z'; break;
|
||||
case 0xbd: str[i++] = downcase ? 'z': 'Z'; break;
|
||||
|
||||
case 0x80:
|
||||
case 0x82: str[i++] = 'l'; break;
|
||||
|
|
@ -341,304 +344,12 @@ mu_str_normalize_in_place (char *str, gboolean downcase)
|
|||
|
||||
case 0xbf: str[i++] = 's'; break;
|
||||
|
||||
default: str[i++] = *cur; break;
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
str [i] = '\0';
|
||||
str[i] = '\0';
|
||||
|
||||
return str;
|
||||
}
|
||||
|
||||
|
||||
static char*
|
||||
normalize_in_place_downcase (char *str)
|
||||
{
|
||||
const guchar *cur;
|
||||
int i;
|
||||
|
||||
if (*str == '\0')
|
||||
return str;
|
||||
|
||||
for (i = 0, cur = (const guchar*)str; *cur; ++cur) {
|
||||
|
||||
if (G_UNLIKELY (*cur == 0xc3)) { /* latin-1 supplement */
|
||||
++cur;
|
||||
switch (*cur) {
|
||||
|
||||
case 0x80:
|
||||
case 0x81:
|
||||
case 0x82:
|
||||
case 0x83:
|
||||
case 0x84:
|
||||
case 0x85: str[i++] = 'a'; break;
|
||||
|
||||
case 0x86: str[i++] = 'a'; str[i++] = 'e'; break;
|
||||
case 0x87: str[i++] = 'c'; break;
|
||||
|
||||
case 0x88:
|
||||
case 0x89:
|
||||
case 0x8a:
|
||||
case 0x8b: str[i++] = 'e'; break;
|
||||
|
||||
case 0x8c:
|
||||
case 0x8d:
|
||||
case 0x8e:
|
||||
case 0x8f: str[i++] = 'i'; break;
|
||||
|
||||
case 0x90: str[i++] = 'd'; break;
|
||||
case 0x91: str[i++] = 'n'; break;
|
||||
|
||||
case 0x92:
|
||||
case 0x93:
|
||||
case 0x94:
|
||||
case 0x95:
|
||||
case 0x96: str[i++] = 'o'; break;
|
||||
|
||||
case 0x99:
|
||||
case 0x9a:
|
||||
case 0x9b:
|
||||
case 0x9c: str[i++] = 'u'; break;
|
||||
|
||||
case 0x9d: str[i++] = 'y'; break;
|
||||
case 0x9e: str[i++] = 't'; str[i++] = 'h'; break;
|
||||
case 0x9f: str[i++] = 't'; str[i++] = 's'; break;
|
||||
|
||||
case 0xa0:
|
||||
case 0xa1:
|
||||
case 0xa2:
|
||||
case 0xa3:
|
||||
case 0xa4:
|
||||
case 0xa5: str[i++] = 'a'; break;
|
||||
|
||||
case 0xa6: str[i++] = 'a'; str[i++] = 'e'; break;
|
||||
case 0xa7: str[i++] = 'c'; break;
|
||||
|
||||
case 0xa8:
|
||||
case 0xa9:
|
||||
case 0xaa:
|
||||
case 0xab: str[i++] = 'e'; break;
|
||||
|
||||
case 0xac:
|
||||
case 0xad:
|
||||
case 0xae:
|
||||
case 0xaf: str[i++] = 'i'; break;
|
||||
|
||||
case 0xb0: str[i++] = 'd'; break;
|
||||
case 0xb1: str[i++] = 'n'; break;
|
||||
|
||||
case 0xb2:
|
||||
case 0xb3:
|
||||
case 0xb4:
|
||||
case 0xb5:
|
||||
case 0xb6: str[i++] = 'o'; break;
|
||||
|
||||
case 0xb9:
|
||||
case 0xba:
|
||||
case 0xbb:
|
||||
case 0xbc: str[i++] = 'u'; break;
|
||||
|
||||
case 0xbd: str[i++] = 'y'; break;
|
||||
case 0xbe: str[i++] = 't'; str[i++] = 'h'; break;
|
||||
case 0xbf: str[i++] = 'y'; break;
|
||||
|
||||
default:
|
||||
str[i++] = tolower(*cur);
|
||||
}
|
||||
|
||||
/* Latin Extended-A (0x04) */
|
||||
} else if (G_UNLIKELY ((*cur == 0xc4))) {
|
||||
++cur;
|
||||
switch (*cur) {
|
||||
case 0x80:
|
||||
case 0x82:
|
||||
case 0x84: str[i++] = 'a'; break;
|
||||
|
||||
case 0x86:
|
||||
case 0x88:
|
||||
case 0x8a:
|
||||
case 0x8c: str[i++] = 'c'; break;
|
||||
|
||||
case 0x8e:
|
||||
case 0x90: str[i++] = 'd'; break;
|
||||
|
||||
case 0x92:
|
||||
case 0x94:
|
||||
case 0x96:
|
||||
case 0x98:
|
||||
case 0x9a: str[i++] = 'e'; break;
|
||||
|
||||
case 0x9c:
|
||||
case 0x9e:
|
||||
case 0xa0:
|
||||
case 0xa2: str[i++] = 'g'; break;
|
||||
|
||||
case 0xa4:
|
||||
case 0xa6: str[i++] = 'h'; break;
|
||||
|
||||
case 0xa8:
|
||||
case 0xaa:
|
||||
case 0xac:
|
||||
case 0xae:
|
||||
case 0xb0: str[i++] = 'i'; break;
|
||||
|
||||
case 0xb2: str[i++] = 'i'; str[i++] = 'j'; break;
|
||||
|
||||
case 0xb4: str[i++] = 'j'; break;
|
||||
|
||||
case 0xb6: str[i++] = 'k'; break;
|
||||
|
||||
case 0xb9:
|
||||
case 0xbb:
|
||||
case 0xbd:
|
||||
case 0xbf: str[i++] = 'l'; break;
|
||||
|
||||
case 0x81:
|
||||
case 0x83:
|
||||
case 0x85: str[i++] = 'a'; break;
|
||||
|
||||
case 0x87:
|
||||
case 0x89:
|
||||
case 0x8b:
|
||||
case 0x8d: str[i++] = 'c'; break;
|
||||
|
||||
case 0x8f:
|
||||
case 0x91: str[i++] = 'd'; break;
|
||||
|
||||
case 0x93:
|
||||
case 0x95:
|
||||
case 0x97:
|
||||
case 0x99:
|
||||
case 0x9b: str[i++] = 'e'; break;
|
||||
|
||||
case 0x9d:
|
||||
case 0x9f:
|
||||
case 0xa1:
|
||||
case 0xa: str[i++] = 'g'; break;
|
||||
|
||||
case 0xa5:
|
||||
case 0xa7: str[i++] = 'h'; break;
|
||||
|
||||
case 0xa9:
|
||||
case 0xab:
|
||||
case 0xad:
|
||||
case 0xaf:
|
||||
case 0xb1: str[i++] = 'i'; break;
|
||||
|
||||
case 0xb3: str[i++] = 'i'; str[i++] = 'j'; break;
|
||||
|
||||
case 0xb5: str[i++] = 'j'; break;
|
||||
|
||||
case 0xb7:
|
||||
case 0xb8: str[i++] = 'k'; break;
|
||||
|
||||
case 0xba:
|
||||
case 0xbc:
|
||||
case 0xbe: str[i++] = 'l'; break;
|
||||
|
||||
default:
|
||||
str[i++] = tolower(*cur);
|
||||
}
|
||||
|
||||
/* Latin Extended-A (0xc5) */
|
||||
} else if (G_UNLIKELY ((*cur == 0xc5))) {
|
||||
++cur;
|
||||
switch (*cur) {
|
||||
case 0x81: str[i++] = 'l'; break;
|
||||
|
||||
case 0x83:
|
||||
case 0x85:
|
||||
case 0x87: str[i++] = 'n'; break;
|
||||
|
||||
case 0x8c:
|
||||
case 0x8e:
|
||||
case 0x90: str[i++] = 'o'; break;
|
||||
|
||||
case 0x92: str[i++] = 'o'; str[i++] = 'e'; break;
|
||||
|
||||
case 0x94:
|
||||
case 0x96:
|
||||
case 0x98: str[i++] = 'r'; break;
|
||||
|
||||
case 0x9a:
|
||||
case 0x9c:
|
||||
case 0x9e:
|
||||
case 0xa0: str[i++] = 's'; break;
|
||||
|
||||
case 0xa2:
|
||||
case 0xa4:
|
||||
case 0xa6: str[i++] = 't'; break;
|
||||
|
||||
case 0xa8:
|
||||
case 0xaa:
|
||||
case 0xac:
|
||||
case 0xae:
|
||||
case 0xb0:
|
||||
case 0xb2: str[i++] = 'u'; break;
|
||||
case 0xb4: str[i++] = 'w'; break;
|
||||
case 0xb6:
|
||||
case 0xb8:
|
||||
str[i++] = 'y'; break;
|
||||
|
||||
case 0xb9:
|
||||
case 0xbb:
|
||||
case 0xbd: str[i++] = 'z'; break;
|
||||
|
||||
case 0x80:
|
||||
case 0x82: str[i++] = 'l'; break;
|
||||
|
||||
case 0x84:
|
||||
case 0x86:
|
||||
case 0x88:
|
||||
case 0x89:
|
||||
case 0x8a:
|
||||
case 0x8b: str[i++] = 'n'; break;
|
||||
|
||||
case 0x8d:
|
||||
case 0x8f:
|
||||
case 0x91: str[i++] = 'o'; break;
|
||||
|
||||
case 0x93: str[i++] = 'o'; str[i++] = 'e'; break;
|
||||
|
||||
case 0x95:
|
||||
case 0x97:
|
||||
case 0x99: str[i++] = 'r'; break;
|
||||
|
||||
case 0x9b:
|
||||
case 0x9d:
|
||||
case 0x9f:
|
||||
case 0xa1: str[i++] = 's'; break;
|
||||
|
||||
case 0xa3:
|
||||
case 0xa5:
|
||||
case 0xa7: str[i++] = 't'; break;
|
||||
|
||||
case 0xa9:
|
||||
case 0xab:
|
||||
case 0xad:
|
||||
case 0xaf:
|
||||
case 0xb1:
|
||||
case 0xb3: str[i++] = 'u'; break;
|
||||
|
||||
case 0xb5: str[i++] = 'w'; break;
|
||||
|
||||
case 0xb7: str[i++] = 'y'; break;
|
||||
|
||||
case 0xba:
|
||||
case 0xbc:
|
||||
case 0xbe: str[i++] = 'z'; break;
|
||||
|
||||
case 0xbf: str[i++] = 's'; break;
|
||||
|
||||
default:
|
||||
str[i++] = tolower(*cur);
|
||||
}
|
||||
} else
|
||||
str[i++] = tolower(*cur);
|
||||
}
|
||||
|
||||
str [i] = '\0';
|
||||
|
||||
return str;
|
||||
}
|
||||
|
||||
|
|
|
|||
Loading…
Reference in New Issue