uhtml: assume latin1 if not valid utf8
This commit is contained in:
parent
6f5e6eff59
commit
51c7856350
1 changed files with 37 additions and 21 deletions
|
@ -3,8 +3,8 @@
|
|||
#include <ctype.h>
|
||||
|
||||
int nbuf;
|
||||
char buf[4096+1];
|
||||
char *cset = "utf";
|
||||
char buf[64*1024+1];
|
||||
char *cset = nil;
|
||||
|
||||
void
|
||||
usage(void)
|
||||
|
@ -40,8 +40,9 @@ strval(char *s)
|
|||
void
|
||||
main(int argc, char *argv[])
|
||||
{
|
||||
int pfd[2], pflag = 0;
|
||||
int n, pfd[2], pflag = 0;
|
||||
char *arg[4], *s, *p;
|
||||
Rune r;
|
||||
|
||||
ARGBEGIN {
|
||||
case 'h':
|
||||
|
@ -59,25 +60,29 @@ main(int argc, char *argv[])
|
|||
if(open(*argv, OREAD) != 1)
|
||||
sysfatal("open: %r");
|
||||
}
|
||||
if((nbuf = readn(0, buf, sizeof(buf)-1)) < 0)
|
||||
sysfatal("read: %r");
|
||||
buf[nbuf] = 0;
|
||||
nbuf = 0;
|
||||
p = buf;
|
||||
while(nbuf > 0){
|
||||
if(memcmp(p, "\xEF\xBB\xBF", 3)==0){
|
||||
p += 3;
|
||||
cset = "utf";
|
||||
break;
|
||||
}
|
||||
if(memcmp(p, "\xFE\xFF", 2) == 0){
|
||||
p += 2;
|
||||
cset = "unicode-be";
|
||||
break;
|
||||
}
|
||||
if(memcmp(p, "\xFF\xFE", 2) == 0){
|
||||
p += 2;
|
||||
cset = "unicode-le";
|
||||
while(nbuf < sizeof(buf)-1){
|
||||
if((n = read(0, buf + nbuf, sizeof(buf)-1-nbuf)) <= 0)
|
||||
break;
|
||||
nbuf += n;
|
||||
buf[nbuf] = 0;
|
||||
if(nbuf == n){
|
||||
if(memcmp(p, "\xEF\xBB\xBF", 3)==0){
|
||||
p += 3;
|
||||
cset = "utf";
|
||||
break;
|
||||
}
|
||||
if(memcmp(p, "\xFE\xFF", 2) == 0){
|
||||
p += 2;
|
||||
cset = "unicode-be";
|
||||
break;
|
||||
}
|
||||
if(memcmp(p, "\xFF\xFE", 2) == 0){
|
||||
p += 2;
|
||||
cset = "unicode-le";
|
||||
break;
|
||||
}
|
||||
}
|
||||
if(s = cistrstr(p, "encoding="))
|
||||
if(s = strval(s+9)){
|
||||
|
@ -89,10 +94,21 @@ main(int argc, char *argv[])
|
|||
cset = s;
|
||||
break;
|
||||
}
|
||||
break;
|
||||
}
|
||||
nbuf -= p - buf;
|
||||
|
||||
if(cset == nil){
|
||||
cset = "utf";
|
||||
s = p;
|
||||
while(s+UTFmax < p+nbuf){
|
||||
s += chartorune(&r, s);
|
||||
if(r == Runeerror){
|
||||
cset = "latin1";
|
||||
break;
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
if(pflag){
|
||||
print("%s\n", cset);
|
||||
exits(0);
|
||||
|
|
Loading…
Reference in a new issue