encoding.c: Upgrade upcase table and rewrite decompression code
authorEric Biggers <ebiggers3@gmail.com>
Thu, 7 May 2015 02:38:30 +0000 (21:38 -0500)
committerEric Biggers <ebiggers3@gmail.com>
Thu, 7 May 2015 03:13:06 +0000 (22:13 -0500)
src/encoding.c
tools/compress_upcase_table.c [new file with mode: 0644]

index 5ff1df2..8910ea4 100644 (file)
@@ -409,96 +409,81 @@ iconv_global_cleanup(void)
  */
 static u16 upcase[65536];
 
-/*
- * Initialize the 'upcase' table.
- *
- * Code modified from NTFS-3g, original copyright notices below:
- *
- * Copyright (c) 2000-2004 Anton Altaparmakov
- * Copyright (c) 2002-2009 Szabolcs Szakacsits
- * Copyright (c) 2008-2011 Jean-Pierre Andre
- * Copyright (c) 2008      Bernhard Kaindl
- *
- * License GPLv2 or later.
- *
- * The expanded table itself is the same as that used by Windows Vista for
- * NTFS case insensitivity.
- */
 void
 init_upcase(void)
 {
-       /*
-        *      This is the table as defined by Vista
-        */
-       /*
-        * "Start" is inclusive and "End" is exclusive, every value has the
-        * value of "Add" added to it.
-        */
-       static const u16 uc_run_table[][3] = { /* Start, End, Add */
-       {0x0061, 0x007b,   -32}, {0x00e0, 0x00f7,  -32}, {0x00f8, 0x00ff, -32},
-       {0x0256, 0x0258,  -205}, {0x028a, 0x028c, -217}, {0x037b, 0x037e, 130},
-       {0x03ac, 0x03ad,   -38}, {0x03ad, 0x03b0,  -37}, {0x03b1, 0x03c2, -32},
-       {0x03c2, 0x03c3,   -31}, {0x03c3, 0x03cc,  -32}, {0x03cc, 0x03cd, -64},
-       {0x03cd, 0x03cf,   -63}, {0x0430, 0x0450,  -32}, {0x0450, 0x0460, -80},
-       {0x0561, 0x0587,   -48}, {0x1f00, 0x1f08,    8}, {0x1f10, 0x1f16,   8},
-       {0x1f20, 0x1f28,     8}, {0x1f30, 0x1f38,    8}, {0x1f40, 0x1f46,   8},
-       {0x1f51, 0x1f52,     8}, {0x1f53, 0x1f54,    8}, {0x1f55, 0x1f56,   8},
-       {0x1f57, 0x1f58,     8}, {0x1f60, 0x1f68,    8}, {0x1f70, 0x1f72,  74},
-       {0x1f72, 0x1f76,    86}, {0x1f76, 0x1f78,  100}, {0x1f78, 0x1f7a, 128},
-       {0x1f7a, 0x1f7c,   112}, {0x1f7c, 0x1f7e,  126}, {0x1f80, 0x1f88,   8},
-       {0x1f90, 0x1f98,     8}, {0x1fa0, 0x1fa8,    8}, {0x1fb0, 0x1fb2,   8},
-       {0x1fb3, 0x1fb4,     9}, {0x1fcc, 0x1fcd,   -9}, {0x1fd0, 0x1fd2,   8},
-       {0x1fe0, 0x1fe2,     8}, {0x1fe5, 0x1fe6,    7}, {0x1ffc, 0x1ffd,  -9},
-       {0x2170, 0x2180,   -16}, {0x24d0, 0x24ea,  -26}, {0x2c30, 0x2c5f, -48},
-       {0x2d00, 0x2d26, -7264}, {0xff41, 0xff5b,  -32},
-       };
-       /*
-        * "Start" is exclusive and "End" is inclusive, every second value is
-        * decremented by one.
-        */
-       static const u16 uc_dup_table[][2] = { /* Start, End */
-       {0x0100, 0x012f}, {0x0132, 0x0137}, {0x0139, 0x0149}, {0x014a, 0x0178},
-       {0x0179, 0x017e}, {0x01a0, 0x01a6}, {0x01b3, 0x01b7}, {0x01cd, 0x01dd},
-       {0x01de, 0x01ef}, {0x01f4, 0x01f5}, {0x01f8, 0x01f9}, {0x01fa, 0x0220},
-       {0x0222, 0x0234}, {0x023b, 0x023c}, {0x0241, 0x0242}, {0x0246, 0x024f},
-       {0x03d8, 0x03ef}, {0x03f7, 0x03f8}, {0x03fa, 0x03fb}, {0x0460, 0x0481},
-       {0x048a, 0x04bf}, {0x04c1, 0x04c4}, {0x04c5, 0x04c8}, {0x04c9, 0x04ce},
-       {0x04ec, 0x04ed}, {0x04d0, 0x04eb}, {0x04ee, 0x04f5}, {0x04f6, 0x0513},
-       {0x1e00, 0x1e95}, {0x1ea0, 0x1ef9}, {0x2183, 0x2184}, {0x2c60, 0x2c61},
-       {0x2c67, 0x2c6c}, {0x2c75, 0x2c76}, {0x2c80, 0x2ce3},
+       /* This is the table used in NTFS volumes formatted by Windows 10.
+        * It was compressed by tools/compress_upcase_table.c.  */
+       static const u16 upcase_compressed[] = {
+               0x0000, 0x0000, 0x0060, 0x0000, 0x0000, 0xffe0, 0x0019, 0x0061,
+               0x0061, 0x0000, 0x001b, 0x005d, 0x0008, 0x0060, 0x0000, 0x0079,
+               0x0000, 0x0000, 0x0000, 0xffff, 0x002f, 0x0100, 0x0002, 0x0000,
+               0x0007, 0x012b, 0x0011, 0x0121, 0x002f, 0x0103, 0x0006, 0x0101,
+               0x0000, 0x00c3, 0x0006, 0x0131, 0x0007, 0x012e, 0x0004, 0x0000,
+               0x0003, 0x012f, 0x0000, 0x0061, 0x0004, 0x0130, 0x0000, 0x00a3,
+               0x0003, 0x0000, 0x0000, 0x0082, 0x000b, 0x0131, 0x0006, 0x0189,
+               0x0008, 0x012f, 0x0007, 0x012e, 0x0000, 0x0038, 0x0006, 0x0000,
+               0x0000, 0xfffe, 0x0007, 0x01c4, 0x000f, 0x0101, 0x0000, 0xffb1,
+               0x0015, 0x011e, 0x0004, 0x01cc, 0x002a, 0x0149, 0x0014, 0x0149,
+               0x0007, 0x0000, 0x0009, 0x018c, 0x000b, 0x0138, 0x0000, 0x2a1f,
+               0x0000, 0x2a1c, 0x0000, 0x0000, 0x0000, 0xff2e, 0x0000, 0xff32,
+               0x0000, 0x0000, 0x0000, 0xff33, 0x0000, 0xff33, 0x0000, 0x0000,
+               0x0000, 0xff36, 0x0000, 0x0000, 0x0000, 0xff35, 0x0004, 0x0000,
+               0x0002, 0x0257, 0x0000, 0x0000, 0x0000, 0xff31, 0x0004, 0x0000,
+               0x0000, 0xff2f, 0x0000, 0xff2d, 0x0000, 0x0000, 0x0000, 0x29f7,
+               0x0003, 0x0000, 0x0002, 0x0269, 0x0000, 0x29fd, 0x0000, 0xff2b,
+               0x0002, 0x0000, 0x0000, 0xff2a, 0x0007, 0x0000, 0x0000, 0x29e7,
+               0x0002, 0x0000, 0x0000, 0xff26, 0x0005, 0x027e, 0x0003, 0x027e,
+               0x0000, 0xffbb, 0x0000, 0xff27, 0x0000, 0xff27, 0x0000, 0xffb9,
+               0x0005, 0x0000, 0x0000, 0xff25, 0x0065, 0x007b, 0x0079, 0x0293,
+               0x0008, 0x012d, 0x0003, 0x019c, 0x0002, 0x037b, 0x002e, 0x0000,
+               0x0000, 0xffda, 0x0000, 0xffdb, 0x0002, 0x03ad, 0x0012, 0x0060,
+               0x000a, 0x0060, 0x0000, 0xffc0, 0x0000, 0xffc1, 0x0000, 0xffc1,
+               0x0008, 0x0000, 0x0000, 0xfff8, 0x001a, 0x0118, 0x0000, 0x0007,
+               0x0008, 0x018d, 0x0009, 0x0233, 0x0046, 0x0035, 0x0006, 0x0061,
+               0x0000, 0xffb0, 0x000f, 0x0450, 0x0025, 0x010e, 0x000a, 0x036b,
+               0x0032, 0x048b, 0x000e, 0x0100, 0x0000, 0xfff1, 0x0037, 0x048a,
+               0x0026, 0x0465, 0x0034, 0x0000, 0x0000, 0xffd0, 0x0025, 0x0561,
+               0x00de, 0x0293, 0x1714, 0x0587, 0x0000, 0x8a04, 0x0003, 0x0000,
+               0x0000, 0x0ee6, 0x0087, 0x02ee, 0x0092, 0x1e01, 0x0069, 0x1df7,
+               0x0000, 0x0008, 0x0007, 0x1f00, 0x0008, 0x0000, 0x000e, 0x1f02,
+               0x0008, 0x1f0e, 0x0010, 0x1f06, 0x001a, 0x1f06, 0x0002, 0x1f0f,
+               0x0007, 0x1f50, 0x0017, 0x1f19, 0x0000, 0x004a, 0x0000, 0x004a,
+               0x0000, 0x0056, 0x0003, 0x1f72, 0x0000, 0x0064, 0x0000, 0x0064,
+               0x0000, 0x0080, 0x0000, 0x0080, 0x0000, 0x0070, 0x0000, 0x0070,
+               0x0000, 0x007e, 0x0000, 0x007e, 0x0028, 0x1f1e, 0x000c, 0x1f06,
+               0x0000, 0x0000, 0x0000, 0x0009, 0x000f, 0x0000, 0x000d, 0x1fb3,
+               0x000d, 0x1f44, 0x0008, 0x1fcd, 0x0006, 0x03f2, 0x0015, 0x1fbb,
+               0x014e, 0x0587, 0x0000, 0xffe4, 0x0021, 0x0000, 0x0000, 0xfff0,
+               0x000f, 0x2170, 0x000a, 0x0238, 0x0346, 0x0587, 0x0000, 0xffe6,
+               0x0019, 0x24d0, 0x0746, 0x0587, 0x0026, 0x0561, 0x000b, 0x057e,
+               0x0004, 0x012f, 0x0000, 0xd5d5, 0x0000, 0xd5d8, 0x000c, 0x022e,
+               0x000e, 0x03f8, 0x006e, 0x1e33, 0x0011, 0x0000, 0x0000, 0xe3a0,
+               0x0025, 0x2d00, 0x17f2, 0x0587, 0x6129, 0x2d26, 0x002e, 0x0201,
+               0x002a, 0x1def, 0x0098, 0xa5b7, 0x0040, 0x1dff, 0x000e, 0x0368,
+               0x000d, 0x022b, 0x034c, 0x2184, 0x5469, 0x2d26, 0x007f, 0x0061,
+               0x0040, 0x0000,
        };
-       /*
-        * Set the Unicode character at offset "Offset" to "Value".  Note,
-        * "Value" is host endian.
-        */
-       static const u16 uc_byte_table[][2] = { /* Offset, Value */
-       {0x00ff, 0x0178}, {0x0180, 0x0243}, {0x0183, 0x0182}, {0x0185, 0x0184},
-       {0x0188, 0x0187}, {0x018c, 0x018b}, {0x0192, 0x0191}, {0x0195, 0x01f6},
-       {0x0199, 0x0198}, {0x019a, 0x023d}, {0x019e, 0x0220}, {0x01a8, 0x01a7},
-       {0x01ad, 0x01ac}, {0x01b0, 0x01af}, {0x01b9, 0x01b8}, {0x01bd, 0x01bc},
-       {0x01bf, 0x01f7}, {0x01c6, 0x01c4}, {0x01c9, 0x01c7}, {0x01cc, 0x01ca},
-       {0x01dd, 0x018e}, {0x01f3, 0x01f1}, {0x023a, 0x2c65}, {0x023e, 0x2c66},
-       {0x0253, 0x0181}, {0x0254, 0x0186}, {0x0259, 0x018f}, {0x025b, 0x0190},
-       {0x0260, 0x0193}, {0x0263, 0x0194}, {0x0268, 0x0197}, {0x0269, 0x0196},
-       {0x026b, 0x2c62}, {0x026f, 0x019c}, {0x0272, 0x019d}, {0x0275, 0x019f},
-       {0x027d, 0x2c64}, {0x0280, 0x01a6}, {0x0283, 0x01a9}, {0x0288, 0x01ae},
-       {0x0289, 0x0244}, {0x028c, 0x0245}, {0x0292, 0x01b7}, {0x03f2, 0x03f9},
-       {0x04cf, 0x04c0}, {0x1d7d, 0x2c63}, {0x214e, 0x2132},
-       };
-
-       for (u32 i = 0; i < 65536; i++)
-               upcase[i] = i;
-
-       for (u32 r = 0; r < ARRAY_LEN(uc_run_table); r++)
-               for (u32 i = uc_run_table[r][0]; i < uc_run_table[r][1]; i++)
-                       upcase[i] = i + uc_run_table[r][2];
 
-       for (u32 r = 0; r < ARRAY_LEN(uc_dup_table); r++)
-               for (u32 i = uc_dup_table[r][0]; i < uc_dup_table[r][1]; i += 2)
-                       upcase[i + 1] = i;
+       /* Simple LZ decoder  */
+       const u16 *in_next = upcase_compressed;
+       for (u32 i = 0; i < ARRAY_LEN(upcase); ) {
+               u16 length = *in_next++;
+               u16 src_pos = *in_next++;
+               if (length == 0) {
+                       /* Literal */
+                       upcase[i++] = src_pos;
+               } else {
+                       /* Match */
+                       do {
+                               upcase[i++] = upcase[src_pos++];
+                       } while (--length);
+               }
+       }
 
-       for (u32 r = 0; r < ARRAY_LEN(uc_byte_table); r++)
-               upcase[uc_byte_table[r][0]] = uc_byte_table[r][1];
+       /* Delta filter  */
+       for (u32 i = 0; i < ARRAY_LEN(upcase); i++)
+               upcase[i] += i;
 
 #if 0
        /* Sanity checks  */
diff --git a/tools/compress_upcase_table.c b/tools/compress_upcase_table.c
new file mode 100644 (file)
index 0000000..f911a43
--- /dev/null
@@ -0,0 +1,99 @@
+/*
+ * compress_upcase_table.c
+ *
+ * Compress a table that maps each UCS-2 character to its upper case equivalent.
+ *
+ * ----------------------------------------------------------------------------
+ *
+ * Copyright (C) 2015 Eric Biggers
+ *
+ * This file is free software; you can redistribute it and/or modify it under
+ * the terms of the GNU Lesser General Public License as published by the Free
+ * Software Foundation; either version 3 of the License, or (at your option) any
+ * later version.
+ *
+ * This file is distributed in the hope that it will be useful, but WITHOUT
+ * ANY WARRANTY; without even the implied warranty of MERCHANTABILITY or FITNESS
+ * FOR A PARTICULAR PURPOSE. See the GNU Lesser General Public License for more
+ * details.
+ *
+ * You should have received a copy of the GNU Lesser General Public License
+ * along with this file; if not, see http://www.gnu.org/licenses/.
+ */
+
+#include <fcntl.h>
+#include <stddef.h>
+#include <stdint.h>
+#include <stdio.h>
+#include <sys/mman.h>
+
+#define LEN 65536
+#define SIZE (65536 * sizeof(uint16_t))
+
+static uint16_t
+match_length(const uint16_t *p1, const uint16_t *p2, uint16_t max_len)
+{
+       uint16_t len = 0;
+
+       while (len < max_len && p1[len] == p2[len])
+               len++;
+
+       return len;
+}
+
+static void
+longest_match(const uint16_t *tab, uint16_t cur_pos,
+             uint16_t *len_ret, uint16_t *src_pos_ret)
+{
+       uint16_t max_len = LEN - cur_pos;
+       uint16_t src_pos;
+       *len_ret = 0;
+       *src_pos_ret = 0;
+       for (src_pos = 0; src_pos < cur_pos; src_pos++) {
+               /* check for match at this pos  */
+               uint16_t len = match_length(&tab[cur_pos], &tab[src_pos], max_len);
+               if (len > *len_ret) {
+                       *len_ret = len;
+                       *src_pos_ret = src_pos;
+               }
+       }
+}
+
+static void
+output(uint16_t v)
+{
+       printf("0x%04x, ", v);
+}
+
+int main()
+{
+       int fd = open("upcase.tab", O_RDONLY);
+       if (fd < 0) {
+               fprintf(stderr, "ERROR: upcase.tab not found\n");
+               return 1;
+       }
+       uint16_t *tab = mmap(NULL, SIZE, PROT_READ|PROT_WRITE, MAP_PRIVATE, fd, 0);
+       uint32_t i;
+
+       /* Delta filter  */
+       for (i = 0; i < LEN; i++)
+               tab[i] -= i;
+
+       /* Simple LZ encoder  */
+       for (i = 0; i < LEN; ) {
+               uint16_t len, src_pos;
+               longest_match(tab, i, &len, &src_pos);
+               if (len <= 1) {
+                       /* Literal  */
+                       output(0);
+                       output(tab[i]);
+                       i++;
+               } else {
+                       /* Match  */
+                       output(len);
+                       output(src_pos);
+                       i += len;
+               }
+       }
+       return 0;
+}