mirror of
https://github.com/rhasspy/espeak-ng.git
synced 2026-11-02 22:07:12 +00:00
encoding.c: Implement support for the auto-detected character set (utf-8 + codepoint-encoding).
This commit is contained in:
@@ -602,6 +602,19 @@ string_decoder_getc_wchar(espeak_ng_TEXT_DECODER *decoder)
|
||||
return c;
|
||||
}
|
||||
|
||||
static uint32_t
|
||||
string_decoder_getc_auto(espeak_ng_TEXT_DECODER *decoder)
|
||||
{
|
||||
const uint8_t *ptr = decoder->current;
|
||||
uint32_t c = string_decoder_getc_utf_8(decoder);
|
||||
if (c == 0xFFFD) {
|
||||
decoder->get = string_decoder_getc_codepage;
|
||||
decoder->current = ptr;
|
||||
c = decoder->get(decoder);
|
||||
}
|
||||
return c;
|
||||
}
|
||||
|
||||
typedef struct
|
||||
{
|
||||
uint32_t (*get)(espeak_ng_TEXT_DECODER *decoder);
|
||||
@@ -672,6 +685,26 @@ text_decoder_decode_string(espeak_ng_TEXT_DECODER *decoder,
|
||||
return ENS_OK;
|
||||
}
|
||||
|
||||
espeak_ng_STATUS
|
||||
text_decoder_decode_string_auto(espeak_ng_TEXT_DECODER *decoder,
|
||||
const char *string,
|
||||
int length,
|
||||
espeak_ng_ENCODING encoding)
|
||||
{
|
||||
if (encoding > ESPEAKNG_ENCODING_ISO_10646_UCS_2)
|
||||
return ENS_UNKNOWN_TEXT_ENCODING;
|
||||
|
||||
const encoding_t *enc = string_decoders + encoding;
|
||||
if (enc->get == NULL)
|
||||
return ENS_UNKNOWN_TEXT_ENCODING;
|
||||
|
||||
decoder->get = string_decoder_getc_auto;
|
||||
decoder->codepage = enc->codepage;
|
||||
decoder->current = (const uint8_t *)string;
|
||||
decoder->end = (const uint8_t *)(string + length);
|
||||
return ENS_OK;
|
||||
}
|
||||
|
||||
espeak_ng_STATUS
|
||||
text_decoder_decode_wstring(espeak_ng_TEXT_DECODER *decoder,
|
||||
const wchar_t *string,
|
||||
|
||||
@@ -36,6 +36,12 @@ text_decoder_decode_string(espeak_ng_TEXT_DECODER *decoder,
|
||||
int length,
|
||||
espeak_ng_ENCODING encoding);
|
||||
|
||||
espeak_ng_STATUS
|
||||
text_decoder_decode_string_auto(espeak_ng_TEXT_DECODER *decoder,
|
||||
const char *string,
|
||||
int length,
|
||||
espeak_ng_ENCODING encoding);
|
||||
|
||||
espeak_ng_STATUS
|
||||
text_decoder_decode_wstring(espeak_ng_TEXT_DECODER *decoder,
|
||||
const wchar_t *string,
|
||||
|
||||
@@ -1916,16 +1916,21 @@ int UpperCaseInWord(Translator *tr, char *word, int c)
|
||||
return 0;
|
||||
}
|
||||
|
||||
static espeak_ng_STATUS init_wstring_decoder(const wchar_t *text)
|
||||
static inline espeak_ng_STATUS init_wstring_decoder(const wchar_t *text)
|
||||
{
|
||||
return text_decoder_decode_wstring(p_decoder, text, wcslen(text) + 1);
|
||||
}
|
||||
|
||||
static espeak_ng_STATUS init_string_decoder(const char *text, espeak_ng_ENCODING encoding)
|
||||
static inline espeak_ng_STATUS init_string_decoder(const char *text, espeak_ng_ENCODING encoding)
|
||||
{
|
||||
return text_decoder_decode_string(p_decoder, text, strlen(text) + 1, encoding);
|
||||
}
|
||||
|
||||
static inline espeak_ng_STATUS init_string_decoder_auto(const char *text, espeak_ng_ENCODING encoding)
|
||||
{
|
||||
return text_decoder_decode_string_auto(p_decoder, text, strlen(text) + 1, encoding);
|
||||
}
|
||||
|
||||
const void *TranslateClause(Translator *tr, const void *vp_input, int *tone_out, char **voice_change)
|
||||
{
|
||||
int ix;
|
||||
@@ -1985,7 +1990,9 @@ const void *TranslateClause(Translator *tr, const void *vp_input, int *tone_out,
|
||||
case espeakCHARS_WCHAR:
|
||||
init_wstring_decoder((const wchar_t *)vp_input);
|
||||
break;
|
||||
case espeakCHARS_AUTO: // TODO: Implement UTF-8 => 8BIT fallback on 0xFFFD UTF-8 characters.
|
||||
case espeakCHARS_AUTO:
|
||||
init_string_decoder_auto((const char *)vp_input, tr->encoding);
|
||||
break;
|
||||
case espeakCHARS_UTF8:
|
||||
init_string_decoder((const char *)vp_input, ESPEAKNG_ENCODING_UTF_8);
|
||||
break;
|
||||
|
||||
@@ -749,6 +749,40 @@ test_wchar_decoder()
|
||||
destroy_text_decoder(decoder);
|
||||
}
|
||||
|
||||
void
|
||||
test_auto_decoder()
|
||||
{
|
||||
printf("testing auto decoder (UTF-8 + codepage-based fallback)\n");
|
||||
|
||||
espeak_ng_TEXT_DECODER *decoder = create_text_decoder();
|
||||
|
||||
// UTF-8
|
||||
assert(text_decoder_decode_string_auto(decoder, "aG\xC2\xA0 ", 5, ESPEAKNG_ENCODING_ISO_8859_1) == ENS_OK);
|
||||
assert(text_decoder_eof(decoder) == 0);
|
||||
assert(text_decoder_getc(decoder) == 'a');
|
||||
assert(text_decoder_eof(decoder) == 0);
|
||||
assert(text_decoder_getc(decoder) == 'G');
|
||||
assert(text_decoder_eof(decoder) == 0);
|
||||
assert(text_decoder_getc(decoder) == 0xA0);
|
||||
assert(text_decoder_eof(decoder) == 0);
|
||||
assert(text_decoder_getc(decoder) == ' ');
|
||||
assert(text_decoder_eof(decoder) == 1);
|
||||
|
||||
// ISO-8859-1
|
||||
assert(text_decoder_decode_string_auto(decoder, "aG\240f", 4, ESPEAKNG_ENCODING_ISO_8859_1) == ENS_OK);
|
||||
assert(text_decoder_eof(decoder) == 0);
|
||||
assert(text_decoder_getc(decoder) == 'a');
|
||||
assert(text_decoder_eof(decoder) == 0);
|
||||
assert(text_decoder_getc(decoder) == 'G');
|
||||
assert(text_decoder_eof(decoder) == 0);
|
||||
assert(text_decoder_getc(decoder) == 0xA0);
|
||||
assert(text_decoder_eof(decoder) == 0);
|
||||
assert(text_decoder_getc(decoder) == 'f');
|
||||
assert(text_decoder_eof(decoder) == 1);
|
||||
|
||||
destroy_text_decoder(decoder);
|
||||
}
|
||||
|
||||
int
|
||||
main(int argc, char **argv)
|
||||
{
|
||||
@@ -780,6 +814,7 @@ main(int argc, char **argv)
|
||||
test_iso_10646_ucs_2_encoding();
|
||||
|
||||
test_wchar_decoder();
|
||||
test_auto_decoder();
|
||||
|
||||
printf("done\n");
|
||||
|
||||
|
||||
Reference in New Issue
Block a user