cgit.sxemacs.org Git - gnus/blob - lisp/utf7.el

   1 ;;; utf7.el --- UTF-7 encoding/decoding for Emacs   -*-coding: iso-8859-1;-*-
   2
   3 ;; Copyright (C) 1999, 2000, 2002, 2003, 2004,
   4 ;;   2005, 2006 Free Software Foundation, Inc.
   5
   6 ;; Author: Jon K Hellan <hellan@acm.org>
   7 ;; Maintainer: bugs@gnus.org
   8 ;; Keywords: mail
   9
  10 ;; This file is part of GNU Emacs.
  11
  12 ;; GNU Emacs is free software; you can redistribute it and/or modify
  13 ;; it under the terms of the GNU General Public License as published by
  14 ;; the Free Software Foundation; either version 2, or (at your option)
  15 ;; any later version.
  16
  17 ;; GNU Emacs is distributed in the hope that it will be useful,
  18 ;; but WITHOUT ANY WARRANTY; without even the implied warranty of
  19 ;; MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  20 ;; GNU General Public License for more details.
  21
  22 ;; You should have received a copy of the GNU General Public License
  23 ;; along with GNU Emacs; see the file COPYING.  If not, write to
  24 ;; the Free Software Foundation, Inc., 51 Franklin Street, Fifth Floor,
  25 ;; Boston, MA 02110-1301, USA.
  26
  27 ;;; Commentary:
  28
  29 ;; UTF-7 - A Mail-Safe Transformation Format of Unicode - RFC 2152
  30 ;; This is a transformation format of Unicode that contains only 7-bit
  31 ;; ASCII octets and is intended to be readable by humans in the limiting
  32 ;; case that the document consists of characters from the US-ASCII
  33 ;; repertoire.
  34 ;; In short, runs of characters outside US-ASCII are encoded as base64
  35 ;; inside delimiters.
  36 ;; A variation of UTF-7 is specified in IMAP 4rev1 (RFC 2060) as the way
  37 ;; to represent characters outside US-ASCII in mailbox names in IMAP.
  38 ;; This library supports both variants, but the IMAP variation was the
  39 ;; reason I wrote it.
  40 ;; The routines convert UTF-7 -> UTF-16 (16 bit encoding of Unicode)
  41 ;; -> current character set, and vice versa.
  42 ;; However, until Emacs supports Unicode, the only Emacs character set
  43 ;; supported here is ISO-8859.1, which can trivially be converted to/from
  44 ;; Unicode.
  45 ;; When decoding results in a character outside the Emacs character set,
  46 ;; an error is thrown.  It is up to the application to recover.
  47
  48 ;; UTF-7 should be done by providing a coding system.  Mule-UCS does
  49 ;; already, but I don't know if it does the IMAP version and it's not
  50 ;; clear whether that should really be a coding system.  The UTF-16
  51 ;; part of the conversion can be done with coding systems available
  52 ;; with Mule-UCS or some versions of Emacs.  Unfortunately these were
  53 ;; done wrongly (regarding handling of byte-order marks and how the
  54 ;; variants were named), so we don't have a consistent name for the
  55 ;; necessary coding system.  The code below doesn't seem to DTRT
  56 ;; generally.  E.g.:
  57 ;;
  58 ;; (utf7-encode "a+£")
  59 ;;   => "a+ACsAow-"
  60 ;;
  61 ;; $ echo "a+£"|iconv -f iso-8859-1 -t utf-7
  62 ;; a+-+AKM
  63 ;;
  64 ;;  -- fx
  65
  66
  67 ;;; Code:
  68
  69 (require 'base64)
  70 (eval-when-compile (require 'cl))
  71 (require 'mm-util)
  72
  73 (defconst utf7-direct-encoding-chars " -%'-*,-[]-}"
  74   "Character ranges which do not need escaping in UTF-7.")
  75
  76 (defconst utf7-imap-direct-encoding-chars
  77   (concat utf7-direct-encoding-chars "+\\~")
  78   "Character ranges which do not need escaping in the IMAP variant of UTF-7.")
  79
  80 (defconst utf7-utf-16-coding-system
  81   (cond ((mm-coding-system-p 'utf-16-be-no-signature) ; Mule-UCS
  82          'utf-16-be-no-signature)
  83         ((and (mm-coding-system-p 'utf-16-be) ; Emacs 21.3, Emacs 22
  84               ;; Avoid versions with BOM.
  85               (= 2 (length (encode-coding-string "a" 'utf-16-be))))
  86          'utf-16-be)
  87         ((mm-coding-system-p 'utf-16-be-nosig) ; ?
  88          'utf-16-be-nosig))
  89   "Coding system which encodes big endian UTF-16 without a BOM signature.")
  90
  91 (defsubst utf7-imap-get-pad-length (len modulus)
  92   "Return required length of padding for IMAP modified base64 fragment."
  93   (mod (- len) modulus))
  94
  95 (defun utf7-encode-internal (&optional for-imap)
  96   "Encode text in (temporary) buffer as UTF-7.
  97 Use IMAP modification if FOR-IMAP is non-nil."
  98   (let ((start (point-min))
  99         (end (point-max)))
 100     (narrow-to-region start end)
 101     (goto-char start)
 102     (let* ((esc-char (if for-imap ?& ?+))
 103            (direct-encoding-chars
 104             (if for-imap utf7-imap-direct-encoding-chars
 105               utf7-direct-encoding-chars))
 106            (not-direct-encoding-chars (concat "^" direct-encoding-chars)))
 107       (while (not (eobp))
 108         (skip-chars-forward direct-encoding-chars)
 109         (unless (eobp)
 110           (insert esc-char)
 111           (let ((p (point))
 112                 (fc (following-char))
 113                 (run-length
 114                  (skip-chars-forward not-direct-encoding-chars)))
 115             (if (and (= fc esc-char)
 116                      (= run-length 1))  ; Lone esc-char?
 117                 (delete-backward-char 1) ; Now there's one too many