Merged devel-framework branch (r5746:5779) back into trunk
thomascube
13 years ago
parent
8764b6ecf0
commit
c321a955a7
@ -0,0 +1,745 @@
|
|||||||
|
<?php
|
||||||
|
|
||||||
|
/*
|
||||||
|
+-----------------------------------------------------------------------+
|
||||||
|
| program/include/rcube_charset.php |
|
||||||
|
| |
|
||||||
|
| This file is part of the Roundcube Webmail client |
|
||||||
|
| Copyright (C) 2005-2012, The Roundcube Dev Team |
|
||||||
|
| Copyright (C) 2011-2012, Kolab Systems AG |
|
||||||
|
| Copyright (C) 2000 Edmund Grimley Evans <edmundo@rano.org> |
|
||||||
|
| Licensed under the GNU GPL |
|
||||||
|
| |
|
||||||
|
| PURPOSE: |
|
||||||
|
| Provide charset conversion functionality |
|
||||||
|
| |
|
||||||
|
+-----------------------------------------------------------------------+
|
||||||
|
| Author: Thomas Bruederli <roundcube@gmail.com> |
|
||||||
|
| Author: Aleksander Machniak <alec@alec.pl> |
|
||||||
|
+-----------------------------------------------------------------------+
|
||||||
|
|
||||||
|
$Id$
|
||||||
|
|
||||||
|
*/
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Character sets conversion functionality
|
||||||
|
*
|
||||||
|
* @package Core
|
||||||
|
* @author Thomas Bruederli <roundcube@gmail.com>
|
||||||
|
* @author Aleksander Machniak <alec@alec.pl>
|
||||||
|
* @author Edmund Grimley Evans <edmundo@rano.org>
|
||||||
|
*/
|
||||||
|
class rcube_charset
|
||||||
|
{
|
||||||
|
// Aliases: some of them from HTML5 spec.
|
||||||
|
static public $aliases = array(
|
||||||
|
'USASCII' => 'WINDOWS-1252',
|
||||||
|
'ANSIX31101983' => 'WINDOWS-1252',
|
||||||
|
'ANSIX341968' => 'WINDOWS-1252',
|
||||||
|
'UNKNOWN8BIT' => 'ISO-8859-15',
|
||||||
|
'UNKNOWN' => 'ISO-8859-15',
|
||||||
|
'USERDEFINED' => 'ISO-8859-15',
|
||||||
|
'KSC56011987' => 'EUC-KR',
|
||||||
|
'GB2312' => 'GBK',
|
||||||
|
'GB231280' => 'GBK',
|
||||||
|
'UNICODE' => 'UTF-8',
|
||||||
|
'UTF7IMAP' => 'UTF7-IMAP',
|
||||||
|
'TIS620' => 'WINDOWS-874',
|
||||||
|
'ISO88599' => 'WINDOWS-1254',
|
||||||
|
'ISO885911' => 'WINDOWS-874',
|
||||||
|
'MACROMAN' => 'MACINTOSH',
|
||||||
|
'77' => 'MAC',
|
||||||
|
'128' => 'SHIFT-JIS',
|
||||||
|
'129' => 'CP949',
|
||||||
|
'130' => 'CP1361',
|
||||||
|
'134' => 'GBK',
|
||||||
|
'136' => 'BIG5',
|
||||||
|
'161' => 'WINDOWS-1253',
|
||||||
|
'162' => 'WINDOWS-1254',
|
||||||
|
'163' => 'WINDOWS-1258',
|
||||||
|
'177' => 'WINDOWS-1255',
|
||||||
|
'178' => 'WINDOWS-1256',
|
||||||
|
'186' => 'WINDOWS-1257',
|
||||||
|
'204' => 'WINDOWS-1251',
|
||||||
|
'222' => 'WINDOWS-874',
|
||||||
|
'238' => 'WINDOWS-1250',
|
||||||
|
'MS950' => 'CP950',
|
||||||
|
'WINDOWS949' => 'UHC',
|
||||||
|
);
|
||||||
|
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Catch an error and throw an exception.
|
||||||
|
*
|
||||||
|
* @param int Level of the error
|
||||||
|
* @param string Error message
|
||||||
|
*/
|
||||||
|
public function error_handler($errno, $errstr)
|
||||||
|
{
|
||||||
|
throw new ErrorException($errstr, 0, $errno);
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Parse and validate charset name string (see #1485758).
|
||||||
|
* Sometimes charset string is malformed, there are also charset aliases
|
||||||
|
* but we need strict names for charset conversion (specially utf8 class)
|
||||||
|
*
|
||||||
|
* @param string Input charset name
|
||||||
|
*
|
||||||
|
* @return string The validated charset name
|
||||||
|
*/
|
||||||
|
public static function parse($input)
|
||||||
|
{
|
||||||
|
static $charsets = array();
|
||||||
|
$charset = strtoupper($input);
|
||||||
|
|
||||||
|
if (isset($charsets[$input])) {
|
||||||
|
return $charsets[$input];
|
||||||
|
}
|
||||||
|
|
||||||
|
$charset = preg_replace(array(
|
||||||
|
'/^[^0-9A-Z]+/', // e.g. _ISO-8859-JP$SIO
|
||||||
|
'/\$.*$/', // e.g. _ISO-8859-JP$SIO
|
||||||
|
'/UNICODE-1-1-*/', // RFC1641/1642
|
||||||
|
'/^X-/', // X- prefix (e.g. X-ROMAN8 => ROMAN8)
|
||||||
|
), '', $charset);
|
||||||
|
|
||||||
|
if ($charset == 'BINARY') {
|
||||||
|
return $charsets[$input] = null;
|
||||||
|
}
|
||||||
|
|
||||||
|
// allow A-Z and 0-9 only
|
||||||
|
$str = preg_replace('/[^A-Z0-9]/', '', $charset);
|
||||||
|
|
||||||
|
if (isset(self::$aliases[$str])) {
|
||||||
|
$result = self::$aliases[$str];
|
||||||
|
}
|
||||||
|
// UTF
|
||||||
|
else if (preg_match('/U[A-Z][A-Z](7|8|16|32)(BE|LE)*/', $str, $m)) {
|
||||||
|
$result = 'UTF-' . $m[1] . $m[2];
|
||||||
|
}
|
||||||
|
// ISO-8859
|
||||||
|
else if (preg_match('/ISO8859([0-9]{0,2})/', $str, $m)) {
|
||||||
|
$iso = 'ISO-8859-' . ($m[1] ? $m[1] : 1);
|
||||||
|
// some clients sends windows-1252 text as latin1,
|
||||||
|
// it is safe to use windows-1252 for all latin1
|
||||||
|
$result = $iso == 'ISO-8859-1' ? 'WINDOWS-1252' : $iso;
|
||||||
|
}
|
||||||
|
// handle broken charset names e.g. WINDOWS-1250HTTP-EQUIVCONTENT-TYPE
|
||||||
|
else if (preg_match('/(WIN|WINDOWS)([0-9]+)/', $str, $m)) {
|
||||||
|
$result = 'WINDOWS-' . $m[2];
|
||||||
|
}
|
||||||
|
// LATIN
|
||||||
|
else if (preg_match('/LATIN(.*)/', $str, $m)) {
|
||||||
|
$aliases = array('2' => 2, '3' => 3, '4' => 4, '5' => 9, '6' => 10,
|
||||||
|
'7' => 13, '8' => 14, '9' => 15, '10' => 16,
|
||||||
|
'ARABIC' => 6, 'CYRILLIC' => 5, 'GREEK' => 7, 'GREEK1' => 7, 'HEBREW' => 8
|
||||||
|
);
|
||||||
|
|
||||||
|
// some clients sends windows-1252 text as latin1,
|
||||||
|
// it is safe to use windows-1252 for all latin1
|
||||||
|
if ($m[1] == 1) {
|
||||||
|
$result = 'WINDOWS-1252';
|
||||||
|
}
|
||||||
|
// if iconv is not supported we need ISO labels, it's also safe for iconv
|
||||||
|
else if (!empty($aliases[$m[1]])) {
|
||||||
|
$result = 'ISO-8859-'.$aliases[$m[1]];
|
||||||
|
}
|
||||||
|
// iconv requires convertion of e.g. LATIN-1 to LATIN1
|
||||||
|
else {
|
||||||
|
$result = $str;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
else {
|
||||||
|
$result = $charset;
|
||||||
|
}
|
||||||
|
|
||||||
|
$charsets[$input] = $result;
|
||||||
|
|
||||||
|
return $result;
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Convert a string from one charset to another.
|
||||||
|
* Uses mbstring and iconv functions if possible
|
||||||
|
*
|
||||||
|
* @param string Input string
|
||||||
|
* @param string Suspected charset of the input string
|
||||||
|
* @param string Target charset to convert to; defaults to RCMAIL_CHARSET
|
||||||
|
*
|
||||||
|
* @return string Converted string
|
||||||
|
*/
|
||||||
|
public static function convert($str, $from, $to = null)
|
||||||
|
{
|
||||||
|
static $iconv_options = null;
|
||||||
|
static $mbstring_loaded = null;
|
||||||
|
static $mbstring_list = null;
|
||||||
|
static $conv = null;
|
||||||
|
|
||||||
|
$to = empty($to) ? strtoupper(RCMAIL_CHARSET) : self::parse($to);
|
||||||
|
$from = self::parse($from);
|
||||||
|
|
||||||
|
if ($from == $to || empty($str) || empty($from)) {
|
||||||
|
return $str;
|
||||||
|
}
|
||||||
|
|
||||||
|
// convert charset using iconv module
|
||||||
|
if (function_exists('iconv') && $from != 'UTF7-IMAP' && $to != 'UTF7-IMAP') {
|
||||||
|
if ($iconv_options === null) {
|
||||||
|
// ignore characters not available in output charset
|
||||||
|
$iconv_options = '//IGNORE';
|
||||||
|
if (iconv('', $iconv_options, '') === false) {
|
||||||
|
// iconv implementation does not support options
|
||||||
|
$iconv_options = '';
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
// throw an exception if iconv reports an illegal character in input
|
||||||
|
// it means that input string has been truncated
|
||||||
|
set_error_handler(array('rcube_charset', 'error_handler'), E_NOTICE);
|
||||||
|
try {
|
||||||
|
$_iconv = iconv($from, $to . $iconv_options, $str);
|
||||||
|
} catch (ErrorException $e) {
|
||||||
|
$_iconv = false;
|
||||||
|
}
|
||||||
|
restore_error_handler();
|
||||||
|
|
||||||
|
if ($_iconv !== false) {
|
||||||
|
return $_iconv;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
if ($mbstring_loaded === null) {
|
||||||
|
$mbstring_loaded = extension_loaded('mbstring');
|
||||||
|
}
|
||||||
|
|
||||||
|
// convert charset using mbstring module
|
||||||
|
if ($mbstring_loaded) {
|
||||||
|
$aliases['WINDOWS-1257'] = 'ISO-8859-13';
|
||||||
|
|
||||||
|
if ($mbstring_list === null) {
|
||||||
|
$mbstring_list = mb_list_encodings();
|
||||||
|
$mbstring_list = array_map('strtoupper', $mbstring_list);
|
||||||
|
}
|
||||||
|
|
||||||
|
$mb_from = $aliases[$from] ? $aliases[$from] : $from;
|
||||||
|
$mb_to = $aliases[$to] ? $aliases[$to] : $to;
|
||||||
|
|
||||||
|
// return if encoding found, string matches encoding and convert succeeded
|
||||||
|
if (in_array($mb_from, $mbstring_list) && in_array($mb_to, $mbstring_list)) {
|
||||||
|
if (mb_check_encoding($str, $mb_from) && ($out = mb_convert_encoding($str, $mb_to, $mb_from))) {
|
||||||
|
return $out;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
// convert charset using bundled classes/functions
|
||||||
|
if ($to == 'UTF-8') {
|
||||||
|
if ($from == 'UTF7-IMAP') {
|
||||||
|
if ($_str = self::utf7imap_to_utf8($str)) {
|
||||||
|
return $_str;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
else if ($from == 'UTF-7') {
|
||||||
|
if ($_str = self::utf7_to_utf8($str)) {
|
||||||
|
return $_str;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
else if ($from == 'ISO-8859-1' && function_exists('utf8_encode')) {
|
||||||
|
return utf8_encode($str);
|
||||||
|
}
|
||||||
|
else if (class_exists('utf8')) {
|
||||||
|
if (!$conv) {
|
||||||
|
$conv = new utf8($from);
|
||||||
|
}
|
||||||
|
else {
|
||||||
|
$conv->loadCharset($from);
|
||||||
|
}
|
||||||
|
|
||||||
|
if ($_str = $conv->strToUtf8($str)) {
|
||||||
|
return $_str;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
// encode string for output
|
||||||
|
if ($from == 'UTF-8') {
|
||||||
|
// @TODO: we need a function for UTF-7 (RFC2152) conversion
|
||||||
|
if ($to == 'UTF7-IMAP' || $to == 'UTF-7') {
|
||||||
|
if ($_str = utf8_to_utf7imap($str)) {
|
||||||
|
return $_str;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
else if ($to == 'ISO-8859-1' && function_exists('utf8_decode')) {
|
||||||
|
return utf8_decode($str);
|
||||||
|
}
|
||||||
|
else if (class_exists('utf8')) {
|
||||||
|
if (!$conv) {
|
||||||
|
$conv = new utf8($to);
|
||||||
|
}
|
||||||
|
else {
|
||||||
|
$conv->loadCharset($from);
|
||||||
|
}
|
||||||
|
|
||||||
|
if ($_str = $conv->strToUtf8($str)) {
|
||||||
|
return $_str;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
// return original string
|
||||||
|
return $str;
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Converts string from standard UTF-7 (RFC 2152) to UTF-8.
|
||||||
|
*
|
||||||
|
* @param string Input string (UTF-7)
|
||||||
|
*
|
||||||
|
* @return string Converted string (UTF-8)
|
||||||
|
*/
|
||||||
|
public static function utf7_to_utf8($str)
|
||||||
|
{
|
||||||
|
$Index_64 = array(
|
||||||
|
0,0,0,0, 0,0,0,0, 0,0,0,0, 0,0,0,0,
|
||||||
|
0,0,0,0, 0,0,0,0, 0,0,0,0, 0,0,0,0,
|
||||||
|
0,0,0,0, 0,0,0,0, 0,0,0,1, 0,0,0,0,
|
||||||
|
1,1,1,1, 1,1,1,1, 1,1,0,0, 0,0,0,0,
|
||||||
|
0,1,1,1, 1,1,1,1, 1,1,1,1, 1,1,1,1,
|
||||||
|
1,1,1,1, 1,1,1,1, 1,1,1,0, 0,0,0,0,
|
||||||
|
0,1,1,1, 1,1,1,1, 1,1,1,1, 1,1,1,1,
|
||||||
|
1,1,1,1, 1,1,1,1, 1,1,1,0, 0,0,0,0,
|
||||||
|
);
|
||||||
|
|
||||||
|
$u7len = strlen($str);
|
||||||
|
$str = strval($str);
|
||||||
|
$res = '';
|
||||||
|
|
||||||
|
for ($i=0; $u7len > 0; $i++, $u7len--) {
|
||||||
|
$u7 = $str[$i];
|
||||||
|
if ($u7 == '+') {
|
||||||
|
$i++;
|
||||||
|
$u7len--;
|
||||||
|
$ch = '';
|
||||||
|
|
||||||
|
for (; $u7len > 0; $i++, $u7len--) {
|
||||||
|
$u7 = $str[$i];
|
||||||
|
|
||||||
|
if (!$Index_64[ord($u7)]) {
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
|
||||||
|
$ch .= $u7;
|
||||||
|
}
|
||||||
|
|
||||||
|
if ($ch == '') {
|
||||||
|
if ($u7 == '-') {
|
||||||
|
$res .= '+';
|
||||||
|
}
|
||||||
|
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
|
||||||
|
$res .= self::utf16_to_utf8(base64_decode($ch));
|
||||||
|
}
|
||||||
|
else {
|
||||||
|
$res .= $u7;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
return $res;
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Converts string from UTF-16 to UTF-8 (helper for utf-7 to utf-8 conversion)
|
||||||
|
*
|
||||||
|
* @param string Input string
|
||||||
|
*
|
||||||
|
* @return string The converted string
|
||||||
|
*/
|
||||||
|
public static function utf16_to_utf8($str)
|
||||||
|
{
|
||||||
|
$len = strlen($str);
|
||||||
|
$dec = '';
|
||||||
|
|
||||||
|
for ($i = 0; $i < $len; $i += 2) {
|
||||||
|
$c = ord($str[$i]) << 8 | ord($str[$i + 1]);
|
||||||
|
if ($c >= 0x0001 && $c <= 0x007F) {
|
||||||
|
$dec .= chr($c);
|
||||||
|
}
|
||||||
|
else if ($c > 0x07FF) {
|
||||||
|
$dec .= chr(0xE0 | (($c >> 12) & 0x0F));
|
||||||
|
$dec .= chr(0x80 | (($c >> 6) & 0x3F));
|
||||||
|
$dec .= chr(0x80 | (($c >> 0) & 0x3F));
|
||||||
|
}
|
||||||
|
else {
|
||||||
|
$dec .= chr(0xC0 | (($c >> 6) & 0x1F));
|
||||||
|
$dec .= chr(0x80 | (($c >> 0) & 0x3F));
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
return $dec;
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Convert the data ($str) from RFC 2060's UTF-7 to UTF-8.
|
||||||
|
* If input data is invalid, return the original input string.
|
||||||
|
* RFC 2060 obviously intends the encoding to be unique (see
|
||||||
|
* point 5 in section 5.1.3), so we reject any non-canonical
|
||||||
|
* form, such as &ACY- (instead of &-) or &AMA-&AMA- (instead
|
||||||
|
* of &AMAAwA-).
|
||||||
|
*
|
||||||
|
* Translated from C to PHP by Thomas Bruederli <roundcube@gmail.com>
|
||||||
|
*
|
||||||
|
* @param string $str Input string (UTF7-IMAP)
|
||||||
|
*
|
||||||
|
* @return string Output string (UTF-8)
|
||||||
|
*/
|
||||||
|
public static function utf7imap_to_utf8($str)
|
||||||
|
{
|
||||||
|
$Index_64 = array(
|
||||||
|
-1,-1,-1,-1, -1,-1,-1,-1, -1,-1,-1,-1, -1,-1,-1,-1,
|
||||||
|
-1,-1,-1,-1, -1,-1,-1,-1, -1,-1,-1,-1, -1,-1,-1,-1,
|
||||||
|
-1,-1,-1,-1, -1,-1,-1,-1, -1,-1,-1,62, 63,-1,-1,-1,
|
||||||
|
52,53,54,55, 56,57,58,59, 60,61,-1,-1, -1,-1,-1,-1,
|
||||||
|
-1, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9,10, 11,12,13,14,
|
||||||
|
15,16,17,18, 19,20,21,22, 23,24,25,-1, -1,-1,-1,-1,
|
||||||
|
-1,26,27,28, 29,30,31,32, 33,34,35,36, 37,38,39,40,
|
||||||
|
41,42,43,44, 45,46,47,48, 49,50,51,-1, -1,-1,-1,-1
|
||||||
|
);
|
||||||
|
|
||||||
|
$u7len = strlen($str);
|
||||||
|
$str = strval($str);
|
||||||
|
$p = '';
|
||||||
|
$err = '';
|
||||||
|
|
||||||
|
for ($i=0; $u7len > 0; $i++, $u7len--) {
|
||||||
|
$u7 = $str[$i];
|
||||||
|
if ($u7 == '&') {
|
||||||
|
$i++;
|
||||||
|
$u7len--;
|
||||||
|
$u7 = $str[$i];
|
||||||
|
|
||||||
|
if ($u7len && $u7 == '-') {
|
||||||
|
$p .= '&';
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
|
||||||
|
$ch = 0;
|
||||||
|
$k = 10;
|
||||||
|
for (; $u7len > 0; $i++, $u7len--) {
|
||||||
|
$u7 = $str[$i];
|
||||||
|
|
||||||
|
if ((ord($u7) & 0x80) || ($b = $Index_64[ord($u7)]) == -1) {
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
|
||||||
|
if ($k > 0) {
|
||||||
|
$ch |= $b << $k;
|
||||||
|
$k -= 6;
|
||||||
|
}
|
||||||
|
else {
|
||||||
|
$ch |= $b >> (-$k);
|
||||||
|
if ($ch < 0x80) {
|
||||||
|
// Printable US-ASCII
|
||||||
|
if (0x20 <= $ch && $ch < 0x7f) {
|
||||||
|
return $err;
|
||||||
|
}
|
||||||
|
$p .= chr($ch);
|
||||||
|
}
|
||||||
|
else if ($ch < 0x800) {
|
||||||
|
$p .= chr(0xc0 | ($ch >> 6));
|
||||||
|
$p .= chr(0x80 | ($ch & 0x3f));
|
||||||
|
}
|
||||||
|
else {
|
||||||
|
$p .= chr(0xe0 | ($ch >> 12));
|
||||||
|
$p .= chr(0x80 | (($ch >> 6) & 0x3f));
|
||||||
|
$p .= chr(0x80 | ($ch & 0x3f));
|
||||||
|
}
|
||||||
|
|
||||||
|
$ch = ($b << (16 + $k)) & 0xffff;
|
||||||
|
$k += 10;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
// Non-zero or too many extra bits
|
||||||
|
if ($ch || $k < 6) {
|
||||||
|
return $err;
|
||||||
|
}
|
||||||
|
|
||||||
|
// BASE64 not properly terminated
|
||||||
|
if (!$u7len || $u7 != '-') {
|
||||||
|
return $err;
|
||||||
|
}
|
||||||
|
|
||||||
|
// Adjacent BASE64 sections
|
||||||
|
if ($u7len > 2 && $str[$i+1] == '&' && $str[$i+2] != '-') {
|
||||||
|
return $err;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
// Not printable US-ASCII
|
||||||
|
else if (ord($u7) < 0x20 || ord($u7) >= 0x7f) {
|
||||||
|
return $err;
|
||||||
|
}
|
||||||
|
else {
|
||||||
|
$p .= $u7;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
return $p;
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Convert the data ($str) from UTF-8 to RFC 2060's UTF-7.
|
||||||
|
* Unicode characters above U+FFFF are replaced by U+FFFE.
|
||||||
|
* If input data is invalid, return an empty string.
|
||||||
|
*
|
||||||
|
* Translated from C to PHP by Thomas Bruederli <roundcube@gmail.com>
|
||||||
|
*
|
||||||
|
* @param string $str Input string (UTF-8)
|
||||||
|
*
|
||||||
|
* @return string Output string (UTF7-IMAP)
|
||||||
|
*/
|
||||||
|
public static function utf8_to_utf7imap($str)
|
||||||
|
{
|
||||||
|
$B64Chars = array(
|
||||||
|
'A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O',
|
||||||
|
'P', 'Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X', 'Y', 'Z', 'a', 'b', 'c', 'd',
|
||||||
|
'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's',
|
||||||
|
't', 'u', 'v', 'w', 'x', 'y', 'z', '0', '1', '2', '3', '4', '5', '6', '7',
|
||||||
|
'8', '9', '+', ','
|
||||||
|
);
|
||||||
|
|
||||||
|
$u8len = strlen($str);
|
||||||
|
$base64 = 0;
|
||||||
|
$i = 0;
|
||||||
|
$p = '';
|
||||||
|
$err = '';
|
||||||
|
|
||||||
|
while ($u8len) {
|
||||||
|
$u8 = $str[$i];
|
||||||
|
$c = ord($u8);
|
||||||
|
|
||||||
|
if ($c < 0x80) {
|
||||||
|
$ch = $c;
|
||||||
|
$n = 0;
|
||||||
|
}
|
||||||
|
else if ($c < 0xc2) {
|
||||||
|
return $err;
|
||||||
|
}
|
||||||
|
else if ($c < 0xe0) {
|
||||||
|
$ch = $c & 0x1f;
|
||||||
|
$n = 1;
|
||||||
|
}
|
||||||
|
else if ($c < 0xf0) {
|
||||||
|
$ch = $c & 0x0f;
|
||||||
|
$n = 2;
|
||||||
|
}
|
||||||
|
else if ($c < 0xf8) {
|
||||||
|
$ch = $c & 0x07;
|
||||||
|
$n = 3;
|
||||||
|
}
|
||||||
|
else if ($c < 0xfc) {
|
||||||
|
$ch = $c & 0x03;
|
||||||
|
$n = 4;
|
||||||
|
}
|
||||||
|
else if ($c < 0xfe) {
|
||||||
|
$ch = $c & 0x01;
|
||||||
|
$n = 5;
|
||||||
|
}
|
||||||
|
else {
|
||||||
|
return $err;
|
||||||
|
}
|
||||||
|
|
||||||
|
$i++;
|
||||||
|
$u8len--;
|
||||||
|
|
||||||
|
if ($n > $u8len) {
|
||||||
|
return $err;
|
||||||
|
}
|
||||||
|
|
||||||
|
for ($j=0; $j < $n; $j++) {
|
||||||
|
$o = ord($str[$i+$j]);
|
||||||
|
if (($o & 0xc0) != 0x80) {
|
||||||
|
return $err;
|
||||||
|
}
|
||||||
|
$ch = ($ch << 6) | ($o & 0x3f);
|
||||||
|
}
|
||||||
|
|
||||||
|
if ($n > 1 && !($ch >> ($n * 5 + 1))) {
|
||||||
|
return $err;
|
||||||
|
}
|
||||||
|
|
||||||
|
$i += $n;
|
||||||
|
$u8len -= $n;
|
||||||
|
|
||||||
|
if ($ch < 0x20 || $ch >= 0x7f) {
|
||||||
|
if (!$base64) {
|
||||||
|
$p .= '&';
|
||||||
|
$base64 = 1;
|
||||||
|
$b = 0;
|
||||||
|
$k = 10;
|
||||||
|
}
|
||||||
|
if ($ch & ~0xffff) {
|
||||||
|
$ch = 0xfffe;
|
||||||
|
}
|
||||||
|
|
||||||
|
$p .= $B64Chars[($b | $ch >> $k)];
|
||||||
|
$k -= 6;
|
||||||
|
for (; $k >= 0; $k -= 6) {
|
||||||
|
$p .= $B64Chars[(($ch >> $k) & 0x3f)];
|
||||||
|
}
|
||||||
|
|
||||||
|
$b = ($ch << (-$k)) & 0x3f;
|
||||||
|
$k += 16;
|
||||||
|
}
|
||||||
|
else {
|
||||||
|
if ($base64) {
|
||||||
|
if ($k > 10) {
|
||||||
|
$p .= $B64Chars[$b];
|
||||||
|
}
|
||||||
|
$p .= '-';
|
||||||
|
$base64 = 0;
|
||||||
|
}
|
||||||
|
|
||||||
|
$p .= chr($ch);
|
||||||
|
if (chr($ch) == '&') {
|
||||||
|
$p .= '-';
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
if ($base64) {
|
||||||
|
if ($k > 10) {
|
||||||
|
$p .= $B64Chars[$b];
|
||||||
|
}
|
||||||
|
$p .= '-';
|
||||||
|
}
|
||||||
|
|
||||||
|
return $p;
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
/**
|
||||||
|
* A method to guess character set of a string.
|
||||||
|
*
|
||||||
|
* @param string $string String.
|
||||||
|
* @param string $failover Default result for failover.
|
||||||
|
*
|
||||||
|
* @return string Charset name
|
||||||
|
*/
|
||||||
|
public static function detect($string, $failover='')
|
||||||
|
{
|
||||||
|
if (!function_exists('mb_detect_encoding')) {
|
||||||
|
return $failover;
|
||||||
|
}
|
||||||
|
|
||||||
|
// FIXME: the order is important, because sometimes
|
||||||
|
// iso string is detected as euc-jp and etc.
|
||||||
|
$enc = array(
|
||||||
|
'UTF-8', 'SJIS', 'BIG5', 'GB2312',
|
||||||
|
'ISO-8859-1', 'ISO-8859-2', 'ISO-8859-3', 'ISO-8859-4',
|
||||||
|
'ISO-8859-5', 'ISO-8859-6', 'ISO-8859-7', 'ISO-8859-8', 'ISO-8859-9',
|
||||||
|
'ISO-8859-10', 'ISO-8859-13', 'ISO-8859-14', 'ISO-8859-15', 'ISO-8859-16',
|
||||||
|
'WINDOWS-1252', 'WINDOWS-1251', 'EUC-JP', 'EUC-TW', 'KOI8-R',
|
||||||
|
'ISO-2022-KR', 'ISO-2022-JP'
|
||||||
|
);
|
||||||
|
|
||||||
|
$result = mb_detect_encoding($string, join(',', $enc));
|
||||||
|
|
||||||
|
return $result ? $result : $failover;
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Removes non-unicode characters from input.
|
||||||
|
*
|
||||||
|
* @param mixed $input String or array.
|
||||||
|
*
|
||||||
|
* @return mixed String or array
|
||||||
|
*/
|
||||||
|
public static function clean($input)
|
||||||
|
{
|
||||||
|
// handle input of type array
|
||||||
|
if (is_array($input)) {
|
||||||
|
foreach ($input as $idx => $val) {
|
||||||
|
$input[$idx] = self::clean($val);
|
||||||
|
}
|
||||||
|
return $input;
|
||||||
|
}
|
||||||
|
|
||||||
|
if (!is_string($input) || $input == '') {
|
||||||
|
return $input;
|
||||||
|
}
|
||||||
|
|
||||||
|
// iconv/mbstring are much faster (especially with long strings)
|
||||||
|
if (function_exists('mb_convert_encoding')) {
|
||||||
|
if (($res = mb_convert_encoding($input, 'UTF-8', 'UTF-8')) !== false) {
|
||||||
|
return $res;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
if (function_exists('iconv')) {
|
||||||
|
if (($res = @iconv('UTF-8', 'UTF-8//IGNORE', $input)) !== false) {
|
||||||
|
return $res;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
$seq = '';
|
||||||
|
$out = '';
|
||||||
|
$regexp = '/^('.
|
||||||
|
// '[\x00-\x7F]'. // UTF8-1
|
||||||
|
'|[\xC2-\xDF][\x80-\xBF]'. // UTF8-2
|
||||||
|
'|\xE0[\xA0-\xBF][\x80-\xBF]'. // UTF8-3
|
||||||
|
'|[\xE1-\xEC][\x80-\xBF][\x80-\xBF]'. // UTF8-3
|
||||||
|
'|\xED[\x80-\x9F][\x80-\xBF]'. // UTF8-3
|
||||||
|
'|[\xEE-\xEF][\x80-\xBF][\x80-\xBF]'. // UTF8-3
|
||||||
|
'|\xF0[\x90-\xBF][\x80-\xBF][\x80-\xBF]'. // UTF8-4
|
||||||
|
'|[\xF1-\xF3][\x80-\xBF][\x80-\xBF][\x80-\xBF]'.// UTF8-4
|
||||||
|
'|\xF4[\x80-\x8F][\x80-\xBF][\x80-\xBF]'. // UTF8-4
|
||||||
|
')$/';
|
||||||
|
|
||||||
|
for ($i = 0, $len = strlen($input); $i < $len; $i++) {
|
||||||
|
$chr = $input[$i];
|
||||||
|
$ord = ord($chr);
|
||||||
|
|
||||||
|
// 1-byte character
|
||||||
|
if ($ord <= 0x7F) {
|
||||||
|
if ($seq) {
|
||||||
|
$out .= preg_match($regexp, $seq) ? $seq : '';
|
||||||
|
}
|
||||||
|
$seq = '';
|
||||||
|
$out .= $chr;
|
||||||
|
// first (or second) byte of multibyte sequence
|
||||||
|
}
|
||||||
|
else if ($ord >= 0xC0) {
|
||||||
|
if (strlen($seq) > 1) {
|
||||||
|
$out .= preg_match($regexp, $seq) ? $seq : '';
|
||||||
|
$seq = '';
|
||||||
|
}
|
||||||
|
else if ($seq && ord($seq) < 0xC0) {
|
||||||
|
$seq = '';
|
||||||
|
}
|
||||||
|
$seq .= $chr;
|
||||||
|
// next byte of multibyte sequence
|
||||||
|
}
|
||||||
|
else if ($seq) {
|
||||||
|
$seq .= $chr;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
if ($seq) {
|
||||||
|
$out .= preg_match($regexp, $seq) ? $seq : '';
|
||||||
|
}
|
||||||
|
|
||||||
|
return $out;
|
||||||
|
}
|
||||||
|
|
||||||
|
}
|
||||||
File diff suppressed because it is too large
Load Diff
File diff suppressed because it is too large
Load Diff
@ -1,249 +0,0 @@
|
|||||||
<?php
|
|
||||||
|
|
||||||
/*
|
|
||||||
* Copyright (C) 2000 Edmund Grimley Evans <edmundo@rano.org>
|
|
||||||
*
|
|
||||||
* This program is free software; you can redistribute it and/or modify
|
|
||||||
* it under the terms of the GNU General Public License as published by
|
|
||||||
* the Free Software Foundation; either version 2 of the License, or
|
|
||||||
* (at your option) any later version.
|
|
||||||
*
|
|
||||||
* This program is distributed in the hope that it will be useful,
|
|
||||||
* but WITHOUT ANY WARRANTY; without even the implied warranty of
|
|
||||||
* MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the
|
|
||||||
* GNU General Public License for more details.
|
|
||||||
*
|
|
||||||
* Translated from C to PHP by Thomas Bruederli <roundcube@gmail.com>
|
|
||||||
*/
|
|
||||||
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Convert the data ($str) from RFC 2060's UTF-7 to UTF-8.
|
|
||||||
* If input data is invalid, return the original input string.
|
|
||||||
* RFC 2060 obviously intends the encoding to be unique (see
|
|
||||||
* point 5 in section 5.1.3), so we reject any non-canonical
|
|
||||||
* form, such as &ACY- (instead of &-) or &AMA-&AMA- (instead
|
|
||||||
* of &AMAAwA-).
|
|
||||||
*/
|
|
||||||
function utf7_to_utf8($str)
|
|
||||||
{
|
|
||||||
$Index_64 = array(
|
|
||||||
-1,-1,-1,-1, -1,-1,-1,-1, -1,-1,-1,-1, -1,-1,-1,-1,
|
|
||||||
-1,-1,-1,-1, -1,-1,-1,-1, -1,-1,-1,-1, -1,-1,-1,-1,
|
|
||||||
-1,-1,-1,-1, -1,-1,-1,-1, -1,-1,-1,62, 63,-1,-1,-1,
|
|
||||||
52,53,54,55, 56,57,58,59, 60,61,-1,-1, -1,-1,-1,-1,
|
|
||||||
-1, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9,10, 11,12,13,14,
|
|
||||||
15,16,17,18, 19,20,21,22, 23,24,25,-1, -1,-1,-1,-1,
|
|
||||||
-1,26,27,28, 29,30,31,32, 33,34,35,36, 37,38,39,40,
|
|
||||||
41,42,43,44, 45,46,47,48, 49,50,51,-1, -1,-1,-1,-1
|
|
||||||
);
|
|
||||||
|
|
||||||
$u7len = strlen($str);
|
|
||||||
$str = strval($str);
|
|
||||||
$p = $err = '';
|
|
||||||
|
|
||||||
for ($i=0; $u7len > 0; $i++, $u7len--)
|
|
||||||
{
|
|
||||||
$u7 = $str[$i];
|
|
||||||
if ($u7 == '&')
|
|
||||||
{
|
|
||||||
$i++;
|
|
||||||
$u7len--;
|
|
||||||
$u7 = $str[$i];
|
|
||||||
|
|
||||||
if ($u7len && $u7 == '-')
|
|
||||||
{
|
|
||||||
$p .= '&';
|
|
||||||
continue;
|
|
||||||
}
|
|
||||||
|
|
||||||
$ch = 0;
|
|
||||||
$k = 10;
|
|
||||||
for (; $u7len > 0; $i++, $u7len--)
|
|
||||||
{
|
|
||||||
$u7 = $str[$i];
|
|
||||||
|
|
||||||
if ((ord($u7) & 0x80) || ($b = $Index_64[ord($u7)]) == -1)
|
|
||||||
break;
|
|
||||||
|
|
||||||
if ($k > 0)
|
|
||||||
{
|
|
||||||
$ch |= $b << $k;
|
|
||||||
$k -= 6;
|
|
||||||
}
|
|
||||||
else
|
|
||||||
{
|
|
||||||
$ch |= $b >> (-$k);
|
|
||||||
if ($ch < 0x80)
|
|
||||||
{
|
|
||||||
/* Printable US-ASCII */
|
|
||||||
if (0x20 <= $ch && $ch < 0x7f)
|
|
||||||
return $err;
|
|
||||||
$p .= chr($ch);
|
|
||||||
}
|
|
||||||
else if ($ch < 0x800)
|
|
||||||
{
|
|
||||||
$p .= chr(0xc0 | ($ch >> 6));
|
|
||||||
$p .= chr(0x80 | ($ch & 0x3f));
|
|
||||||
}
|
|
||||||
else
|
|
||||||
{
|
|
||||||
$p .= chr(0xe0 | ($ch >> 12));
|
|
||||||
$p .= chr(0x80 | (($ch >> 6) & 0x3f));
|
|
||||||
$p .= chr(0x80 | ($ch & 0x3f));
|
|
||||||
}
|
|
||||||
|
|
||||||
$ch = ($b << (16 + $k)) & 0xffff;
|
|
||||||
$k += 10;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
/* Non-zero or too many extra bits */
|
|
||||||
if ($ch || $k < 6)
|
|
||||||
return $err;
|
|
||||||
|
|
||||||
/* BASE64 not properly terminated */
|
|
||||||
if (!$u7len || $u7 != '-')
|
|
||||||
return $err;
|
|
||||||
|
|
||||||
/* Adjacent BASE64 sections */
|
|
||||||
if ($u7len > 2 && $str[$i+1] == '&' && $str[$i+2] != '-')
|
|
||||||
return $err;
|
|
||||||
}
|
|
||||||
/* Not printable US-ASCII */
|
|
||||||
else if (ord($u7) < 0x20 || ord($u7) >= 0x7f)
|
|
||||||
return $err;
|
|
||||||
else
|
|
||||||
$p .= $u7;
|
|
||||||
}
|
|
||||||
|
|
||||||
return $p;
|
|
||||||
}
|
|
||||||
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Convert the data ($str) from UTF-8 to RFC 2060's UTF-7.
|
|
||||||
* Unicode characters above U+FFFF are replaced by U+FFFE.
|
|
||||||
* If input data is invalid, return an empty string.
|
|
||||||
*/
|
|
||||||
function utf8_to_utf7($str)
|
|
||||||
{
|
|
||||||
$B64Chars = array(
|
|
||||||
'A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O',
|
|
||||||
'P', 'Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X', 'Y', 'Z', 'a', 'b', 'c', 'd',
|
|
||||||
'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's',
|
|
||||||
't', 'u', 'v', 'w', 'x', 'y', 'z', '0', '1', '2', '3', '4', '5', '6', '7',
|
|
||||||
'8', '9', '+', ','
|
|
||||||
);
|
|
||||||
|
|
||||||
$u8len = strlen($str);
|
|
||||||
$base64 = $i = 0;
|
|
||||||
$p = $err = '';
|
|
||||||
|
|
||||||
while ($u8len)
|
|
||||||
{
|
|
||||||
$u8 = $str[$i];
|
|
||||||
$c = ord($u8);
|
|
||||||
|
|
||||||
if ($c < 0x80)
|
|
||||||
{
|
|
||||||
$ch = $c;
|
|
||||||
$n = 0;
|
|
||||||
}
|
|
||||||
else if ($c < 0xc2)
|
|
||||||
return $err;
|
|
||||||
else if ($c < 0xe0)
|
|
||||||
{
|
|
||||||
$ch = $c & 0x1f;
|
|
||||||
$n = 1;
|
|
||||||
}
|
|
||||||
else if ($c < 0xf0)
|
|
||||||
{
|
|
||||||
$ch = $c & 0x0f;
|
|
||||||
$n = 2;
|
|
||||||
}
|
|
||||||
else if ($c < 0xf8)
|
|
||||||
{
|
|
||||||
$ch = $c & 0x07;
|
|
||||||
$n = 3;
|
|
||||||
}
|
|
||||||
else if ($c < 0xfc)
|
|
||||||
{
|
|
||||||
$ch = $c & 0x03;
|
|
||||||
$n = 4;
|
|
||||||
}
|
|
||||||
else if ($c < 0xfe)
|
|
||||||
{
|
|
||||||
$ch = $c & 0x01;
|
|
||||||
$n = 5;
|
|
||||||
}
|
|
||||||
else
|
|
||||||
return $err;
|
|
||||||
|
|
||||||
$i++;
|
|
||||||
$u8len--;
|
|
||||||
|
|
||||||
if ($n > $u8len)
|
|
||||||
return $err;
|
|
||||||
|
|
||||||
for ($j=0; $j < $n; $j++)
|
|
||||||
{
|
|
||||||
$o = ord($str[$i+$j]);
|
|
||||||
if (($o & 0xc0) != 0x80)
|
|
||||||
return $err;
|
|
||||||
$ch = ($ch << 6) | ($o & 0x3f);
|
|
||||||
}
|
|
||||||
|
|
||||||
if ($n > 1 && !($ch >> ($n * 5 + 1)))
|
|
||||||
return $err;
|
|
||||||
|
|
||||||
$i += $n;
|
|
||||||
$u8len -= $n;
|
|
||||||
|
|
||||||
if ($ch < 0x20 || $ch >= 0x7f)
|
|
||||||
{
|
|
||||||
if (!$base64)
|
|
||||||
{
|
|
||||||
$p .= '&';
|
|
||||||
$base64 = 1;
|
|
||||||
$b = 0;
|
|
||||||
$k = 10;
|
|
||||||
}
|
|
||||||
if ($ch & ~0xffff)
|
|
||||||
$ch = 0xfffe;
|
|
||||||
|
|
||||||
$p .= $B64Chars[($b | $ch >> $k)];
|
|
||||||
$k -= 6;
|
|
||||||
for (; $k >= 0; $k -= 6)
|
|
||||||
$p .= $B64Chars[(($ch >> $k) & 0x3f)];
|
|
||||||
|
|
||||||
$b = ($ch << (-$k)) & 0x3f;
|
|
||||||
$k += 16;
|
|
||||||
}
|
|
||||||
else
|
|
||||||
{
|
|
||||||
if ($base64)
|
|
||||||
{
|
|
||||||
if ($k > 10)
|
|
||||||
$p .= $B64Chars[$b];
|
|
||||||
$p .= '-';
|
|
||||||
$base64 = 0;
|
|
||||||
}
|
|
||||||
|
|
||||||
$p .= chr($ch);
|
|
||||||
if (chr($ch) == '&')
|
|
||||||
$p .= '-';
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
if ($base64)
|
|
||||||
{
|
|
||||||
if ($k > 10)
|
|
||||||
$p .= $B64Chars[$b];
|
|
||||||
$p .= '-';
|
|
||||||
}
|
|
||||||
|
|
||||||
return $p;
|
|
||||||
}
|
|
||||||
|
|
||||||
?>
|
|
||||||
Loading…
Reference in New Issue