home *** CD-ROM | disk | FTP | other *** search
/ Komputer for Alle 2004 #2 / K-CD-2-2004.ISO / OpenOffice Sv / f_0397 / python-core-2.2.2 / lib / email / Charset.py < prev    next >
Encoding:
Python Source  |  2003-07-18  |  14.0 KB  |  355 lines
  1. # Copyright (C) 2001,2002 Python Software Foundation
  2. # Author: che@debian.org (Ben Gertzfield), barry@zope.com (Barry Warsaw)
  3.  
  4. from types import UnicodeType
  5. from email.Encoders import encode_7or8bit
  6. import email.base64MIME
  7. import email.quopriMIME
  8.  
  9. def _isunicode(s):
  10.     return isinstance(s, UnicodeType)
  11.  
  12. # Python 2.2.1 and beyond has these symbols
  13. try:
  14.     True, False
  15. except NameError:
  16.     True = 1
  17.     False = 0
  18.  
  19.  
  20.  
  21. # Flags for types of header encodings
  22. QP     = 1   # Quoted-Printable
  23. BASE64 = 2   # Base64
  24. SHORTEST = 3 # the shorter of QP and base64, but only for headers
  25.  
  26. # In "=?charset?q?hello_world?=", the =?, ?q?, and ?= add up to 7
  27. MISC_LEN = 7
  28.  
  29. DEFAULT_CHARSET = 'us-ascii'
  30.  
  31.  
  32.  
  33. # Defaults
  34. CHARSETS = {
  35.     # input        header enc  body enc output conv
  36.     'iso-8859-1':  (QP,        QP,      None),
  37.     'iso-8859-2':  (QP,        QP,      None),
  38.     'us-ascii':    (None,      None,    None),
  39.     'big5':        (BASE64,    BASE64,  None),
  40.     'gb2312':      (BASE64,    BASE64,  None),
  41.     'euc-jp':      (BASE64,    None,    'iso-2022-jp'),
  42.     'shift_jis':   (BASE64,    None,    'iso-2022-jp'),
  43.     'iso-2022-jp': (BASE64,    None,    None),
  44.     'koi8-r':      (BASE64,    BASE64,  None),
  45.     'utf-8':       (SHORTEST,  BASE64, 'utf-8'),
  46.     # We're making this one up to represent raw unencoded 8-bit
  47.     '8bit':        (None,      BASE64, 'utf-8'),
  48.     }
  49.  
  50. # Aliases for other commonly-used names for character sets.  Map
  51. # them to the real ones used in email.
  52. ALIASES = {
  53.     'latin_1': 'iso-8859-1',
  54.     'latin-1': 'iso-8859-1',
  55.     'ascii':   'us-ascii',
  56.     }
  57.  
  58. # Map charsets to their Unicode codec strings.  Note that Python doesn't come
  59. # with any Asian codecs by default.  Here's where to get them:
  60. #
  61. # Japanese -- http://www.asahi-net.or.jp/~rd6t-kjym/python
  62. # Korean   -- http://sf.net/projects/koco
  63. # Chinese  -- http://sf.net/projects/python-codecs
  64. #
  65. # Note that these codecs have their own lifecycle and may be in varying states
  66. # of stability and useability.
  67.  
  68. CODEC_MAP = {
  69.     'euc-jp':      'japanese.euc-jp',
  70.     'iso-2022-jp': 'japanese.iso-2022-jp',
  71.     'shift_jis':   'japanese.shift_jis',
  72.     'gb2132':      'eucgb2312_cn',
  73.     'big5':        'big5_tw',
  74.     'utf-8':       'utf-8',
  75.     # Hack: We don't want *any* conversion for stuff marked us-ascii, as all
  76.     # sorts of garbage might be sent to us in the guise of 7-bit us-ascii.
  77.     # Let that stuff pass through without conversion to/from Unicode.
  78.     'us-ascii':    None,
  79.     }
  80.  
  81.  
  82.  
  83. # Convenience functions for extending the above mappings
  84. def add_charset(charset, header_enc=None, body_enc=None, output_charset=None):
  85.     """Add character set properties to the global registry.
  86.  
  87.     charset is the input character set, and must be the canonical name of a
  88.     character set.
  89.  
  90.     Optional header_enc and body_enc is either Charset.QP for
  91.     quoted-printable, Charset.BASE64 for base64 encoding, Charset.SHORTEST for
  92.     the shortest of qp or base64 encoding, or None for no encoding.  SHORTEST
  93.     is only valid for header_enc.  It describes how message headers and
  94.     message bodies in the input charset are to be encoded.  Default is no
  95.     encoding.
  96.  
  97.     Optional output_charset is the character set that the output should be
  98.     in.  Conversions will proceed from input charset, to Unicode, to the
  99.     output charset when the method Charset.convert() is called.  The default
  100.     is to output in the same character set as the input.
  101.  
  102.     Both input_charset and output_charset must have Unicode codec entries in
  103.     the module's charset-to-codec mapping; use add_codec(charset, codecname)
  104.     to add codecs the module does not know about.  See the codecs module's
  105.     documentation for more information.
  106.     """
  107.     if body_enc == SHORTEST:
  108.         raise ValueError, 'SHORTEST not allowed for body_enc'
  109.     CHARSETS[charset] = (header_enc, body_enc, output_charset)
  110.  
  111.  
  112. def add_alias(alias, canonical):
  113.     """Add a character set alias.
  114.  
  115.     alias is the alias name, e.g. latin-1
  116.     canonical is the character set's canonical name, e.g. iso-8859-1
  117.     """
  118.     ALIASES[alias] = canonical
  119.  
  120.  
  121. def add_codec(charset, codecname):
  122.     """Add a codec that map characters in the given charset to/from Unicode.
  123.  
  124.     charset is the canonical name of a character set.  codecname is the name
  125.     of a Python codec, as appropriate for the second argument to the unicode()
  126.     built-in, or to the encode() method of a Unicode string.
  127.     """
  128.     CODEC_MAP[charset] = codecname
  129.  
  130.  
  131.  
  132. class Charset:
  133.     """Map character sets to their email properties.
  134.  
  135.     This class provides information about the requirements imposed on email
  136.     for a specific character set.  It also provides convenience routines for
  137.     converting between character sets, given the availability of the
  138.     applicable codecs.  Given a character set, it will do its best to provide
  139.     information on how to use that character set in an email in an
  140.     RFC-compliant way.
  141.  
  142.     Certain character sets must be encoded with quoted-printable or base64
  143.     when used in email headers or bodies.  Certain character sets must be
  144.     converted outright, and are not allowed in email.  Instances of this
  145.     module expose the following information about a character set:
  146.  
  147.     input_charset: The initial character set specified.  Common aliases
  148.                    are converted to their `official' email names (e.g. latin_1
  149.                    is converted to iso-8859-1).  Defaults to 7-bit us-ascii.
  150.  
  151.     header_encoding: If the character set must be encoded before it can be
  152.                      used in an email header, this attribute will be set to
  153.                      Charset.QP (for quoted-printable), Charset.BASE64 (for
  154.                      base64 encoding), or Charset.SHORTEST for the shortest of
  155.                      QP or BASE64 encoding.  Otherwise, it will be None.
  156.  
  157.     body_encoding: Same as header_encoding, but describes the encoding for the
  158.                    mail message's body, which indeed may be different than the
  159.                    header encoding.  Charset.SHORTEST is not allowed for
  160.                    body_encoding.
  161.  
  162.     output_charset: Some character sets must be converted before the can be
  163.                     used in email headers or bodies.  If the input_charset is
  164.                     one of them, this attribute will contain the name of the
  165.                     charset output will be converted to.  Otherwise, it will
  166.                     be None.
  167.  
  168.     input_codec: The name of the Python codec used to convert the
  169.                  input_charset to Unicode.  If no conversion codec is
  170.                  necessary, this attribute will be None.
  171.  
  172.     output_codec: The name of the Python codec used to convert Unicode
  173.                   to the output_charset.  If no conversion codec is necessary,
  174.                   this attribute will have the same value as the input_codec.
  175.     """
  176.     def __init__(self, input_charset=DEFAULT_CHARSET):
  177.         # RFC 2046, $4.1.2 says charsets are not case sensitive
  178.         input_charset = input_charset.lower()
  179.         # Set the input charset after filtering through the aliases
  180.         self.input_charset = ALIASES.get(input_charset, input_charset)
  181.         # We can try to guess which encoding and conversion to use by the
  182.         # charset_map dictionary.  Try that first, but let the user override
  183.         # it.
  184.         henc, benc, conv = CHARSETS.get(self.input_charset,
  185.                                         (SHORTEST, BASE64, None))
  186.         # Set the attributes, allowing the arguments to override the default.
  187.         self.header_encoding = henc
  188.         self.body_encoding = benc
  189.         self.output_charset = ALIASES.get(conv, conv)
  190.         # Now set the codecs.  If one isn't defined for input_charset,
  191.         # guess and try a Unicode codec with the same name as input_codec.
  192.         self.input_codec = CODEC_MAP.get(self.input_charset,
  193.                                          self.input_charset)
  194.         self.output_codec = CODEC_MAP.get(self.output_charset,
  195.                                             self.input_codec)
  196.  
  197.     def __str__(self):
  198.         return self.input_charset.lower()
  199.  
  200.     def __eq__(self, other):
  201.         return str(self) == str(other).lower()
  202.  
  203.     def __ne__(self, other):
  204.         return not self.__eq__(other)
  205.  
  206.     def get_body_encoding(self):
  207.         """Return the content-transfer-encoding used for body encoding.
  208.  
  209.         This is either the string `quoted-printable' or `base64' depending on
  210.         the encoding used, or it is a function in which case you should call
  211.         the function with a single argument, the Message object being
  212.         encoded.  The function should then set the Content-Transfer-Encoding
  213.         header itself to whatever is appropriate.
  214.  
  215.         Returns "quoted-printable" if self.body_encoding is QP.
  216.         Returns "base64" if self.body_encoding is BASE64.
  217.         Returns "7bit" otherwise.
  218.         """
  219.         assert self.body_encoding <> SHORTEST
  220.         if self.body_encoding == QP:
  221.             return 'quoted-printable'
  222.         elif self.body_encoding == BASE64:
  223.             return 'base64'
  224.         else:
  225.             return encode_7or8bit
  226.  
  227.     def convert(self, s):
  228.         """Convert a string from the input_codec to the output_codec."""
  229.         if self.input_codec <> self.output_codec:
  230.             return unicode(s, self.input_codec).encode(self.output_codec)
  231.         else:
  232.             return s
  233.  
  234.     def to_splittable(self, s):
  235.         """Convert a possibly multibyte string to a safely splittable format.
  236.  
  237.         Uses the input_codec to try and convert the string to Unicode, so it
  238.         can be safely split on character boundaries (even for multibyte
  239.         characters).
  240.  
  241.         Returns the string as-is if it isn't known how to convert it to
  242.         Unicode with the input_charset.
  243.  
  244.         Characters that could not be converted to Unicode will be replaced
  245.         with the Unicode replacement character U+FFFD.
  246.         """
  247.         if _isunicode(s) or self.input_codec is None:
  248.             return s
  249.         try:
  250.             return unicode(s, self.input_codec, 'replace')
  251.         except LookupError:
  252.             # Input codec not installed on system, so return the original
  253.             # string unchanged.
  254.             return s
  255.  
  256.     def from_splittable(self, ustr, to_output=True):
  257.         """Convert a splittable string back into an encoded string.
  258.  
  259.         Uses the proper codec to try and convert the string from Unicode back
  260.         into an encoded format.  Return the string as-is if it is not Unicode,
  261.         or if it could not be converted from Unicode.
  262.  
  263.         Characters that could not be converted from Unicode will be replaced
  264.         with an appropriate character (usually '?').
  265.  
  266.         If to_output is True (the default), uses output_codec to convert to an
  267.         encoded format.  If to_output is False, uses input_codec.
  268.         """
  269.         if to_output:
  270.             codec = self.output_codec
  271.         else:
  272.             codec = self.input_codec
  273.         if not _isunicode(ustr) or codec is None:
  274.             return ustr
  275.         try:
  276.             return ustr.encode(codec, 'replace')
  277.         except LookupError:
  278.             # Output codec not installed
  279.             return ustr
  280.  
  281.     def get_output_charset(self):
  282.         """Return the output character set.
  283.  
  284.         This is self.output_charset if that is not None, otherwise it is
  285.         self.input_charset.
  286.         """
  287.         return self.output_charset or self.input_charset
  288.  
  289.     def encoded_header_len(self, s):
  290.         """Return the length of the encoded header string."""
  291.         cset = self.get_output_charset()
  292.         # The len(s) of a 7bit encoding is len(s)
  293.         if self.header_encoding == BASE64:
  294.             return email.base64MIME.base64_len(s) + len(cset) + MISC_LEN
  295.         elif self.header_encoding == QP:
  296.             return email.quopriMIME.header_quopri_len(s) + len(cset) + MISC_LEN
  297.         elif self.header_encoding == SHORTEST:
  298.             lenb64 = email.base64MIME.base64_len(s)
  299.             lenqp = email.quopriMIME.header_quopri_len(s)
  300.             return min(lenb64, lenqp) + len(cset) + MISC_LEN
  301.         else:
  302.             return len(s)
  303.  
  304.     def header_encode(self, s, convert=False):
  305.         """Header-encode a string, optionally converting it to output_charset.
  306.  
  307.         If convert is True, the string will be converted from the input
  308.         charset to the output charset automatically.  This is not useful for
  309.         multibyte character sets, which have line length issues (multibyte
  310.         characters must be split on a character, not a byte boundary); use the
  311.         high-level Header class to deal with these issues.  convert defaults
  312.         to False.
  313.  
  314.         The type of encoding (base64 or quoted-printable) will be based on
  315.         self.header_encoding.
  316.         """
  317.         cset = self.get_output_charset()
  318.         if convert:
  319.             s = self.convert(s)
  320.         # 7bit/8bit encodings return the string unchanged (modulo conversions)
  321.         if self.header_encoding == BASE64:
  322.             return email.base64MIME.header_encode(s, cset)
  323.         elif self.header_encoding == QP:
  324.             return email.quopriMIME.header_encode(s, cset)
  325.         elif self.header_encoding == SHORTEST:
  326.             lenb64 = email.base64MIME.base64_len(s)
  327.             lenqp = email.quopriMIME.header_quopri_len(s)
  328.             if lenb64 < lenqp:
  329.                 return email.base64MIME.header_encode(s, cset)
  330.             else:
  331.                 return email.quopriMIME.header_encode(s, cset)
  332.         else:
  333.             return s
  334.  
  335.     def body_encode(self, s, convert=True):
  336.         """Body-encode a string and convert it to output_charset.
  337.  
  338.         If convert is True (the default), the string will be converted from
  339.         the input charset to output charset automatically.  Unlike
  340.         header_encode(), there are no issues with byte boundaries and
  341.         multibyte charsets in email bodies, so this is usually pretty safe.
  342.  
  343.         The type of encoding (base64 or quoted-printable) will be based on
  344.         self.body_encoding.
  345.         """
  346.         if convert:
  347.             s = self.convert(s)
  348.         # 7bit/8bit encodings return the string unchanged (module conversions)
  349.         if self.body_encoding is BASE64:
  350.             return email.base64MIME.body_encode(s)
  351.         elif self.header_encoding is QP:
  352.             return email.quopriMIME.body_encode(s)
  353.         else:
  354.             return s
  355.