contrib/file/src/encoding.c

   1 /*
   2  * Copyright (c) Ian F. Darwin 1986-1995.
   3  * Software written by Ian F. Darwin and others;
   4  * maintained 1995-present by Christos Zoulas and others.
   5  *
   6  * Redistribution and use in source and binary forms, with or without
   7  * modification, are permitted provided that the following conditions
   8  * are met:
   9  * 1. Redistributions of source code must retain the above copyright
  10  *    notice immediately at the beginning of the file, without modification,
  11  *    this list of conditions, and the following disclaimer.
  12  * 2. Redistributions in binary form must reproduce the above copyright
  13  *    notice, this list of conditions and the following disclaimer in the
  14  *    documentation and/or other materials provided with the distribution.
  15  *
  16  * THIS SOFTWARE IS PROVIDED BY THE AUTHOR AND CONTRIBUTORS ``AS IS'' AND
  17  * ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE
  18  * IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE
  19  * ARE DISCLAIMED. IN NO EVENT SHALL THE AUTHOR OR CONTRIBUTORS BE LIABLE FOR
  20  * ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL
  21  * DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS
  22  * OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION)
  23  * HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT
  24  * LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY
  25  * OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF
  26  * SUCH DAMAGE.
  27  */
  28 /*
  29  * Encoding -- determine the character encoding of a text file.
  30  *
  31  * Joerg Wunsch <joerg@freebsd.org> wrote the original support for 8-bit
  32  * international characters.
  33  */
  34
  35 #include "file.h"
  36
  37 #ifndef lint
  38 FILE_RCSID("@(#)$File: encoding.c,v 1.21 2019/06/08 20:49:14 christos Exp $")
  39 #endif  /* lint */
  40
  41 #include "magic.h"
  42 #include <string.h>
  43 #include <stdlib.h>
  44
  45
  46 private int looks_ascii(const unsigned char *, size_t, unichar *, size_t *);
  47 private int looks_utf8_with_BOM(const unsigned char *, size_t, unichar *,
  48     size_t *);
  49 private int looks_utf7(const unsigned char *, size_t, unichar *, size_t *);
  50 private int looks_ucs16(const unsigned char *, size_t, unichar *, size_t *);
  51 private int looks_ucs32(const unsigned char *, size_t, unichar *, size_t *);
  52 private int looks_latin1(const unsigned char *, size_t, unichar *, size_t *);
  53 private int looks_extended(const unsigned char *, size_t, unichar *, size_t *);
  54 private void from_ebcdic(const unsigned char *, size_t, unsigned char *);
  55
  56 #ifdef DEBUG_ENCODING
  57 #define DPRINTF(a) printf a
  58 #else
  59 #define DPRINTF(a)
  60 #endif
  61
  62 /*
  63  * Try to determine whether text is in some character code we can
  64  * identify.  Each of these tests, if it succeeds, will leave
  65  * the text converted into one-unichar-per-character Unicode in
  66  * ubuf, and the number of characters converted in ulen.
  67  */
  68 protected int
  69 file_encoding(struct magic_set *ms, const struct buffer *b, unichar **ubuf,
  70     size_t *ulen, const char **code, const char **code_mime, const char **type)
  71 {
  72         const unsigned char *buf = CAST(const unsigned char *, b->fbuf);
  73         size_t nbytes = b->flen;
  74         size_t mlen;
  75         int rv = 1, ucs_type;
  76         unsigned char *nbuf = NULL;
  77         unichar *udefbuf;
  78         size_t udeflen;
  79
  80         if (ubuf == NULL)
  81                 ubuf = &udefbuf;
  82         if (ulen == NULL)
  83                 ulen = &udeflen;
  84
  85         *type = "text";
  86         *ulen = 0;
  87         *code = "unknown";
  88         *code_mime = "binary";
  89
  90         mlen = (nbytes + 1) * sizeof((*ubuf)[0]);
  91         if ((*ubuf = CAST(unichar *, calloc(CAST(size_t, 1), mlen))) == NULL) {
  92                 file_oomem(ms, mlen);
  93                 goto done;
  94         }
  95         mlen = (nbytes + 1) * sizeof(nbuf[0]);
  96         if ((nbuf = CAST(unsigned char *,
  97             calloc(CAST(size_t, 1), mlen))) == NULL) {
  98                 file_oomem(ms, mlen);
  99                 goto done;
 100         }
 101
 102         if (looks_ascii(buf, nbytes, *ubuf, ulen)) {
 103                 if (looks_utf7(buf, nbytes, *ubuf, ulen) > 0) {
 104                         DPRINTF(("utf-7 %" SIZE_T_FORMAT "u\n", *ulen));
 105                         *code = "UTF-7 Unicode";
 106                         *code_mime = "utf-7";
 107                 } else {
 108                         DPRINTF(("ascii %" SIZE_T_FORMAT "u\n", *ulen));
 109                         *code = "ASCII";
 110                         *code_mime = "us-ascii";
 111                 }
 112         } else if (looks_utf8_with_BOM(buf, nbytes, *ubuf, ulen) > 0) {
 113                 DPRINTF(("utf8/bom %" SIZE_T_FORMAT "u\n", *ulen));
 114                 *code = "UTF-8 Unicode (with BOM)";
 115                 *code_mime = "utf-8";
 116         } else if (file_looks_utf8(buf, nbytes, *ubuf, ulen) > 1) {
 117                 DPRINTF(("utf8 %" SIZE_T_FORMAT "u\n", *ulen));
 118                 *code = "UTF-8 Unicode";
 119                 *code_mime = "utf-8";
 120         } else if ((ucs_type = looks_ucs32(buf, nbytes, *ubuf, ulen)) != 0) {
 121                 if (ucs_type == 1) {
 122                         *code = "Little-endian UTF-32 Unicode";
 123                         *code_mime = "utf-32le";
 124                 } else {
 125                         *code = "Big-endian UTF-32 Unicode";
 126                         *code_mime = "utf-32be";
 127                 }
 128                 DPRINTF(("ucs32 %" SIZE_T_FORMAT "u\n", *ulen));
 129         } else if ((ucs_type = looks_ucs16(buf, nbytes, *ubuf, ulen)) != 0) {
 130                 if (ucs_type == 1) {
 131                         *code = "Little-endian UTF-16 Unicode";
 132                         *code_mime = "utf-16le";
 133                 } else {
 134                         *code = "Big-endian UTF-16 Unicode";
 135                         *code_mime = "utf-16be";
 136                 }
 137                 DPRINTF(("ucs16 %" SIZE_T_FORMAT "u\n", *ulen));
 138         } else if (looks_latin1(buf, nbytes, *ubuf, ulen)) {
 139                 DPRINTF(("latin1 %" SIZE_T_FORMAT "u\n", *ulen));
 140                 *code = "ISO-8859";
 141                 *code_mime = "iso-8859-1";
 142         } else if (looks_extended(buf, nbytes, *ubuf, ulen)) {
 143                 DPRINTF(("extended %" SIZE_T_FORMAT "u\n", *ulen));
 144                 *code = "Non-ISO extended-ASCII";
 145                 *code_mime = "unknown-8bit";
 146         } else {
 147                 from_ebcdic(buf, nbytes, nbuf);
 148
 149                 if (looks_ascii(nbuf, nbytes, *ubuf, ulen)) {
 150                         DPRINTF(("ebcdic %" SIZE_T_FORMAT "u\n", *ulen));
 151                         *code = "EBCDIC";
 152                         *code_mime = "ebcdic";
 153                 } else if (looks_latin1(nbuf, nbytes, *ubuf, ulen)) {
 154                         DPRINTF(("ebcdic/international %" SIZE_T_FORMAT "u\n",
 155                             *ulen));
 156                         *code = "International EBCDIC";
 157                         *code_mime = "ebcdic";
 158                 } else { /* Doesn't look like text at all */
 159                         DPRINTF(("binary\n"));
 160                         rv = 0;
 161                         *type = "binary";
 162                 }
 163         }
 164
 165  done:
 166         free(nbuf);
 167         if (ubuf == &udefbuf)
 168                 free(udefbuf);
 169
 170         return rv;
 171 }
 172
 173 /*
 174  * This table reflects a particular philosophy about what constitutes
 175  * "text," and there is room for disagreement about it.
 176  *
 177  * Version 3.31 of the file command considered a file to be ASCII if
 178  * each of its characters was approved by either the isascii() or
 179  * isalpha() function.  On most systems, this would mean that any
 180  * file consisting only of characters in the range 0x00 ... 0x7F
 181  * would be called ASCII text, but many systems might reasonably
 182  * consider some characters outside this range to be alphabetic,
 183  * so the file command would call such characters ASCII.  It might
 184  * have been more accurate to call this "considered textual on the
 185  * local system" than "ASCII."
 186  *
 187  * It considered a file to be "International language text" if each
 188  * of its characters was either an ASCII printing character (according
 189  * to the real ASCII standard, not the above test), a character in
 190  * the range 0x80 ... 0xFF, or one of the following control characters:
 191  * backspace, tab, line feed, vertical tab, form feed, carriage return,
 192  * escape.  No attempt was made to determine the language in which files
 193  * of this type were written.
 194  *
 195  *
 196  * The table below considers a file to be ASCII if all of its characters
 197  * are either ASCII printing characters (again, according to the X3.4
 198  * standard, not isascii()) or any of the following controls: bell,
 199  * backspace, tab, line feed, form feed, carriage return, esc, nextline.
 200  *
 201  * I include bell because some programs (particularly shell scripts)
 202  * use it literally, even though it is rare in normal text.  I exclude
 203  * vertical tab because it never seems to be used in real text.  I also
 204  * include, with hesitation, the X3.64/ECMA-43 control nextline (0x85),
 205  * because that's what the dd EBCDIC->ASCII table maps the EBCDIC newline
 206  * character to.  It might be more appropriate to include it in the 8859
 207  * set instead of the ASCII set, but it's got to be included in *something*
 208  * we recognize or EBCDIC files aren't going to be considered textual.
 209  * Some old Unix source files use SO/SI (^N/^O) to shift between Greek
 210  * and Latin characters, so these should possibly be allowed.  But they
 211  * make a real mess on VT100-style displays if they're not paired properly,
 212  * so we are probably better off not calling them text.
 213  *
 214  * A file is considered to be ISO-8859 text if its characters are all
 215  * either ASCII, according to the above definition, or printing characters
 216  * from the ISO-8859 8-bit extension, characters 0xA0 ... 0xFF.
 217  *
 218  * Finally, a file is considered to be international text from some other
 219  * character code if its characters are all either ISO-8859 (according to
 220  * the above definition) or characters in the range 0x80 ... 0x9F, which
 221  * ISO-8859 considers to be control characters but the IBM PC and Macintosh
 222  * consider to be printing characters.
 223  */
 224
 225 #define F 0   /* character never appears in text */
 226 #define T 1   /* character appears in plain ASCII text */
 227 #define I 2   /* character appears in ISO-8859 text */
 228 #define X 3   /* character appears in non-ISO extended ASCII (Mac, IBM PC) */
 229
 230 private char text_chars[256] = {
 231         /*                  BEL BS HT LF VT FF CR    */
 232         F, F, F, F, F, F, F, T, T, T, T, T, T, T, F, F,  /* 0x0X */
 233         /*                              ESC          */
 234         F, F, F, F, F, F, F, F, F, F, F, T, F, F, F, F,  /* 0x1X */
 235         T, T, T, T, T, T, T, T, T, T, T, T, T, T, T, T,  /* 0x2X */
 236         T, T, T, T, T, T, T, T, T, T, T, T, T, T, T, T,  /* 0x3X */
 237         T, T, T, T, T, T, T, T, T, T, T, T, T, T, T, T,  /* 0x4X */
 238         T, T, T, T, T, T, T, T, T, T, T, T, T, T, T, T,  /* 0x5X */
 239         T, T, T, T, T, T, T, T, T, T, T, T, T, T, T, T,  /* 0x6X */
 240         T, T, T, T, T, T, T, T, T, T, T, T, T, T, T, F,  /* 0x7X */
 241         /*            NEL                            */
 242         X, X, X, X, X, T, X, X, X, X, X, X, X, X, X, X,  /* 0x8X */
 243         X, X, X, X, X, X, X, X, X, X, X, X, X, X, X, X,  /* 0x9X */
 244         I, I, I, I, I, I, I, I, I, I, I, I, I, I, I, I,  /* 0xaX */
 245         I, I, I, I, I, I, I, I, I, I, I, I, I, I, I, I,  /* 0xbX */
 246         I, I, I, I, I, I, I, I, I, I, I, I, I, I, I, I,  /* 0xcX */
 247         I, I, I, I, I, I, I, I, I, I, I, I, I, I, I, I,  /* 0xdX */
 248         I, I, I, I, I, I, I, I, I, I, I, I, I, I, I, I,  /* 0xeX */
 249         I, I, I, I, I, I, I, I, I, I, I, I, I, I, I, I   /* 0xfX */
 250 };
 251
 252 private int
 253 looks_ascii(const unsigned char *buf, size_t nbytes, unichar *ubuf,
 254     size_t *ulen)
 255 {
 256         size_t i;
 257
 258         *ulen = 0;
 259
 260         for (i = 0; i < nbytes; i++) {
 261                 int t = text_chars[buf[i]];
 262
 263                 if (t != T)
 264                         return 0;
 265
 266                 ubuf[(*ulen)++] = buf[i];
 267         }
 268
 269         return 1;
 270 }
 271
 272 private int
 273 looks_latin1(const unsigned char *buf, size_t nbytes, unichar *ubuf, size_t *ulen)
 274 {
 275         size_t i;
 276
 277         *ulen = 0;
 278
 279         for (i = 0; i < nbytes; i++) {
 280                 int t = text_chars[buf[i]];
 281
 282                 if (t != T && t != I)
 283                         return 0;
 284
 285                 ubuf[(*ulen)++] = buf[i];
 286         }
 287
 288         return 1;
 289 }
 290
 291 private int
 292 looks_extended(const unsigned char *buf, size_t nbytes, unichar *ubuf,
 293     size_t *ulen)
 294 {
 295         size_t i;
 296
 297         *ulen = 0;
 298
 299         for (i = 0; i < nbytes; i++) {
 300                 int t = text_chars[buf[i]];
 301
 302                 if (t != T && t != I && t != X)
 303                         return 0;
 304
 305                 ubuf[(*ulen)++] = buf[i];
 306         }
 307
 308         return 1;
 309 }
 310
 311 /*
 312  * Decide whether some text looks like UTF-8. Returns:
 313  *
 314  *     -1: invalid UTF-8
 315  *      0: uses odd control characters, so doesn't look like text
 316  *      1: 7-bit text
 317  *      2: definitely UTF-8 text (valid high-bit set bytes)
 318  *
 319  * If ubuf is non-NULL on entry, text is decoded into ubuf, *ulen;
 320  * ubuf must be big enough!
 321  */
 322 protected int
 323 file_looks_utf8(const unsigned char *buf, size_t nbytes, unichar *ubuf, size_t *ulen)
 324 {
 325         size_t i;
 326         int n;
 327         unichar c;
 328         int gotone = 0, ctrl = 0;
 329
 330         if (ubuf)
 331                 *ulen = 0;
 332
 333         for (i = 0; i < nbytes; i++) {
 334                 if ((buf[i] & 0x80) == 0) {        /* 0xxxxxxx is plain ASCII */
 335                         /*
 336                          * Even if the whole file is valid UTF-8 sequences,
 337                          * still reject it if it uses weird control characters.
 338                          */
 339
 340                         if (text_chars[buf[i]] != T)
 341                                 ctrl = 1;
 342
 343                         if (ubuf)
 344                                 ubuf[(*ulen)++] = buf[i];
 345                 } else if ((buf[i] & 0x40) == 0) { /* 10xxxxxx never 1st byte */
 346                         return -1;
 347                 } else {                           /* 11xxxxxx begins UTF-8 */
 348                         int following;
 349
 350                         if ((buf[i] & 0x20) == 0) {             /* 110xxxxx */
 351                                 c = buf[i] & 0x1f;
 352                                 following = 1;
 353                         } else if ((buf[i] & 0x10) == 0) {      /* 1110xxxx */
 354                                 c = buf[i] & 0x0f;
 355                                 following = 2;
 356                         } else if ((buf[i] & 0x08) == 0) {      /* 11110xxx */
 357                                 c = buf[i] & 0x07;
 358                                 following = 3;
 359                         } else if ((buf[i] & 0x04) == 0) {      /* 111110xx */
 360                                 c = buf[i] & 0x03;
 361                                 following = 4;
 362                         } else if ((buf[i] & 0x02) == 0) {      /* 1111110x */
 363                                 c = buf[i] & 0x01;
 364                                 following = 5;
 365                         } else
 366                                 return -1;
 367
 368                         for (n = 0; n < following; n++) {
 369                                 i++;
 370                                 if (i >= nbytes)
 371                                         goto done;
 372
 373                                 if ((buf[i] & 0x80) == 0 || (buf[i] & 0x40))
 374                                         return -1;
 375
 376                                 c = (c << 6) + (buf[i] & 0x3f);
 377                         }
 378
 379                         if (ubuf)
 380                                 ubuf[(*ulen)++] = c;
 381                         gotone = 1;
 382                 }
 383         }
 384 done:
 385         return ctrl ? 0 : (gotone ? 2 : 1);
 386 }
 387
 388 /*
 389  * Decide whether some text looks like UTF-8 with BOM. If there is no
 390  * BOM, return -1; otherwise return the result of looks_utf8 on the
 391  * rest of the text.
 392  */
 393 private int
 394 looks_utf8_with_BOM(const unsigned char *buf, size_t nbytes, unichar *ubuf,
 395     size_t *ulen)
 396 {
 397         if (nbytes > 3 && buf[0] == 0xef && buf[1] == 0xbb && buf[2] == 0xbf)
 398                 return file_looks_utf8(buf + 3, nbytes - 3, ubuf, ulen);
 399         else
 400                 return -1;
 401 }
 402
 403 private int
 404 looks_utf7(const unsigned char *buf, size_t nbytes, unichar *ubuf, size_t *ulen)
 405 {
 406         if (nbytes > 4 && buf[0] == '+' && buf[1] == '/' && buf[2] == 'v')
 407                 switch (buf[3]) {
 408                 case '8':
 409                 case '9':
 410                 case '+':
 411                 case '/':
 412                         if (ubuf)
 413                                 *ulen = 0;
 414                         return 1;
 415                 default:
 416                         return -1;
 417                 }
 418         else
 419                 return -1;
 420 }
 421
 422 private int
 423 looks_ucs16(const unsigned char *bf, size_t nbytes, unichar *ubf,
 424     size_t *ulen)
 425 {
 426         int bigend;
 427         size_t i;
 428
 429         if (nbytes < 2)
 430                 return 0;
 431
 432         if (bf[0] == 0xff && bf[1] == 0xfe)
 433                 bigend = 0;
 434         else if (bf[0] == 0xfe && bf[1] == 0xff)
 435                 bigend = 1;
 436         else
 437                 return 0;
 438
 439         *ulen = 0;
 440
 441         for (i = 2; i + 1 < nbytes; i += 2) {
 442                 /* XXX fix to properly handle chars > 65536 */
 443
 444                 if (bigend)
 445                         ubf[(*ulen)++] = bf[i + 1]
 446                             | (CAST(unichar, bf[i]) << 8);
 447                 else
 448                         ubf[(*ulen)++] = bf[i]
 449                             | (CAST(unichar, bf[i + 1]) << 8);
 450
 451                 if (ubf[*ulen - 1] == 0xfffe)
 452                         return 0;
 453                 if (ubf[*ulen - 1] < 128 &&
 454                     text_chars[CAST(size_t, ubf[*ulen - 1])] != T)
 455                         return 0;
 456         }
 457
 458         return 1 + bigend;
 459 }
 460
 461 private int
 462 looks_ucs32(const unsigned char *bf, size_t nbytes, unichar *ubf,
 463     size_t *ulen)
 464 {
 465         int bigend;
 466         size_t i;
 467
 468         if (nbytes < 4)
 469                 return 0;
 470
 471         if (bf[0] == 0xff && bf[1] == 0xfe && bf[2] == 0 && bf[3] == 0)
 472                 bigend = 0;
 473         else if (bf[0] == 0 && bf[1] == 0 && bf[2] == 0xfe && bf[3] == 0xff)
 474                 bigend = 1;
 475         else
 476                 return 0;
 477
 478         *ulen = 0;
 479
 480         for (i = 4; i + 3 < nbytes; i += 4) {
 481                 /* XXX fix to properly handle chars > 65536 */
 482
 483                 if (bigend)
 484                         ubf[(*ulen)++] = CAST(unichar, bf[i + 3])
 485                             | (CAST(unichar, bf[i + 2]) << 8)
 486                             | (CAST(unichar, bf[i + 1]) << 16)
 487                             | (CAST(unichar, bf[i]) << 24);
 488                 else
 489                         ubf[(*ulen)++] = CAST(unichar, bf[i + 0])
 490                             | (CAST(unichar, bf[i + 1]) << 8)
 491                             | (CAST(unichar, bf[i + 2]) << 16)
 492                             | (CAST(unichar, bf[i + 3]) << 24);
 493
 494                 if (ubf[*ulen - 1] == 0xfffe)
 495                         return 0;
 496                 if (ubf[*ulen - 1] < 128 &&
 497                     text_chars[CAST(size_t, ubf[*ulen - 1])] != T)
 498                         return 0;
 499         }
 500
 501         return 1 + bigend;
 502 }
 503 #undef F
 504 #undef T
 505 #undef I
 506 #undef X
 507
 508 /*
 509  * This table maps each EBCDIC character to an (8-bit extended) ASCII
 510  * character, as specified in the rationale for the dd(1) command in
 511  * draft 11.2 (September, 1991) of the POSIX P1003.2 standard.
 512  *
 513  * Unfortunately it does not seem to correspond exactly to any of the
 514  * five variants of EBCDIC documented in IBM's _Enterprise Systems
 515  * Architecture/390: Principles of Operation_, SA22-7201-06, Seventh
 516  * Edition, July, 1999, pp. I-1 - I-4.
 517  *
 518  * Fortunately, though, all versions of EBCDIC, including this one, agree
 519  * on most of the printing characters that also appear in (7-bit) ASCII.
 520  * Of these, only '|', '!', '~', '^', '[', and ']' are in question at all.
 521  *
 522  * Fortunately too, there is general agreement that codes 0x00 through
 523  * 0x3F represent control characters, 0x41 a nonbreaking space, and the
 524  * remainder printing characters.
 525  *
 526  * This is sufficient to allow us to identify EBCDIC text and to distinguish
 527  * between old-style and internationalized examples of text.
 528  */
 529
 530 private unsigned char ebcdic_to_ascii[] = {
 531   0,   1,   2,   3, 156,   9, 134, 127, 151, 141, 142,  11,  12,  13,  14,  15,
 532  16,  17,  18,  19, 157, 133,   8, 135,  24,  25, 146, 143,  28,  29,  30,  31,
 533 128, 129, 130, 131, 132,  10,  23,  27, 136, 137, 138, 139, 140,   5,   6,   7,
 534 144, 145,  22, 147, 148, 149, 150,   4, 152, 153, 154, 155,  20,  21, 158,  26,
 535 ' ', 160, 161, 162, 163, 164, 165, 166, 167, 168, 213, '.', '<', '(', '+', '|',
 536 '&', 169, 170, 171, 172, 173, 174, 175, 176, 177, '!', '$', '*', ')', ';', '~',
 537 '-', '/', 178, 179, 180, 181, 182, 183, 184, 185, 203, ',', '%', '_', '>', '?',
 538 186, 187, 188, 189, 190, 191, 192, 193, 194, '`', ':', '#', '@', '\'','=', '"',
 539 195, 'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 196, 197, 198, 199, 200, 201,
 540 202, 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', '^', 204, 205, 206, 207, 208,
 541 209, 229, 's', 't', 'u', 'v', 'w', 'x', 'y', 'z', 210, 211, 212, '[', 214, 215,
 542 216, 217, 218, 219, 220, 221, 222, 223, 224, 225, 226, 227, 228, ']', 230, 231,
 543 '{', 'A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 232, 233, 234, 235, 236, 237,
 544 '}', 'J', 'K', 'L', 'M', 'N', 'O', 'P', 'Q', 'R', 238, 239, 240, 241, 242, 243,
 545 '\\',159, 'S', 'T', 'U', 'V', 'W', 'X', 'Y', 'Z', 244, 245, 246, 247, 248, 249,
 546 '0', '1', '2', '3', '4', '5', '6', '7', '8', '9', 250, 251, 252, 253, 254, 255
 547 };
 548
 549 #ifdef notdef
 550 /*
 551  * The following EBCDIC-to-ASCII table may relate more closely to reality,
 552  * or at least to modern reality.  It comes from
 553  *
 554  *   http://ftp.s390.ibm.com/products/oe/bpxqp9.html
 555  *
 556  * and maps the characters of EBCDIC code page 1047 (the code used for
 557  * Unix-derived software on IBM's 390 systems) to the corresponding
 558  * characters from ISO 8859-1.
 559  *
 560  * If this table is used instead of the above one, some of the special
 561  * cases for the NEL character can be taken out of the code.
 562  */
 563
 564 private unsigned char ebcdic_1047_to_8859[] = {
 565 0x00,0x01,0x02,0x03,0x9C,0x09,0x86,0x7F,0x97,0x8D,0x8E,0x0B,0x0C,0x0D,0x0E,0x0F,
 566 0x10,0x11,0x12,0x13,0x9D,0x0A,0x08,0x87,0x18,0x19,0x92,0x8F,0x1C,0x1D,0x1E,0x1F,
 567 0x80,0x81,0x82,0x83,0x84,0x85,0x17,0x1B,0x88,0x89,0x8A,0x8B,0x8C,0x05,0x06,0x07,
 568 0x90,0x91,0x16,0x93,0x94,0x95,0x96,0x04,0x98,0x99,0x9A,0x9B,0x14,0x15,0x9E,0x1A,
 569 0x20,0xA0,0xE2,0xE4,0xE0,0xE1,0xE3,0xE5,0xE7,0xF1,0xA2,0x2E,0x3C,0x28,0x2B,0x7C,
 570 0x26,0xE9,0xEA,0xEB,0xE8,0xED,0xEE,0xEF,0xEC,0xDF,0x21,0x24,0x2A,0x29,0x3B,0x5E,
 571 0x2D,0x2F,0xC2,0xC4,0xC0,0xC1,0xC3,0xC5,0xC7,0xD1,0xA6,0x2C,0x25,0x5F,0x3E,0x3F,
 572 0xF8,0xC9,0xCA,0xCB,0xC8,0xCD,0xCE,0xCF,0xCC,0x60,0x3A,0x23,0x40,0x27,0x3D,0x22,
 573 0xD8,0x61,0x62,0x63,0x64,0x65,0x66,0x67,0x68,0x69,0xAB,0xBB,0xF0,0xFD,0xFE,0xB1,
 574 0xB0,0x6A,0x6B,0x6C,0x6D,0x6E,0x6F,0x70,0x71,0x72,0xAA,0xBA,0xE6,0xB8,0xC6,0xA4,
 575 0xB5,0x7E,0x73,0x74,0x75,0x76,0x77,0x78,0x79,0x7A,0xA1,0xBF,0xD0,0x5B,0xDE,0xAE,
 576 0xAC,0xA3,0xA5,0xB7,0xA9,0xA7,0xB6,0xBC,0xBD,0xBE,0xDD,0xA8,0xAF,0x5D,0xB4,0xD7,
 577 0x7B,0x41,0x42,0x43,0x44,0x45,0x46,0x47,0x48,0x49,0xAD,0xF4,0xF6,0xF2,0xF3,0xF5,
 578 0x7D,0x4A,0x4B,0x4C,0x4D,0x4E,0x4F,0x50,0x51,0x52,0xB9,0xFB,0xFC,0xF9,0xFA,0xFF,
 579 0x5C,0xF7,0x53,0x54,0x55,0x56,0x57,0x58,0x59,0x5A,0xB2,0xD4,0xD6,0xD2,0xD3,0xD5,
 580 0x30,0x31,0x32,0x33,0x34,0x35,0x36,0x37,0x38,0x39,0xB3,0xDB,0xDC,0xD9,0xDA,0x9F
 581 };
 582 #endif
 583
 584 /*
 585  * Copy buf[0 ... nbytes-1] into out[], translating EBCDIC to ASCII.
 586  */
 587 private void
 588 from_ebcdic(const unsigned char *buf, size_t nbytes, unsigned char *out)
 589 {
 590         size_t i;
 591
 592         for (i = 0; i < nbytes; i++) {
 593                 out[i] = ebcdic_to_ascii[buf[i]];
 594         }
 595 }