src/third_party/WebKit/LayoutTests/fast/encoding/char-decoding.html

   1 <html>
   2 <head>
   3 <script src="../../resources/js-test.js"></script>
   4 <script src="resources/char-decoding-utils.js"></script>
   5 </head>
   6 <body>
   7 <script>
   8
   9 description("This tests decoding characters in various character sets.");
  10
  11 testDecode('UTF-8', '%E2%88%9A', 'U+221A');
  12
  13 // <http://bugs.webkit.org/show_bug.cgi?id=17014> EUC-CN code A3A0 is mapped to U+E5E5 instead of U+3000
  14 testDecode('gb2312', '%A3%A0', 'U+3000');
  15 testDecode('gb_2312-80', '%A3%A0', 'U+3000');
  16 testDecode('chinese', '%A3%A0', 'U+3000');
  17 testDecode('gbk', '%A3%A0', 'U+3000');
  18 testDecode('gb18030', '%A3%A0', 'U+3000');
  19 testDecode('EUC-CN', '%A3%A0', 'U+3000');
  20
  21 // Test Shift_JIS aliases.
  22 testDecode('Shift_JIS', '%82%d0', 'U+3072');
  23 testDecode('shift-jis', '%82%d0', 'U+3072');
  24
  25 // Test that all Korean encodings of EUC-KR family are treated as windows-949.
  26 var korean = {
  27     encodings: ['korean', 'EUC-KR', 'windows-949', 'x-windows-949', 'x-uhc',
  28                 'iso-ir-149', 'KS_C_5601-1987', 'KS_C_5601-1989',
  29                 'KSC5601', 'KSC_5601'],
  30     encoded: ['%A2%E6', '%A1%A4', '%A1%A9', '%A1%AA', '%A1%AD', '%A2%A6',
  31               '%A2%C1', '%1A',    '%1C',    '%8F%A1', '%B4%D3', '%A2%41'],
  32     unicode: ['U+20AC', 'U+00B7', 'U+00AD', 'U+2015', 'U+223C', 'U+FF5E',
  33               'U+2299', 'U+001A', 'U+001C', 'U+B8EA', 'U+B2D2', 'U+C910']
  34 };
  35
  36 batchTestDecode(korean);
  37
  38 // Test that ISO-8859-9 (Turkish) is upgraded to windows-1254 with Euro symbol.
  39 var turkish = {
  40   encodings: ['iso-8859-9', 'latin5', 'windows-1254'],
  41   encoded: ['%80', '%9F', '%FD'],
  42   unicode: ['U+20AC', 'U+0178', 'U+0131']
  43 };
  44
  45 batchTestDecode(turkish);
  46
  47 // FIXME: Have to add tests for Euro and a few new characters added to ISO-8859-x
  48 // that are NOT subsets of the corresponding Windows codepages. For instance,
  49 // ISO-8859-7:2003 has Euro at 0xA4 and a couple of other new characters.
  50 // ICU 3.8.x or later has them. Perhaps, we need to have a separate test that
  51 // can be enabled only with modern ICU.
  52
  53 // Baltic encodings fine points.
  54 testDecode('ISO-8859-13', '%A1', 'U+201D');
  55 testDecode('ISO-8859-13', '%A5', 'U+201E');
  56 testDecode('ISO-8859-13', '%B4', 'U+201C');
  57 testDecode('ISO-8859-13', '%FF', 'U+2019');
  58 testDecode('windows-1257', '%80', 'U+20AC');
  59 testDecode('windows-1257', '%B4', 'U+00B4');
  60 testDecode('windows-1257', '%FF', 'U+02D9');
  61
  62 // Greek encodings fine points.
  63 testDecode('iso-8859-7', '%A1', 'U+2018');
  64 testDecode('iso-8859-7', '%B5', 'U+0385');
  65 testDecode('iso-8859-7', '%B6', 'U+0386');
  66 testDecode('windows-1253', '%80', 'U+20AC');
  67 testDecode('windows-1253', '%A1', 'U+0385');
  68 testDecode('windows-1253', '%B5', 'U+00B5');
  69 testDecode('windows-1253', '%B6', 'U+00B6');
  70
  71 // KOI-8 variants
  72 testDecode('KOI8-R', '%A4', 'U+2553');
  73 testDecode('KOI8-R', '%AD', 'U+255C');
  74 testDecode('KOI8-U', '%A4', 'U+0454');
  75 testDecode('KOI8-U', '%AD', 'U+0491');
  76
  77 // Test that TIS-620 and ISO-8859-11 (Thai) are upgraded to windows-874.
  78 // "0xDB => U+F8C1" is a weird PUA mapping that doesn't seem to be of
  79 // any use, even on Windows.
  80 var thai = {
  81   encodings: ['TIS-620', 'ISO-8859-11', 'windows-874', 'dos-874'],
  82   encoded: ['%80', '%96', '%A0', '%A1', '%DB'],
  83   unicode: ['U+20AC', 'U+2013', 'U+00A0', 'U+0E01', 'U+F8C1']
  84 };
  85
  86 batchTestDecode(thai);
  87
  88 // UTF-7 is expressly forbidden, so decoding it should not work correctly.
  89 // This attempts to decode '<' as UTF-7 (+AD4) but it ends up being decoded
  90 // as a '+AD4'.
  91 testDecode('UTF-7', '+AD4', 'U+002B/U+0041/U+0044/U+0034');
  92 testDecode('utf-7', '+AD4', 'U+002B/U+0041/U+0044/U+0034');
  93
  94 // UTF-16LE and variants.
  95 testDecode('UTF-16LE', '%69%D8%D6%DE', 'U+D869/U+DED6');
  96 testDecode('unicodeFEFF', '%69%D8%D6%DE', 'U+D869/U+DED6');
  97 // According to HTML5 and for IE compatibility, UTF-16 is treated as little endian. The following tests fail as of Firefox 3.6.13.
  98 testDecode('UTF-16', '%69%D8%D6%DE', 'U+D869/U+DED6');
  99 testDecode('ISO-10646-UCS-2', '%69%D8%D6%DE', 'U+D869/U+DED6');
 100 testDecode('UCS-2', '%69%D8%D6%DE', 'U+D869/U+DED6');
 101 testDecode('Unicode', '%69%D8%D6%DE', 'U+D869/U+DED6');
 102 testDecode('csUnicode', '%69%D8%D6%DE', 'U+D869/U+DED6');
 103
 104 // UTF-16BE and variants.
 105 testDecode('UTF-16BE', '%D8%69%DE%D6', 'U+D869/U+DED6');
 106 testDecode('unicodeFFFE', '%D8%69%DE%D6', 'U+D869/U+DED6');
 107
 108 // Replacement encodings should decode as replacement (U+FFFD) then EOF
 109 testDecode("csiso2022kr", "%41%42%43%61%62%63%31%32%33%A0", "U+FFFD");
 110 testDecode("hz-gb-2312", "%41%42%43%61%62%63%31%32%33%A0", "U+FFFD");
 111 testDecode("iso-2022-cn", "%41%42%43%61%62%63%31%32%33%A0", "U+FFFD");
 112 testDecode("iso-2022-cn-ext", "%41%42%43%61%62%63%31%32%33%A0", "U+FFFD");
 113 testDecode("iso-2022-kr", "%41%42%43%61%62%63%31%32%33%A0", "U+FFFD");
 114
 115 </script>
 116 </body>
 117 </html>