xref: /plan9/sys/src/cmd/html2ms.c (revision 781103c4074deb8af160e8a0da2742ba6b29dc2b) 
1 #include <u.h>
2 #include <libc.h>
3 #include <ctype.h>
4 #include <bio.h>
5 
6 enum
7 {
8 	SSIZE = 10,
9 
10 	/* list types */
11 	Lordered = 0,
12 	Lunordered,
13 	Lmenu,
14 	Ldir,
15 
16 };
17 
18 Biobuf in, out;
19 int lastc = '\n';
20 int inpre = 0;
21 
22 /* stack for fonts */
23 char *fontstack[SSIZE];
24 char *font = "R";
25 int fsp;
26 
27 /* stack for lists */
28 struct
29 {
30 	int	type;
31 	int	ord;
32 } liststack[SSIZE];
33 int lsp;
34 
35 int quoting;
36 
37 typedef struct Goobie Goobie;
38 struct Goobie
39 {
40 	char *name;
41 	void (*f)(Goobie*, char*);
42 	void (*ef)(Goobie*, char*);
43 };
44 
45 void	eatwhite(void);
46 void	escape(void);
47 
48 typedef void Action(Goobie*, char*);
49 
50 Action	g_ignore;
51 Action	g_unexpected;
52 Action	g_title;
53 Action	g_p;
54 Action	g_h;
55 Action	g_li;
56 Action	g_list, g_listend;
57 Action	g_pre;
58 Action	g_fpush, g_fpop;
59 Action	g_indent, g_exdent;
60 Action	g_dt;
61 Action	g_display;
62 Action	g_displayend;
63 Action	g_table, g_tableend, g_caption, g_captionend;
64 Action	g_br, g_hr;
65 
66 Goobie gtab[] =
67 {
68 	"!--",		g_ignore,	g_unexpected,
69 	"!doctype",	g_ignore,	g_unexpected,
70 	"a",		g_ignore,	g_ignore,
71 	"address",	g_display,	g_displayend,
72 	"b",		g_fpush,	g_fpop,
73 	"base",		g_ignore,	g_unexpected,
74 	"blink",	g_ignore,	g_ignore,
75 	"blockquote",	g_ignore,	g_ignore,
76 	"body",		g_ignore,	g_ignore,
77 	"br",		g_br,		g_unexpected,
78 	"caption",	g_caption,	g_captionend,
79 	"center",	g_ignore,	g_ignore,
80 	"cite",		g_ignore,	g_ignore,
81 	"code",		g_ignore,	g_ignore,
82 	"dd",		g_ignore,	g_unexpected,
83 	"dfn",		g_ignore,	g_ignore,
84 	"dir",		g_list,		g_listend,
85 	"div",		g_ignore,		g_br,
86 	"dl",		g_indent,	g_exdent,
87 	"dt",		g_dt,		g_unexpected,
88 	"em",		g_ignore,	g_ignore,
89 	"font",		g_ignore,	g_ignore,
90 	"form",		g_ignore,	g_ignore,
91 	"h1",		g_h,		g_p,
92 	"h2",		g_h,		g_p,
93 	"h3",		g_h,		g_p,
94 	"h4",		g_h,		g_p,
95 	"h5",		g_h,		g_p,
96 	"h6",		g_h,		g_p,
97 	"head",		g_ignore,	g_ignore,
98 	"hr",		g_hr,		g_unexpected,
99 	"html",		g_ignore,	g_ignore,
100 	"i",		g_fpush,	g_fpop,
101 	"input",	g_ignore,	g_unexpected,
102 	"img",		g_ignore,	g_unexpected,
103 	"isindex",	g_ignore,	g_unexpected,
104 	"kbd",		g_fpush,	g_fpop,
105 	"key",		g_ignore,	g_ignore,
106 	"li",		g_li,		g_unexpected,
107 	"link",		g_ignore,	g_unexpected,
108 	"listing",	g_ignore,	g_ignore,
109 	"menu",		g_list,		g_listend,
110 	"meta",		g_ignore,	g_unexpected,
111 	"nextid",	g_ignore,	g_unexpected,
112 	"ol",		g_list,		g_listend,
113 	"option",	g_ignore,	g_unexpected,
114 	"p",		g_p,		g_ignore,
115 	"plaintext",	g_ignore,	g_unexpected,
116 	"pre",		g_pre,		g_displayend,
117 	"samp",		g_ignore,	g_ignore,
118 	"script",	g_ignore,	g_ignore,
119 	"select",	g_ignore,	g_ignore,
120 	"span",		g_ignore,	g_ignore,
121 	"strong",	g_ignore,	g_ignore,
122 	"table",	g_table,	g_tableend,
123 	"textarea",	g_ignore,	g_ignore,
124 	"title",	g_title,	g_ignore,
125 	"tt",		g_fpush,	g_fpop,
126 	"u",		g_ignore,	g_ignore,
127 	"ul",		g_list,		g_listend,
128 	"var",		g_ignore,	g_ignore,
129 	"xmp",		g_ignore,	g_ignore,
130 	0,		0,	0,
131 };
132 
133 typedef struct Entity Entity;
134 struct Entity
135 {
136 	char *name;
137 	Rune value;
138 };
139 
140 Entity pl_entity[]=
141 {
142 "#SPACE", L' ', "#RS",   L'\n', "#RE",   L'\r', "quot",   L'"',
143 "AElig",  L'Æ', "Aacute", L'Á', "Acirc",  L'Â', "Agrave", L'À', "Aring",  L'Å',
144 "Atilde", L'Ã', "Auml",   L'Ä', "Ccedil", L'Ç', "ETH",    L'Ð', "Eacute", L'É',
145 "Ecirc",  L'Ê', "Egrave", L'È', "Euml",   L'Ë', "Iacute", L'Í', "Icirc",  L'Î',
146 "Igrave", L'Ì', "Iuml",   L'Ï', "Ntilde", L'Ñ', "Oacute", L'Ó', "Ocirc",  L'Ô',
147 "Ograve", L'Ò', "Oslash", L'Ø', "Otilde", L'Õ', "Ouml",   L'Ö', "THORN",  L'Þ',
148 "Uacute", L'Ú', "Ucirc",  L'Û', "Ugrave", L'Ù', "Uuml",   L'Ü', "Yacute", L'Ý',
149 "aacute", L'á', "acirc",  L'â', "aelig",  L'æ', "agrave", L'à', "amp",    L'&',
150 "aring",  L'å', "atilde", L'ã', "auml",   L'ä', "ccedil", L'ç', "eacute", L'é',
151 "ecirc",  L'ê', "egrave", L'è', "eth",    L'ð', "euml",   L'ë', "gt",     L'>',
152 "iacute", L'í', "icirc",  L'î', "igrave", L'ì', "iuml",   L'ï', "lt",     L'<',
153 "nbsp", L' ',
154 "ntilde", L'ñ', "oacute", L'ó', "ocirc",  L'ô', "ograve", L'ò', "oslash", L'ø',
155 "otilde", L'õ', "ouml",   L'ö', "szlig",  L'ß', "thorn",  L'þ', "uacute", L'ú',
156 "ucirc",  L'û', "ugrave", L'ù', "uuml",   L'ü', "yacute", L'ý', "yuml",   L'ÿ',
157 0
158 };
159 
160 int
161 cistrcmp(char *a, char *b)
162 {
163 	int c, d;
164 
165 	for(;; a++, b++){
166 		d = tolower(*a);
167 		c = d - tolower(*b);
168 		if(c)
169 			break;
170 		if(d == 0)
171 			break;
172 	}
173 	return c;
174 }
175 
176 int
177 readupto(char *buf, int n, char d, char notme)
178 {
179 	char *p;
180 	int c;
181 
182 	buf[0] = 0;
183 	for(p = buf;; p++){
184 		c = Bgetc(&in);
185 		if(c < 0){
186 			*p = 0;
187 			return -1;
188 		}
189 		if(c == notme){
190 			Bungetc(&in);
191 			return -1;
192 		}
193 		if(c == d){
194 			*p = 0;
195 			return 0;
196 		}
197 		*p = c;
198 		if(p == buf + n){
199 			*p = 0;
200 			Bprint(&out, "<%s", buf);
201 			return -1;
202 		}
203 	}
204 }
205 
206 void
207 dogoobie(void)
208 {
209 	char *arg, *type;
210 	Goobie *g;
211 	char buf[1024];
212 	int closing;
213 
214 	if(readupto(buf, sizeof(buf), '>', '<') < 0){
215 		Bprint(&out, "<%s", buf);
216 		return;
217 	}
218 	type = buf;
219 	if(*type == '/'){
220 		type++;
221 		closing = 1;
222 	} else
223 		closing = 0;
224 	arg = strchr(type, ' ');
225 	if(arg == 0)
226 		arg = strchr(type, '\r');
227 	if(arg == 0)
228 		arg = strchr(type, '\n');
229 	if(arg)
230 		*arg++ = 0;
231 	for(g = gtab; g->name; g++)
232 		if(cistrcmp(type, g->name) == 0){
233 			if(closing){
234 				if(g->ef){
235 					(*g->ef)(g, arg);
236 					return;
237 				}
238 			} else {
239 				if(g->f){
240 					(*g->f)(g, arg);
241 					return;
242 				}
243 			}
244 		}
245 	if(closing)
246 		type--;
247 	if(arg)
248 		Bprint(&out, "<%s %s>\n", type, arg);
249 	else
250 		Bprint(&out, "<%s>\n", type);
251 }
252 
253 void
254 main(void)
255 {
256 	int c, pos;
257 
258 	Binit(&in, 0, OREAD);
259 	Binit(&out, 1, OWRITE);
260 
261 	pos = 0;
262 	for(;;){
263 		c = Bgetc(&in);
264 		if(c < 0)
265 			return;
266 		switch(c){
267 		case '<':
268 			dogoobie();
269 			break;
270 		case '&':
271 			escape();
272 			break;
273 		case '\r':
274 			pos = 0;
275 			break;
276 		case '\n':
277 			if(quoting){
278 				Bputc(&out, '"');
279 				quoting = 0;
280 			}
281 			if(lastc != '\n')
282 				Bputc(&out, '\n');
283 			/* can't emit leading spaces in filled troff docs */
284 			if (!inpre)
285 				eatwhite();
286 			lastc = c;
287 			break;
288 		default:
289 			++pos;
290 			if(!inpre && isascii(c) && isspace(c) && pos > 80){
291 				Bputc(&out, '\n');
292 				eatwhite();
293 				pos = 0;
294 			}else
295 				Bputc(&out, c);
296 			lastc = c;
297 			break;
298 		}
299 	}
300 }
301 
302 void
303 escape(void)
304 {
305 	int c;
306 	Entity *e;
307 	char buf[8];
308 
309 	if(readupto(buf, sizeof(buf), ';', '\n') < 0){
310 		Bprint(&out, "&%s", buf);
311 		return;
312 	}
313 	for(e = pl_entity; e->name; e++)
314 		if(strcmp(buf, e->name) == 0){
315 			Bprint(&out, "%C", e->value);
316 			return;
317 		}
318 	if(*buf == '#'){
319 		c = atoi(buf+1);
320 		if(isascii(c) && isprint(c)){
321 			Bputc(&out, c);
322 			return;
323 		}
324 	}
325 	Bprint(&out, "&%s;", buf);
326 }
327 
328 /*
329  * whitespace is not significant to HTML, but newlines
330  * and leading spaces are significant to troff.
331  */
332 void
333 eatwhite(void)
334 {
335 	int c;
336 
337 	for(;;){
338 		c = Bgetc(&in);
339 		if(c < 0)
340 			break;
341 		if(!isspace(c)){
342 			Bungetc(&in);
343 			break;
344 		}
345 	}
346 }
347 
348 /*
349  *  print at start of line
350  */
351 void
352 printsol(char *fmt, ...)
353 {
354 	va_list arg;
355 
356 	if(quoting){
357 		Bputc(&out, '"');
358 		quoting = 0;
359 	}
360 	if(lastc != '\n')
361 		Bputc(&out, '\n');
362 	va_start(arg, fmt);
363 	Bvprint(&out, fmt, arg);
364 	va_end(arg);
365 	lastc = '\n';
366 }
367 
368 void
369 g_ignore(Goobie *g, char *arg)
370 {
371 	USED(g, arg);
372 }
373 
374 void
375 g_unexpected(Goobie *g, char *arg)
376 {
377 	USED(arg);
378 	fprint(2, "unexpected %s ending\n", g->name);
379 }
380 
381 void
382 g_title(Goobie *g, char *arg)
383 {
384 	USED(arg);
385 	printsol(".TL\n", g->name);
386 }
387 
388 void
389 g_p(Goobie *g, char *arg)
390 {
391 	USED(arg);
392 	printsol(".LP\n", g->name);
393 }
394 
395 void
396 g_h(Goobie *g, char *arg)
397 {
398 	USED(arg);
399 	printsol(".SH %c\n", g->name[1]);
400 }
401 
402 void
403 g_list(Goobie *g, char *arg)
404 {
405 	USED(arg);
406 
407 	if(lsp != SSIZE){
408 		switch(g->name[0]){
409 		case 'o':
410 			liststack[lsp].type  = Lordered;
411 			liststack[lsp].ord = 0;
412 			break;
413 		default:
414 			liststack[lsp].type = Lunordered;
415 			break;
416 		}
417 	}
418 	lsp++;
419 }
420 
421 void
422 g_br(Goobie *g, char *arg)
423 {
424 	USED(g, arg);
425 	printsol(".br\n");
426 }
427 
428 void
429 g_li(Goobie *g, char *arg)
430 {
431 	USED(g, arg);
432 	if(lsp <= 0 || lsp > SSIZE){
433 		printsol(".IP \\(bu\n");
434 		return;
435 	}
436 	switch(liststack[lsp-1].type){
437 	case Lunordered:
438 		printsol(".IP \\(bu\n");
439 		break;
440 	case Lordered:
441 		printsol(".IP %d\n", ++liststack[lsp-1].ord);
442 		break;
443 	}
444 }
445 
446 void
447 g_listend(Goobie *g, char *arg)
448 {
449 	USED(g, arg);
450 	if(--lsp < 0)
451 		lsp = 0;
452 	printsol(".LP\n");
453 }
454 
455 void
456 g_display(Goobie *g, char *arg)
457 {
458 	USED(g, arg);
459 	printsol(".DS\n");
460 }
461 
462 void
463 g_pre(Goobie *g, char *arg)
464 {
465 	USED(g, arg);
466 	printsol(".DS L\n");
467 	inpre = 1;
468 }
469 
470 void
471 g_displayend(Goobie *g, char *arg)
472 {
473 	USED(g, arg);
474 	printsol(".DE\n");
475 	inpre = 0;
476 }
477 
478 void
479 g_fpush(Goobie *g, char *arg)
480 {
481 	USED(arg);
482 	if(fsp < SSIZE)
483 		fontstack[fsp] = font;
484 	fsp++;
485 	switch(g->name[0]){
486 	case 'b':
487 		font = "B";
488 		break;
489 	case 'i':
490 		font = "I";
491 		break;
492 	case 'k':		/* kbd */
493 	case 't':		/* tt */
494 		font = "(CW";
495 		break;
496 	}
497 	Bprint(&out, "\\f%s", font);
498 }
499 
500 void
501 g_fpop(Goobie *g, char *arg)
502 {
503 	USED(g, arg);
504 	fsp--;
505 	if(fsp < SSIZE)
506 		font = fontstack[fsp];
507 	else
508 		font = "R";
509 
510 	Bprint(&out, "\\f%s", font);
511 }
512 
513 void
514 g_indent(Goobie *g, char *arg)
515 {
516 	USED(g, arg);
517 	printsol(".RS\n");
518 }
519 
520 void
521 g_exdent(Goobie *g, char *arg)
522 {
523 	USED(g, arg);
524 	printsol(".RE\n");
525 }
526 
527 void
528 g_dt(Goobie *g, char *arg)
529 {
530 	USED(g, arg);
531 	printsol(".IP \"");
532 	quoting = 1;
533 }
534 
535 void
536 g_hr(Goobie *g, char *arg)
537 {
538 	USED(g, arg);
539 	printsol(".br\n");
540 	printsol("\\l'5i'\n");
541 }
542 
543 
544 /*
545 <table border>
546 <caption><font size="+1"><b>Cumulative Class Data</b></font></caption>
547 <tr><th rowspan=2>DOSE<br>mg/kg</th><th colspan=2>PARALYSIS</th><th colspan=2>DEATH</th>
548 </tr>
549 <tr><th width=80>Number</th><th width=80>Percent</th><th width=80>Number</th><th width=80>Percent</th>
550 </tr>
551 <tr align=center>
552 <td>0.1</td><td><br></td> <td><br></td> <td><br></td> <td><br></td>
553 </tr>
554 <tr align=center>
555 <td>0.2</td><td><br></td> <td><br></td> <td><br></td> <td><br></td>
556 </tr>
557 <tr align=center>
558 <td>0.3</td><td><br></td> <td><br></td> <td><br></td> <td><br></td>
559 </tr>
560 <tr align=center>
561 <td>0.4</td><td><br></td> <td><br></td> <td><br></td> <td><br></td>
562 </tr>
563 <tr align=center>
564 <td>0.5</td><td><br></td> <td><br></td> <td><br></td> <td><br></td>
565 </tr>
566 <tr align=center>
567 <td>0.6</td><td><br></td> <td><br></td> <td><br></td> <td><br></td>
568 </tr>
569 <tr align=center>
570 <td>0.7</td><td><br></td> <td><br></td> <td><br></td> <td><br></td>
571 </tr>
572 <tr align=center>
573 <td>0.8</td><td><br></td> <td><br></td> <td><br></td> <td><br></td>
574 </tr>
575 <tr align=center>
576 <td>0.8 oral</td><td><br></td> <td><br></td> <td><br></td> <td><br></td>
577 </tr>
578 </table>
579 */
580 
581 void
582 g_table(Goobie *g, char *arg)
583 {
584 	USED(g, arg);
585 	printsol(".TS\ncenter ;\n");
586 }
587 
588 void
589 g_tableend(Goobie *g, char *arg)
590 {
591 	USED(g, arg);
592 	printsol(".TE\n");
593 }
594 
595 void
596 g_caption(Goobie *g, char *arg)
597 {
598 	USED(g, arg);
599 }
600 
601 void
602 g_captionend(Goobie *g, char *arg)
603 {
604 	USED(g, arg);
605 }
606