added ICU experiment which sorts correctly given all locales tried.
authorMarc Cromme <marc@indexdata.dk>
Wed, 2 May 2007 14:03:03 +0000 (14:03 +0000)
committerMarc Cromme <marc@indexdata.dk>
Wed, 2 May 2007 14:03:03 +0000 (14:03 +0000)
src/icu_experiment.c [new file with mode: 0644]

diff --git a/src/icu_experiment.c b/src/icu_experiment.c
new file mode 100644 (file)
index 0000000..ef16ad8
--- /dev/null
@@ -0,0 +1,187 @@
+// Make command on debian 64 bit testing dist  
+/*
+gcc -g -Wall `icu-config --cppflags`  `icu-config --ldflags` -o icu_experiment icu_experiment.c
+snatched from http://www.icu-project.org/userguide/Collate_API.html 
+and corrected for compile errors
+added a struct icu_termmap such that I actually can see the output
+*/
+
+#include <string.h>
+#include <stdlib.h>
+#include <stdio.h>
+
+#include <unicode/ustring.h>  /* some more string fcns*/
+#include <unicode/uchar.h>    /* char names           */
+
+
+//#include <unicode/ustdio.h>
+//#include <unicode/utypes.h>   /* Basic ICU data types */
+#include <unicode/ucol.h> 
+//#include <unicode/ucnv.h>     /* C   Converter API    */
+//#include <unicode/uloc.h>
+//#include <unicode/ubrk.h>
+//#include <unicode/unistr.h> 
+
+
+#define MAX_KEY_SIZE 256
+//#define MAX_BUFFER_SIZE 10000
+//#define MAX_LIST_LENGTH 5
+
+
+
+struct icu_termmap
+{
+  uint8_t sort_key[MAX_KEY_SIZE]; // standard C string '\0' terminated
+  UChar utf16_term[MAX_KEY_SIZE]; // ICU utf-16 string
+  int32_t utf16_len;               // ICU utf-16 string lenght
+  char disp_term[MAX_KEY_SIZE];  // standard C utf-8 string
+};
+
+
+
+int icu_termmap_cmp(const void *vp1, const void *vp2)
+{
+    struct icu_termmap *itmp1 = *(struct icu_termmap **) vp1;
+    struct icu_termmap *itmp2 = *(struct icu_termmap **) vp2;
+
+    int cmp = 0;
+    
+    cmp = strcmp((const char *)itmp1->sort_key, 
+                  (const char *)itmp2->sort_key);
+    return cmp;
+}
+
+
+int icu_check_status(UErrorCode status)
+{
+  if(!U_SUCCESS(status))
+    printf("ICU status: %d %s\n", status, u_errorName(status));
+  return status;
+}
+
+
+
+int icu_coll_sort(const char * locale, int src_list_len,
+                  const char ** src_list, const char ** chk_list)
+{
+  
+  int i;
+  uint8_t *tmp = 0;
+  int32_t tmp_len = 0;
+  int32_t sort_key_len; 
+  
+  struct icu_termmap * list[src_list_len];
+  
+
+  UErrorCode status = U_ZERO_ERROR;
+  
+  for( i = 0; i < src_list_len; i++) 
+    {
+      int text_len = strlen(src_list[i]);
+
+      list[i] = (struct icu_termmap *) malloc(sizeof(struct icu_termmap));
+
+      strcpy(list[i]->disp_term, src_list[i]);    
+
+      // transforming to UTF16
+      u_strFromUTF8(list[i]->utf16_term, MAX_KEY_SIZE, 
+                    &(list[i]->utf16_len), src_list[i], (int32_t) text_len,
+                    &status);
+      icu_check_status(status);
+
+      //u_uastrcpy(list[i]->utf16_term, src_list[i]);   
+   } 
+
+  printf("\n"); 
+  printf("Input str: '%s' : ", locale); 
+  for (i = 0; i < src_list_len; i++) {
+    printf(" '%s'", list[i]->disp_term); 
+  }
+  printf("\n");
+
+  UCollator *coll = ucol_open(locale, &status); 
+  icu_check_status(status);
+
+  if(!U_SUCCESS(status))
+    return 0;
+  
+
+
+  for(i=0; i < src_list_len; i++) {
+    sort_key_len 
+      = ucol_getSortKey(coll, list[i]->utf16_term, list[i]->utf16_len,
+                        tmp, tmp_len);
+    
+    // reallocating business ..
+    if (sort_key_len > tmp_len) {
+      printf("sort_key_len: %d tmp_len: %d, reallocating tmp buf\n", 
+             (int) sort_key_len, (int) tmp_len);
+      if (tmp == 0) { 
+        tmp = (uint8_t *) malloc(sort_key_len);
+      } else
+        tmp = (uint8_t *) realloc(tmp, sort_key_len);
+      tmp_len = sort_key_len;
+      
+      // one more round ..
+      sort_key_len 
+        = ucol_getSortKey(coll, list[i]->utf16_term, list[i]->utf16_len,
+                          tmp, tmp_len);
+    }
+    
+    // copy result out
+    memcpy(list[i]->sort_key, tmp, sort_key_len);    
+  }
+  icu_check_status(status);
+  
+  
+  //printf("Sortkeys assigned, now sorting\n");  
+  
+  // do the sorting
+  qsort(list, src_list_len, 
+        sizeof(struct icu_termmap *), icu_termmap_cmp);
+  
+  
+  printf("ICU sort:  '%s' : ", locale); 
+  for (i = 0; i < src_list_len; i++) {
+    printf(" '%s'", list[i]->disp_term); 
+  }
+  printf("\n"); 
+  
+ucol_close(coll);
+
+ return 1;
+};
+
+
+int main(int argc, char **argv)
+{
+  
+    size_t en_1_len = 6;
+    const char * en_1_src[6] = {"z", "K", "a", "A", "Z", "k"};
+    const char * en_1_cck[6] = {"a", "A", "K", "k", "z", "Z"};
+    icu_coll_sort("en", en_1_len, en_1_src, en_1_cck);
+    icu_coll_sort("en_AU", en_1_len, en_1_src, en_1_cck);
+    icu_coll_sort("en_CA", en_1_len, en_1_src, en_1_cck);
+    icu_coll_sort("en_GB", en_1_len, en_1_src, en_1_cck);
+    icu_coll_sort("en_US", en_1_len, en_1_src, en_1_cck);
+    
+    
+    size_t da_1_len = 6;
+    const char * da_1_src[6] = {"z", "å", "o", "æ", "a", "ø"};
+    const char * da_1_cck[6] = {"a", "o", "z", "æ", "ø", "å"};
+    icu_coll_sort("da", da_1_len, da_1_src, da_1_cck);
+    icu_coll_sort("da_DK", da_1_len, da_1_src, da_1_cck);
+
+
+    size_t de_1_len = 9;
+    const char * de_1_src[9] = {"u", "ä", "o", "t", "s", "ß", "ü", "ö", "a"};
+    const char * de_1_cck[9] = {"ä", "a", "o", "ö", "s", "ß", "t", "u", "ü"};
+    icu_coll_sort("de", de_1_len, de_1_src, de_1_cck);
+    icu_coll_sort("de_AT", de_1_len, de_1_src, de_1_cck);
+    icu_coll_sort("de_DE", de_1_len, de_1_src, de_1_cck);
+
+  return 0;
+};
+